欢迎关注天善智能微信公众号，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区。

本文为小编学习天善学院李奇老师用数据说话-Excel BI商业智能分析零基础精讲课程第一章第五节笔记。

Excel商业智能分析中常用的到的五种方法：数据标准化、加权平均、转换变量类型、直方图、盒须图。

重要性：不同指标进行对比评价时，经常会遇到由于各指标间的性质，量纲，或者是数量级的不同而造成各指标间的水平相差很大时，直接用原始指标值进行数据分析，就会突出数值较高的指标在综合分析中的作用。为了保证结果的可靠性，需要对原始的指标数据进行标准化处理。

方法：主要介绍2种：

MIN-MAX标准化：新数据=（原数据-极小值）/（极大值-极小值）

注：原数据映射在0-1区间内，同意数量级，方便进行进一步比较、分析

Z-SCORE标准化：新数据=（原数据-均值）/标准差

注：围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

利用交叉表求权重方法介绍：

1. 纵向和横向对比，横向重要则为1，纵向重要为0

2. 横向加总

3. 每个阶段合计值/合计总值*100%

实操部分：

变量类型：

1. 名义型变量： 值与值之间没有等级顺序之分，仅代表不同类的事物。

例： 性别、民族、职业

2. 有序型变量： 值与值之间有等级顺序之分，不仅能够代表事物的分类，还能代表事物按某种特性的排序。

例： 销售阶段、优良中差

3. 连续型变量：不仅能将变量区分类别和等级，而且可以确定变量之间的数量差别和间隔距离。

例： 营业额、身高、体重

实操：

频数与频率

频数是落在各类别中的数据个数。各类别频数与总频数之比称频率。频数和频率分别从绝对数和相对数上，反映出数据在各变量值上的分布状况。（学习直方图前了解这两个概念）

组距=（最大值-最小值）/组数

1. 选择数据

2. 设置接受区域

3. 调整频率分布

直方图与柱形图区别：柱形图看的是高度，对比数值，直方图看的是面积，组距内频率的分布情况，展现整体分布趋势。

实操：

调出数据分析库之后打开直方图

设置好参数

注意：此时显示的是频数而不是频率，需要调整一下。

设置好之后调整直方图，邮件调出数据系列格式，“分类间距”调为“0”。加上相应轮廓即可。

盒须图用来体现数据分散情况，版本建议excel2016版。

四分位数：将数据由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数

上边缘 = Q3+1.5*（Q3-Q1）

下边缘 = Q1-1.5*（Q3-Q1）

通过盒须图，可以清晰发现一组数据的分散情况。

实战：

选中所有数据之后，找出所有图标中的“箱形图”

本章笔记就到这里，后续继续更新哈，欢迎大家关注。感兴趣的同学也可以留言一起交流学习，记得点赞哈。

更多精彩内容，请登陆天善学院：hellobi。

前言

你的假设可信吗？在我们实际工作中，事物的个体差异总是客观存在的，抽样的误差也就无可避免。当一些样本均数与已知的总体均数有很大的差别时，一般来说有两点主要原因：一是抽样误差的偶然性，二是样本来自不同的总体，而使试验因素不同。这个时候，我们运用假设检验方法就能够排除误差的影响，区分差别在统计上是否成立，并了解误差时间发生的概率。

参数估计和假设检验

统计推断是由样本的信息来推测母体性能的一种方法，它又可以分为两类问题，即参数估计和假设检验。

参数估计（parameterestimation）是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。人们常常需要根据手中的数据，分析或推断数据反映的本质规律。即根据样本数据如何选择统计量去推断总体的分布或数字特征等。统计推断是数理统计研究的核心问题。所谓统计推断是指根据样本对总体分布或分布的数字特征等作出合理的推断。它是统计推断的一种基本形式，是数理统计学的一个重要分支，分为点估计和区间估计两部分。

在数据分析工具中，假设检验也被称为显著性检验，是统计推断中的一种重要的数据统计方法。它首先对研究总体的参数做出某种假设，然后从总体中抽取样本进行观察，用样本提供的信息对假设的正确性进行判断，从而决定是否成立。若观察结果与理论不符，则假设不成立，若观察结果与理论相符，则认为没有充分的证据表明假设错误。假设检验一般有如下三个步骤：

1、建立假设，确定检验水平。2、选定检验方法，计算统计量大小。3、根据统计量确定P值，做出推断统计。

在这三个步骤中，第2个步骤中的检验方法是十分重要的、因为检验的样本类型、自变量的分布情况、研究的目的都不同，所以只有选择合适的检验方法才能计算出来统计量。

假设检验的主要方法

假设检验的方法主要可分为：t-检验、z-检验和F-检验。（建议查看统计学相关知识）

t-检验：T检验，亦称studentt检验（Student'sttest），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。

z-检验：Z检验（ZTest）是一般用于大样本（即样本容量大于30）平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数的差异是否显著。在国内也被称作u检验。

当已知标准差时，验证一组数的均值是否与某一期望值相等时，用Z检验。

z检验又叫u检验

F-检验：F检验又叫方差齐性检验。在两样本t检验中要用到F检验。

从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t检验或变量变换或秩和检验等方法。

其中要判断两总体方差是否相等，就可以用F检验。

实例应用

实例应用：应用t-检验分析新药的有效性

1、案例描述

某药厂研发了一种能够降低血压的新药，现在为了了解该药的疗效，随机抽取了15名高血压患者，并得到他么在使用该药治疗前后的舒张压数据，如下图所示，现在需要判断：该药是否有效？如果有效，是否能够让高血压患者的舒张压平均降低6.5mmHg？

2、案例分析

根据上面的数据，我们可以使用Excel中的假设检验方法来判断（以前我用手算过，好累呀，有了Excel等工具，很简单方便，省时省力）。分析工具中的假设检验方法有多种，使用不同的方法，观察值在检验前后的关系就不同，所以需要先选择合适的方案。

3、操作分析

由于样本量较小，且样本值中的观察值存在治疗前后的配对关系，所以可先使用“t-检验：平均值的成对二样本分析”方法判断该药的有效性，我们首先假设该药无效（一般先否定，然后计算检验否定原假设（如果正确的话）），然后进行假设检验。

第1步：选择分析工具（老朋友了）。“数据分析”——“分析工具”——“t-检验：平均值的成对二样本分析”，确定即可。如下图所示：

第2步：设置相关参数。在“t-检验：平均值的成对二样本分析”对话框中，设置“输入”组中“变量1的区域”为“$B$2:$B$17”，“变量2的区域”为“$C$2:$C$17”，选择“标志”复选框，设置“α”值为“0.05”，在“输出选项”下单击“输出区域”，设置为“$E$2”，最后确定。如下图所示：

第3步：设置假设平均差。重复上一步骤，其他参数不变，这次设置“假设平均差”为“6.5”，“输出区域”为“$I$2”。这一步，“假设平均差”为期望中的样本均值的差值，如果该值设为0，即假设样本均值相同。

第4步：显示分析结果。做完之后，我们就可以看到t-检验的结果：H列左侧为第2步中检验该药是否有效的数据结果，H列右侧为第3步中检验该药是否能让舒张压降低6.5mmHg的检验结果。如下图所示：

4、决策分析

上面的案例中，由于没有充分的理由判断该药治疗后的总体均数会大于或小于治疗前的舒张压均值，所以在检验过程中，前面的t-检验我们采用的是双侧检验。

从分析结果看到：H列左侧的检验结果中，tStat=4.211，P双尾=0.00087，t双尾临界=2.145，当t双尾临界时，假设成立，而这个案例中，检验结果tStat>t双尾临界，说明该结果拒绝原假设，也就是说该药有效，此外，我们还能看到P双尾=0.00087<α=0.05，这一比较结果也说明该结果拒绝原假设，同样说明该药有效。

由于已经确定该药有效，那么再判断该药能否将舒张压平均值降低6.5mmHg，所以，后面的t-检验采用的是单侧检验，这里我们设置了假设平均差，上图中红框内，检验结果tStat=0.205α=0.05也说明了该假设成立。

小结

今天学习一下Excel中如何进行t-检验，数据分析更进一步。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，我都希望你留言和我们进行交流、讨论。

前言

说实话，数据分析是人人都会的，只是没有把它提升到是一个分析的过程，在每个人的脑子里都有不同的思考的方式。所以今天讲“数据分析的魅力和坑”可能只是在各位原有的一些思维层面上，有一些不太注意的地方会变成坑，然后导致一些不太好的结果。今天主要把我遇到的坑和大家分享，以后在遇到同样的情况下，也可以避开那些坑的情况。我们先思考一个简单的逻辑题，让我们的思维更快速一点。

珠宝店被盗，警察问了4名嫌疑人，甲说“不是我做的”，乙说“是丁做的”，丙说“丁没有偷”，丁说“肯定是乙偷的，”4个人里一个人说一句话，谁偷的？

“甲偷的”。为什么是甲偷的？因为这里面有两个人说话是矛盾的，一个是“丁偷的，”一个是“丁没有偷”，两个里面肯定有一个是真的，因为只有一个人说真话，其他两个都是假话，所以甲说“不是我做的，”那就是他做的，就是这样。因为四个人里只有一个人说了真话，有两个人说了相反的一句话，那么其中有一个人肯定是真，有一个人肯定是假的。我不问这两个人谁说的真，谁说的假，另外两个人说的肯定是假，所以是甲做的。这就是逻辑上的关于矛盾的点，一定要关注。其实数据分析也是这样，当你看数的时候，首先看到的有矛盾的数。应该是甲大乙就大，但是现在甲大，乙小了，这两个之间出现了矛盾，就要去关注它。

下面，我们接着来说数据分析到底能做些什么。

第一、数据分析来源于生活，每个人在生活中都在解决数据分析的问题。

第二、数据在很多地方呈现的时候都会误导你，误导你的时候是基于什么？你自己如果有一定的准备你就会知道。

第三、职场发展的需要。

第一章：数据分析的作用——解决生活问题

大家先思考两个问题（如图一）。这两个问题相当经典，也是在数字思考中会出现的问题。只是说遇到的事不一样，但是思维方式是一样的。关于这两个问题，当时我们老师在学校里上课的时候给了我们五分钟的时间思考，当时最快完全答对只有学财务的同学。

（图一）

第一道题目，27元是三个人出的，服务员是他进的（账），所以这是两个东西。进（账）的还有谁？老板。所以出的是27元三个人，进账的是老板的25以及服务员2块，所以没有那个1块钱。

第二道题目，出的是他的50块，为什么只有50块？因为这50块是为了完成这一单交易，所以他所有的出就是这个50块。但是他有入的，就是这一笔生意所赚的利润，这个利润是4块，所以就是46，因为他打了八折。

当时我们很受启发的原因在于，可能我们把很多东西都想得复杂。但是分析的过程应该是把复杂的东西简单化，尽可能地用一到两个概念来解决它。所以我们说通过这些生活中的故事或者说发生这些大家经常讨论的东西，我们会得到三个点：

第一，聚焦在矛盾的地方上。如果两个数值，比如说注册到充值、充值到首投是一个流程性的过程，常态来说应该是漏斗流失这样的过程，如果中间出现了反向的，比如注册量少，充值量大，它就是出现了矛盾，那么就要去关注引起这个矛盾的原因。

第二，避免偷换概念。刚才说的那个一块钱去哪了？那个一块钱根本不存在，你去哪找那一块钱？其实概念已经被偷换了。

第三，要把复杂的过程想得简单一点。财务的同学当时就是考虑两个维度，一个是出，一个是入，所以他很快就能得出结果。而我们就会在过程中一而再再而三地反复地算，然后得不出正确的答案。

这就是我举的例子想要跟大家分享的点了。数据分析除了要思考，你可能还要得出结论，如何得出结论？刚才讲的是比较零散的点，我们现在用一个我们生活中实际发生的案例来跟大家过一下一般是怎么样的思维过程来形成完整的报告或者结论。

这道题目就叫“大姨妈与小表弟”。什么意思？过年的时候我回家，我大姨妈跑过来跟我妈聊天说我小表弟快要中考了，然后这次期末考得不太好。大概是这样的情况，她也很担心，说不知道要是考不起好的中学该怎么办。因为我在房间里，我也没听太清楚，但是我出来的时候就接了一个工作，就是我妈给我的。我妈说“快安慰安慰你大姨妈，帮帮你小表弟”。

对于我们来说，就等于是接了一个任务目标了，这个任务目标就是这两句话。这其实是两件事情，在场的同学会从哪些角度去考虑？当然你可以问问题，因为你大姨妈就坐那儿，你可以问她。她的目的也很清晰，她担心的是小表弟能不能考上好高中。接着就是你妈说让你安慰一下她、帮一下你的表弟。大家遇到那种情况，一般会问些什么或者说会从哪些角度来考虑这件事情？在这里，我给大家说一下我的思考方式。

首先，从趋势上进行分析。刚才也有同学谈到，包括环境、行业、竞争对手，就是说小表弟本身的学校排名是什么样的情况。如果他本身是在重点初中里的排名已经很高，你安慰大姨妈肯定首先就是说“这基本上上好一点的高中的问题不大，只是说我们要去哪一个”。好与更好，而不是说好与能不能上，这是两个概念。

另外，班级最近的氛围怎么样？是不是因为环境造成了小表弟这次考试可能没考好？另外就是小表弟近期的情况，是不是身体原因或者怎么样。

这些其实都是外围的情况，看完外围的情况就会多维分解一下小表弟自己的考试。比如说他的分数怎么样、有没有偏科、试卷结构怎么样、怎么样制订目标。比如说他有一科很强，其他的很弱，很弱是因为什么？比如说如果是语文很差，语文是哪一块差？

你这些可以辅助来判断。从安慰大姨妈到帮小表弟的过程应该是更深度地聚焦在到底该怎么样帮的点上，所以要更加往下细分。比如说语文卷面是阅读不好，阅读该怎么办？那就得往下分。

至于用户细分的考虑这一块其实只是一种运用，可能不是特别恰当，但是只是说有这种思维，你会去分析一下。比如说你刚才已经分析出假如小表弟是语文不太好，那么他们班上语文学习好的这些同学是有哪些特征或者他们是怎么样去学语文的。比如说大家都背诗词或者都在看一些报刊，甚至是不是有老师开小课？这些情况你有没有了解清楚或者说家长知不知道？这些都需要去了解。

另外，除了本来就学得好的，还有那种排名上升特别快的同学，这些同学是用了什么方法在这么短的时间内有提升？这个方法是不是小表弟也可以学？这个也可以观察。再下面，关于漏斗流失以及如何分析，按道理来说应该是一个路径，这里不应该这样讲。但是实际上可以把思路变化一下，而不是这样的竖向的固定流失，而有可能是横向的结构问题。我们就可以分析他试卷的以往错误率，是因为这次没考好考砸的，还是你本来这一科就一直不好？这也是需要去了解的。另外就是你错误的板块，到底是因为什么原因？是这次的原因还是历史的原因？这是需要提前了解的。

最后，要快速尝试一下。比如说有些同学排名上升很快的学习方法适不适用？你总要去试一下。

不仅仅是这些维度，还可能有更多的维度。当然因为数据分析是一种思维，思维是没办法拘禁的。无论你经过多少的思考，最后会有一个结论。这个结论一般会是什么样的结构？你已经问了大姨妈这么多问题，最后怎么样整体来回答她？

我们的目标一个是安慰，一个是帮小表弟。我们最终得出的是这样的结论。

首先安慰大姨妈。“大姨妈，你不要着急。从学校和班级的排名来看，小表弟怎么样”，因为首先要对这次小表弟的排名情况或者说考试情况作一个整体的判断，看看这个程度到底去到什么程度，是真的惨不忍睹还是还有得救？你总得给大家一个心理准备，是真的考不起要去花钱找关系，还是说补一补花点钱也能够让他自己努力得了，或者说其实也不要太在意，这次就只是一次小失误。你首先要对大的这次的情况作一个判断。老师对他怎么样是定性？他本身是个什么样的状况？接着就说这次没考好主要是因为什么，这是刚才我们说的哪一个东西影响到他。也就是说我们这次考试除了判断他的事态和程度，还要找到他这次情况的现状，并且分析是因为什么原因导致的。然后“小表弟在这个考点上一直怎么样，从以前的考试情况来看怎么样”，其实是对历史作一个总结。是一直就不怎么样还是说以前的考试还可以，这次不怎么样，要对历史作一个总结。接着就说“他班上的谁在这块学得挺好的，主要是因为怎么样，”那你就要看一下竞品在这一块上到底是怎么做的、有没有借鉴意义？最后就说“我们可以怎么样，下一次考试的目标就是怎么样”，你要对整体作一个建议，以及对目标进行管理。你也不能让大姨妈的期望值太高，要管理期望，不能直接说“高中没问题，考个一中二中什么的”，那也不行，也得让你小表弟喘口气。

整体的回答就会是这样的逻辑结构。你从接到一个标题或者你要分析的东西一直到它最后出结果，整个流程的辅助维度可能就是这些，其实还会有更多的维度来辅助。其实数据分析在生活中是很常见的，大家也都经常使用它。

第二章：数据分析的作用——降低被误概率

除了刚才那些问题可能时不时会发生，但是更多出现的是一些容易被误导的数据。我没有说被骗是因为它也不能叫做骗，只是它误导了你，而你选择了相信。我们经常在一些报刊杂志上看到很多数据就开始传播，我也希望这次听完这些之后，如果不是特别确定的还是不要传播，容易引起恐慌。

如图二，我们来看这些报刊杂志上是怎么样描述这些数据的。首先是“情感专刊的专家通过读者的反馈研究发现，有80%的家庭表示后悔要小孩”。“人们一般认为平均23度感觉舒适”。“当今交通危险日益增长，据不完全统计，现在因为飞机事故丧生的人数是20年前的15倍”。“北京2012年离婚率是39%，有点不敢结婚。居全国之首，预计到2017年将超过50%。”“甲同学期末五科总分450分，乙同学期末五科总分460分，乙同学比甲同学优秀”。接下来这个是最常见的，“2015年，全国32个主要城市平均薪酬为6070元”。最后是参军海报上写的，“美国海军的死亡率为千分之九，而同期的纽约死亡率为千分之十六。所以参军更安全，鼓励大家参军”。这些都是摘自一些报刊杂志上或者说平时经常会出现的一些东西。至于为什么感觉不是骗了你，而是你被它误导？我们讲完这一章之后来回答，大家也可以想一下，大部分可能已经知道在哪有有不对了。

（图二）

我们已经发现了很多生活中出现的“骗”或者说被误导的东西，我们为什么还要统计。哈佛的统计学院的创始人莫斯特勒说过“要用统计很容易，但是不用统计骗人就更容易了”。

什么叫做数据分析？数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。里面包含两个关键信息：第一，有用信息。第二，形成结论。

第一，有用信息。对于数据来说什么是有用信息？主要是三个方面的东西：1、数值。2、比率。3、图形。它还会有很多种，但是我们经常接触到的东西比较多的会是这三种类型。

1、数值

大家平时接触得非常多，算术平均数、众数、中位数，平均数大家知道了，众数就是一个数组里出现得最多次数的那个数，中位数就是它的位置处于那一组数据的中间位置的数字。这三个数里面，只有众数是真数，它是不会改变数本身的任何特性的。中位数是半假数，因为当数组出现偶数的时候，它是需要计算的。只要是你需要第二次计算的，就会出现人为操作上的或者是任何形式上的失误，所以中位数叫半假数。而算术平均数实际上就是一个假数，因为它需要你进行二次计算，而且在计算的过程中会经常出现不可意料的坑。

看图三，三月份投资人数10个，投资总金额1万，平均客单价1000。到了四月份，投资人数涨了，投资金额翻一番，平均客单价是10倍。如果你是做数据分析的，一看到这个数第一时间估计就兴奋得崩溃了，真的要这样往上报吗？

（图三）

它上面写的是平均客单价，当提到“平均”这两个字的时候，需要去看一下数本身的情况，也就是说里面有没有异常值。如果说你追回去，最后发现四月份虽然来了20个投资人，投资金额这么大，结果其中一个投资人自己就投了15万。你再一算，平均客单才2500。结果你把这个报上去，老板跟你说“10倍的增长不错，下个月做平均客单12000吧”，你就把自己坑上了，结果实际才2500，也许整个部门都被你坑上了。

如果真的出现了这样的数要往回追溯，我们说有坑就要埋，怎么样来埋这个坑？首先你要看整个数组里有没有异常值，有异常值是不能用平均值的，必须把异常值剔除掉再来看。

其次，按道理来说数组里应该是看方差，但是实际工作中我不建议引入更多的数据概念。因为能够得出结论并不是说你用的工具越复杂、越高端越好，而是越能快速�...

一夜之间，几乎所有的企业都开始拼命的抢着不同领域的数据人才：市场分析师、咨询分析师、金融分析师、商品分析员、精算师、数据挖掘分析师等等。

在线社交媒体，希望通过数据时刻洞察用户喜欢什么，提供相应内容和广告；金融巨鳄，希望每天能够从大量的数据中获得深层信息，时刻预测行业走势；电商BAT等数据平台，纷纷开始生产大数据产品，为其他行业提供以数据为基础的服务。数据分析师的薪水也水涨船高，成为目前最有潜力的职业选择之一。

第一步：Excel学习掌握

了解单元格格式，后期的数据类型包括各类timestamp，date，string，int，bigint，char，factor，float等。了解数组，以及怎么用（excel的数组挺难用），Python和R也会涉及到 list。了解函数和参数，当进阶为编程型的数据分析师时，会让你更快的掌握。了解中文编码，UTF8和ASCII，包括CSV的delimiter等，以后你会回来感谢我的。

第二步：数据可视化

数据分析的最终都是要兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看。如果没人认同分析结果，那么分析也不会被改进和优化，不落地的数据分析价值又在哪里？

首先要了解常用的图表：

了解图表后，还应该学会报表制作

如果还不过瘾，我们要掌握信息图和BI，下图就是微软的Power BI：BI（商业智能）和图表的区别在于BI擅长交互和报表，更擅长解释已经发生和正在发生的数据。将要发生的数据是数据挖掘的方向。BI的好处在于很大程度解放数据分析师的工作，推动全部门的数据意识，另外降低其他部门的数据需求

第三步：分析思维的训练

分析思维首推大名鼎鼎的金字塔原理，帮助数据分析师结构化思维。如果金字塔原理让你醍醐灌顶，那么就可以学思维导图，下载一个XMind中文网站，或者在线用百度脑图。再了解SMART、5W2H、SWOT、4P理论、六顶思考帽等框架。这些框架都是大巧不工的经典。你要快速成为数据分析师，思考方式也得跟着改变。网上搜咨询公司的面试题，搜Case Book。题目用新学的思维导图做，先套那些经典框架，做一遍，然后去看答案对比。

第四步：数据库学习

Excel对十万条以内的数据处理起来没有问题，但是互联网行业就是不缺数据。但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。

学习围绕Select展开。增删改、约束、索引、数据库范式均可以跳过。SQL学习不需要买书，W3C学习就行了，SQL 教程。大多数互联网公司都是MySQL，我也建议学，性价比最高。

如果想要跟进一步，可以学习row_number，substr，convert，contact等。另外不同数据平台的函数会有差异，例如Presto和phpMyAdmin。

第五步：统计知识学习

统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。这一周努力掌握描述性统计，包括均值、中位数、标准差、方差、概率、假设检验、显著性、总体和抽样等概念。详细的数学推导不用细看，谁让我们是速成呢，只要看到数据，知道不能怎么样，而是应该这样分析即可。

第六步：业务学习（用户行为、产品、运营）

需要了解业务。对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。

除了业务知识，业务层面沟通也需要掌握。另外建议在面试前几天收集该行业的业务强化一下。

第七步：Python/R 学习

是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘，爬虫，可视化报表都需要用到编程能力。掌握一门优秀的编程语言，可以让数据分析师事半功倍，升职加薪，迎娶白富美。

成为数据分析师后，坑才刚刚开始，努力吧。

概述

描述样本值的离散程度，最常用的指标是方差和标准差，它们与前面所说的全距（极差）只使用了两个极值情况不同，它们利用了样本的全部信息去描述数据取值的分散性。

计算方差的公式

方差是各样本相对均值的偏差平方和的平均。使用s2来表示，其公式如下：

当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

计算标准差的公式

样本方差的开方称为样本标准差，记为s，其计算公式如下：

标准差越大，数据的离散程度越大，反之越小。但标准差与方差不同的地方是，标准差是有量纲的，它与变量值的计量单位相同，因此具有较强的实际意义，在实际应用较广泛。

R中计算方差与标准差

在R中使用var函数和sd函数分别计算方差和标准差。

var函数的语法形式如下：

var(x, y = NULL, na.rm = FALSE, use)

参数x是一个数值型向量，矩阵或数据框；

参数y是与x维度相容的一个向量、矩阵或数据框，默认为NULL值；

na.rm为逻辑值，指示是否移除缺失值，默认为FALSE；

use是一个可选参数，是一个字符型字符串。用于指明在有缺失值时计算协方差的方法。只能是 "everything", "all.obs", "complete.obs", "na.orplete", or "pairwiseplete.obs"中值之一。

sd函数的语法形式如下：

sd(x, na.rm = FALSE)

各参数的含义与var函数对应的参数相同，但是x是一个数值型向量。

下面使用一个例子来说明具体使用方法。

设从某班某门课程中随机抽取了20个学生的成绩，具体如下：

51,99,65,100,68,84,72,85,78,64,69,95,90,75,66,50,63,55,64,70.

计算其方差和标准差。

编写R程序如下：

grade<- c(51,99,65,100,68,84,72,85,78,64,69,95,90,75,66,50,63,55,64,70)ss <- var(grade)s <- sd(grade)print(ss)print(s)

计算结果如下图所示：

即方差为：222.87，标准差为：14.93

如果你喜欢这篇文章，请关注我。我会定期更新有关R语言、Python、SPSS、Excel等数据分析方面的文章。让我们共同学习和进步。

调用函数

STDEV

估算样本的标准偏差。标准偏差反映相对于平均值(mean)的离散程度。

语法

STDEV(number1,number2,...)

Number1,number2,...为对应于总体样本的1到30个参数。也可以不使用这种用逗号分隔参数的形式，而用单个数组或对数组的引用。

说明

函数STDEV假设其参数是总体中的样本。如果数据代表全部样本总体，则应该使用函数STDEVP来计算标准偏差。

此处标准偏差的计算使用“无偏差”或“n-1”方法。

函数STDEV的计算公式如下：

其中x为样本平均值AVERAGE(number1,number2,…)，n为样本大小。

忽略逻辑值（TRUE或FALSE）和文本。如果不能忽略逻辑值和文本，请使用STDEVA工作表函数。

示例

假设有10件工具在制造过程中是由同一台机器制造出来的，并取样为随机样本进行抗断强度检验。

如果您将示例复制到空白工作表中，可能会更易于理解该示例。

操作方法

创建空白工作簿或工作表。

请在“帮助”主题中选取示例。不要选取行或列标题。

从帮助中选取示例。

按Ctrl+C。

在工作表中，选中单元格A1，再按Ctrl+V。

若要在查看结果和查看返回结果的公式之间切换，请按Ctrl+`（重音符），或在“工具”菜单上，指向“公式审核”，再单击“公式审核模式”。

A

1强度

21345

31301

41368

51322

61310

71370

81318

91350

101303

111299

公式说明（结果）

=STDEV(A2:A11)假定仅生产了10件工具，其抗断强度的标准偏差(27.46391572)

方差分析

EXCEL的数据处理除了提供了很多的函数外，但这个工具必须加载相应的宏后才能使用，操作步骤为：点击菜单“工具-加载宏”，会出现一个对话框，从中选择“分析工具库”，点击确定后，在工具菜单栏内出现了这个分析工具。

如果你的电脑中没有出现分析工具库，则需要使用OFFICE的安装光盘，运行安装程序。在自定义中点开EXCEL，找到分析工具库，选择“在本机运行”，安装添加即可。

在数据分析工具库中提供了3种基本类型的方差分析：单因素方差分析、双因素无重复试验和可重复试验的方差分析，本节将分别介绍这三种方差分析的应用：

单因素方差分析

在进行单因素方差分析之前，须先将试验所得的数据按一定的格式输入到工作表中，其中每种水平的试验数据可以放在一行或一列内，具体的格式如表，表中每个水平的试验数据结果放在同一行内。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具对话框内的“单因素方差分析”，出现一个对话框，对话框的内容如下：

1．输入区域：选择分析数据所在区域，可以选择水平标志，针对表中数据进行分析时选取（绿色）和***区域。

2．分组方式：提供列与行的选择，当同一水平的数据位于同一行时选择行，位于同一列时选择列，本例选择行。

3．如果在选取数据时包含了水平标志，则选择标志位于第一行，本例选取。

4．α：显著性水平，一般输入0.05，即95%的置信度。

5．输出选项：按需求选择适当的分析结果存储位置。

双因素无重复试验方差分析

与单因素方差分析类似，在分析前需将试验数据按一定的格式输入工作表中。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素无重复方差分析”，出现一个对话框，对话框的内容如下：

1．输入区域：选择数据所在区域，可以包含因素水平标志。

2．如果数据输入时选择了因素水平标志，请选择标志按钮。

3．显著性水平α：根据实际情况输入，一般选择0.05。

4．输出选项：按需要选择分析结果存储的位置。

双因素可重复方差分析

双因素可重复方差分析与双因素无重复方差分析数据输入的区别在于对重复试验数据的处理，就是将重复试验的数据叠加起来。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素可重复方差分析”，出现一个对话框，对话框的内容基本与双因素无重复方差分析相同，区别在于每一样本的行数选项，在此输入重复试验的次数即可。

若须对数据进行方差分析时，在输入区域选择数据所在区域及因素水平标志，在每一样本的行数处输入3，即每种组合重复3次试验，显著性水平选择0.05。在输出选项中可以按照需求选择分析结果储存的位置。选择确定以后分析结果。

（本文内容由百度知道网友hvc258贡献）

大家好，我是零一。今天接着第一篇的内容，我们继续利用excel2010来做数据分析。

这系列文章，是从0开始的，可能读者的基础并不是太好，我是这么安排的，先学会基本的操作，会操作了后，再回过来学一些分析思路和方法。自己做过之后，再学心法，可能会有更大的收获。

说回主题，上一篇中，我们看出了走势图，也看到了占比图。这两个必须同时看，才能清楚的，因为你单看走势图，是看不出占比的。单看占比图也会看不粗走势。因此，这两个图，是结合一起，才能读出相对完整的信息。

根据我们的目的，了解淘宝美容护肤行业的市场情况

我们已经拿到了走势和占比两个信息，那么接着还能了解些什么呢？

可能每个人的问题都不一样，我引出一个问题，每个子行业的竞争程度怎么样呢？

那么，我们就要思考，这个问题要转化成什么维度呢？我们手里的数据能否来回答这个问题呢？

我们先观察看一下源数据（源数据下载地址在01篇的底部）

成交量，统计的是成交的件数。

销售额，统计的是成交的件数+一口价，这里误差太大，不分析这个数据。

高质宝贝数，统计的是有一定销量的宝贝数。

其他维度，跟我们的问题关系不大，这里排除了销售额，那么，就剩下成交量和高质宝贝数。

成交量/高质宝贝数

就会得到平均一个高质宝贝数分配到的成交量。这个指标，有人称之为分配量，有人称之为平均占有率，也有人称之为均量。那么，我下面将这个指标命名为均量。

第一步，插入数据透视表

第二步，设置字段

然后，增加一个计算字段，在数据透视表工具——选项——域丶项目和集——计算字段

公式如下图所示

确定后，会自动添加，大家可以核对一下字段设置

然后，我们看到数据透视表，但是面对这个表格，零一点情绪都木有。

看到表格，而且密密麻麻的这种，脑袋就要开始想【数据展现】。用什么方式来展现这些数据？

这里解释一下，【时间序列】简单理解就是以时间为展现维度的数据，那么这里刚好就是以时间作为维度。那么，我们看到是垂直柱和线图。那就用这两种结合，来做展现。

结果如下，天哪！巨坑！这，，，这要比表格还要难看。

这里一团糟，是因为维度太多了，维度太多了，就要思考【降维】，减少这个图表里面的维度即可。

下面仔细看，有个倒三角。

点下倒三角，跟我下图一样，筛选一下即可。

结果如下。认真看，想想为什么最底下有条水平线？

最底下那条就是均量了。因为数值太小，所以，好端端的一条曲线就变成了水平线。鼠标点一下。

最下面的直线就会被选中，右击一下，在弹出来的菜单选择，设置数据系列格式。

然后，选择次坐标轴，点右下角的关闭

这就看得清楚了，蓝色是成交量，对应左边的纵坐标轴。红色的是均量，对应的是右边的纵坐标轴。

发现9月到年前是行业旺季哦！今年的均量在飙升的感觉。均量越高，代表每个宝贝分配到的成交量就越多。

那么，问题来了，均量高是好事情吗？

答案是未必，首先要去淘宝搜索判断，目测销量第一页的分布情况，就可以知道。如果要用指标，可以用【极差】来判断。这里其实目测就好了。如果销量都在两三个宝贝，那么，这个事儿对于你来讲就不好了。

再接着，如果发现分布相对均匀，那么是好事吗？

还是未必，答案完全看你自己了，如果是小卖家，那是好事儿啊，竞争不会太大，大家都有机会得到成交的机会。

但是，如果你是有实力的卖家，这就不是件好事儿，蛋糕要大家分呀！这可是蛋疼的事儿。

好了，解释就到这里。我们继续。开始说了要用两种图来展现。现在只完成了第一步。接着，我们在这个表里面加入柱形。

点一下红色线性，右击，在菜单中选择更改系列图表类型

按确定自己看结果吧

这里又出现个问题了。这里只能看一个行业啊！能不能看所有的行业，或者每个行业都单独看一下？

答案，是都可以！我们先实现变着行业来看。

插入切片器，如果找不到地方的，版本不同，自己找。或者就是图表没有在活动状态。

选好后，按确定，就可以看到切片器，自己点点看看吧。。

那么，接着，将均量全部拿出来看趋势。重新插入个数据透视表。过程自己思考。不演示了。相信消化了第一篇的童鞋都能自己做的了。

好，到这里来，基本看得差不多了。但是还有，我还没有说完哦。

因为考虑到进程问题，这一篇内容要稍微多一些。

上面均量的走势，我们看得出来，胸部护理的均值最高，但是越下面的各个子行业错综复杂，我们怎么客观地来判断呢？

这里教大家两个指标【波动系数】和【极差】，这个后面的文章可能要用到，以后讲到，就不解释了！对他们的数学/统计意义感兴趣的童鞋自己百度吧，波动系数，统计学里面叫变异系数。

统计学意义我就不说了，我先介绍一下，这两个指标，不是什么时候都要用，就是用肉眼，看不出来，拿不准的时候，希望更加科学地来判断，就需要动用他们了。

【波动系数】=【标准差】/【平均值】

【极差】=【最大值】-【最小值】

我从数据透视表复制出部分数据，如下。相信消化了第一篇的童鞋都能自己做的了。

先算下【标准差】excel里面函数是：STDEV.S

【极差】公式

【均值】大家都知道的，但是还是贴出来吧。

最后，自己算下波动系数哦！

那么，我算出来T区护理的波动系数是0.43，唇部护理是0.39。极差在上面看得到。这个怎么应用呢？

要记住这个应用的前提，肉眼看不出来，不明显，错综复杂的走势。那么，就用他了，如果摆在你面前的能用肉眼一眼看穿的，请绕道。

如果是小卖家，选择波动系数越大的，可能就越好。因为市场波动大，机会就大，前提一样要先验证一下是否是个别商家人为操作起来的市场。

如果是中级卖家，具体也要看，如果资源好，建议选择波动系数小的，因为这个市场做起来后，就相对稳定，平时不用太操心呗，控制好供应链，其他就没什么大事儿了。

【极差】作为辅助的维度，不一定要，但是他跟【波动系数】一起看得更全面。

【波动系数】有个优点也是缺点跟数据本身的大小没关系的。百万级别的源数据跟百位级的源数据，算出来的波动系数可能是一样的，从优点来讲，他可以跨维度，跨数据级对比。从缺点来讲，就是看不全，就可能出现不同级别的数据之间，他们的波动系数相等。

以方差分析：无重复双因素分析为例，操作方式如下

1、选择需要进行方差分析的数据区域，然后单击数据选项卡

2、在分析功能组中单击数据分析按钮，弹出数据分析对话框

3、在分析工具列表框中选择方差分析：无重复双因素分析，单击确定,弹出方差分析：无重复双因素分析对话框

4、单击输入区域后的文本框，在表格中选择区域：$A$2:$B$20，单击输出选项，再单击后面的文本框，在表格中选择单元格：$E$1，再单击确定即可。

（本文内容由百度知道网友cctv1102贡献）

今天科多大数据小课堂来教大家用Excel怎么做数据分析。

现如今，各行各业的求职都需要简历包装。尤其是文职类简历，想要赢得offer，你不得在精通Excel等办公软件上下点功夫么？那么，你真的了解Excel嘛？或者，你知道用它怎么做数据分析嘛？

所谓数据分析在手，走遍天下都不怕。而 Excel 作为最简单的办公软件，功能却不容小觑，同样可以实现分类、聚类、关联和预测来进行数据分析。这些概念听起来比较抽象，其实一点都不难，今日文章直接来一波干货，从具体操作开始讲起。

01 掌握基本 Excel 快捷键

工欲善其事，必先利其器，自从笔者发现了excel快捷键，就打开了新世界的大门。 虽然都是很基础的操作，一旦运用熟练将会大幅提升效率。

最好用的复制命令： Ctrl + R 向右复制 Ctrl + D 向下复制

选择格式粘贴：Ctrl + Alt + V

求和功能：Alt + = 然后按回车键

格式调整：Ctrl + Shift + 7 加上外边框 Ctrl + Shift + - 去掉边框 Ctrl + Shift + 5 改成%数值格式

视图调整及编辑： Ctrl + Shift + = 插入行 Ctrl + - 删除

终极：开始工具栏所有的命令都可以通过 Alt - H - 调用

Alt： 激活选项，配合选项英文字母使用

Shift：连续选择，配合方向键，翻页键等使用； 上位键

Ctrl：配合其他键可以执行一项命令 如Ctrl + C 复制；快速移动光标，配合方向键使用，如向右快速移动光标 （Ctrl + →）

02 数据收集

在数据分析之前，首先需要找到可靠的数据源。国内的公司数据可以在 wind 上下载，宏观数据可以在国家统计局上找到，而国外比较常用的网站有 SEC，WRDS （Wharton Research Data Services）。

需要注意的是，原始数据一般保留不做处理，通过 Excel 或其他编程软件做后续处理。

03 数据清洗与筛选等基础操作

杂乱无章的原始数据是难以分辨的，因此需要对海量数据进行清洗和筛选才能找出其中的规律。

常见的方法有如下几种：

运用描述性统计命令观察数据的离散程度等基本情况：通过添加“分析工具库”加载项找到数据-数据分析-描述统计，可以得到这组数据的中位数、众数、峰度、偏度等基本指标，观察这组数据的特征。此外，数据分析中还有方差分析等其他命令。

运用 VLOOKUP 将数据合理分组，收放自如：VLOOKUP 函数是 Excel 中的一个纵向查找函数，可以用来核对数据，多个表格之间快速导入数据等函数功能。功能是按列查找，最终返回该列所需查询列序所对应的值。比如，我们导出公司的原始报表后，可以通过 VLOOKUP 函数将报表中的数字一一导入到新的管理用的财务报表，这样既不会破坏原始数据，又可以建立良好的模板，方便后续使用。VLOOKUP 的四个参数用通俗的话来说，就是（要找谁，要在哪里找，要找哪一列内容，是精确的还是模糊的）

运用数据透视表分组求平均数、标准差、计数等多个指标：数据透视表是一个非常容易上手的分组工具，对于简单的数据处理甚至在便捷程度上打败了很多编程工具呢。比如要对每个省份的所有专业分数线求一个平均数，将年份和省份轻松地拖动到对应的列和行，就可以得到结果啦。试想，如果在原始表格中手动一个一个求平均数该有多麻烦。

运用条件函数计算融资缺口，检查配平：比如在预测财务报表时，我们常常要判断资产是否等于负债+所有者权益。此时可以用 IF 函数 （资产=负债+所有者权益，TRUE，FALSE）如果是配平的，直接返回 TRUE。此外，还有一些函数如 IRR 可以计算项目的投资回报率。

04 挖掘数据背后的规律

在完成了数据清洗和筛选之后，我们还是要落实到数据分析的重点，也就是数据背后的逻辑。

首先我们可以采用画图的方式。画图可以非常直观地佐证结论，不同情况下要用不同类型的图，比如饼图显示比重，折线图发现趋势，还可以采用叠加多种形式的图。

下面这张图就是一个数据分析应用的经典例子，显示的是一个教育公司在扩张过程中，学习中心同比增速与营业毛利率的关系。试想，如果只是一堆数据放在你的面前，可能根本无法发现其中的规律，但是通过下图，我们可以发现，学习中心的同比增速一般与营业毛利率呈反向关系，这也就意味着，扩张的过程必然要伴随利润下降的阵痛，这样的数据分析就是有效的，可以为公司的扩张战略提供参考依据。

另一种比较常见的数据分析应用就是从历史预测未来。比如如果公司过去几年的存货周转率都比较稳定，可以以此来预测未来几年的存货周转率。又或者通过线性回归发现某两个指标之间过去的线性关系，并以此来预测未来走势，这个操作方法可以用散点图——添加趋势线——选择回归类型（线性）来得出简单的结论。

说了这么多，列举 Excel 数据分析的一个常见运用。

大家知道，金融领域的工作往往要考察搭建财务模型的技巧，而这个模型就是完完全全从 0 开始通过 Excel 制作的。

1. 计算各项指标了解公司的历史经营状态。这一步不仅可以看出公司在盈利能力、成长性、营运能力等多个维度的历史发展状况，还可以与同行业的可比公司进行比较，看出这个公司所处的地位（比如公司的应收账款周转率可以直观看出公司是强势地位还是弱势地位，应收账款周转率如果显著低于同业，那就说明应收账款很容易收到，议价能力强）。

2. 预测公司未来的盈利状况，并通过财务报表的勾稽关系完善财务模型。这一步一定要打开 Excel 的自动迭代功能（选项——公式——启用迭代计算），具体的财务方面知识在此就不再详述。

3. 现金流 DCF 模型及敏感性分析。以之前制作的财务报表为基础，就可以测算出公司未来的自由现金流，在计算出公司资本成本的前提下对现金流进行贴现得到公司绝对估值。其中，基于不同的资本成本和公司永续增长率还可以做成敏感性分析的表格，得出在不同情形下公司的估值。这就需要使用Excel的数据——模拟运算——模拟运算表功能了。如下图所示，将输入引用行的单元格和引用列的单元格分别设为 Equity Valuation 中的永续增长率和Wacc对应的数值，就可以实现啦。

以上这些介绍都只是冰山一角，Excel的功能博大精深，加上VBA等高端操作将会释放更大的威力。配合现当代大数据盛行时期。想要深入，就还得不断学习！

一、描述统计

在数据分析的时候，一般首先要对数据进行描述性统计分析（Descriptive Analysis），以发现其内在的规律，再选择进一步分析的方法。描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形，常用的指标有均值、中位数、众数、方差、标准差等等。

数据的集中趋势一般采用平均值、中位数表示。数据的离散程度一般采用方差、标准差表示。数据的分布情况一般采用直方图表示。

案例：北京房屋价格（数据文件：house_price.xlsx）

分析问题:

1)北京市政府为调控房地产价格，希望知道北京各小区房屋价格的分布，请分析房地产价格的集中趋势，并选择合适的图形呈现。

2)房地产商想知道北京各个环线房屋装修状况的对比情况，以便进行产品设计和市场拓展，计算指标并设计合适的图形呈现结果，最后给房地产商一些建议。

3)选择合适的图形反映北京各个区住宅区房屋分布情况

操作步骤：

1)基本描述统计

打开excel数据文件house_price.xlsx

选择描述统计，单击“确定”按钮。

2)直方图

根据描述统计的结果，在空白列构造间隔为0.5的等差数列作为接收区域D1:D19，最大值为9,最小值为0。

选择数据，单击“数据”选项卡，选择“数据分析”选项框中的“直方图”选项

输入区域选择房屋价格avgprice列$B$2:$B$186，接收区域选择第一步构造的接收数据，即D1:D19数据。

输出区域选择G3，勾选图表输出，然后单击“确定”按钮。

选中整个直方图，右键单击选择“设置数据系列格式”，单击“系列选项”，分类间距设为0。

备注：

基本概念：数据的集中趋势 离散程度 数据分布情况 透视表 直方图 柱形图 饼形图 堆积柱形图

二、排位与百分比排位

“排位与百分比排位”分析工具可以产生一个数据表，在其中包含数据集中各个数值的顺序排位和百分比排位。该工具用来分析数据集中各数值间的相对位置关系。该工具使用工作表函数 RANK 和 PERCENTRANK。

例：10名同学统计学考试成绩如下：

试进行排位和百分比排位。

（1）在EXCEL数据分析工具库中选择“排位与百分比排位”，弹出对话框如下：

排位与百分比排位对话框设置

（2）单击“确定”生成排位结果如图。

排位与百分比排位结果

（3）其中的百分比排位为：小于该值的个数/（小于该值的个数+大于该值的个数）

如88，小于该值的有7个，大于该值的有2个，百分比排位为7/9＝77.78%，该工具截去了十分位数。