虽然现在数据分析的工具越来越多了，但是只有Excel、SAS、R、SPSS、Python这 5 大软件比较常用。而Excel对于很多数据分析人员来说，是最初级也是最主要的分析工具，它可以进行各种数据的处理、统计分析和辅助决策操作，如果不考虑性能和数据量，它可以处理绝大部分的分析工作。那么，如何利用Excel进行数据分析呢？
以结果导向的方式去思考，你究竟要解决什么问题。并且规定具体指标、时间跨度、数量单位、呈现方式等。分析并没有那么简单，需要先想明白分析的目的，才能决定用什么样的数据去支撑你的分析。这虽然与Excel无关，却是进行数据分析的逻辑起点。
将多项数据导入同一个Excel表格中。
1、注意事项
● 数据表为原始数据表
● 数据表第一行为数据字段名称，数据字段名称不可重复
● 数据表中每一行代表一个数据记录
● 数据表尽量不要出现无意义的空行空列
● 原始数据表不能有合并单元格
● 数据表每列有且只有一种数据类型
2、查看表中有哪些数据类型？
3、基本操作
● 给每一个sheet页命名，方便寻找
● 给每一个工作表加一列行号，方便后面改为原顺序
● 删除不必要的空行、空列
● 检查一下是否有外部链接与公式。按住“Ctrl”+“~”键，可查看单元格的隐藏信息。
原始数据往往杂乱无章，因此需要对数据进行清洗和筛选才能找出其中的规律。
1、去重
步骤：“数据”-“删除重复项”-选择重复列（单选一列表示此列数据重复即删除，多选表示多个字段都重复才删除。）
2、运用描述性统计命令观察数据的基本情况
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。
3、是否有「=0」或者空白的数据
选中整张表格数据，在菜单栏上选择“数据”-“筛选”，然后可用每栏的筛选下拉菜单，看看这栏包含哪些数值。
需要特别注意「0」或者「空白」的数据。它有可能是正常的，例如某天真是没有人登录或者注册（服务器宕机），也可能数据发生缺失错漏。
如果有大量的「0」或者「空白」，需要思考对我们分析的影响。例如你想统计男生、女生各自的行为，假设1,000个样本点里，有800个没有识别男女，那么这个结果还有代表性吗？
另外，Excel软件对「0」与「空白」的处理不同。例如，有10个数值，2个=0，2个缺失，6个=8。让Excel数一数该列有几个值，会返回「8个」。0值计入，缺失项不计入。
若计算这一列的平均值，Excel会算成，（2*0+6*8）/（2+6），返回6，因为求8个数的平均值。既不是全部10个，也不是非零的那6个。
因此，当我们见到「0」或者「空白」时，需要特别注意。系统导出数据时，很可能把未曾统计标识为零，或者反之。App当日登录人数未曾统计，或者确实无人登录，意义当然不同。
4、统一数值口径。
这是个无聊而必要的步骤。
例如我们统计销售任务指标，有时用合同金额有时用回款金额，口径经常不统一。统计起来就很麻烦。
5、运用 VLOOKUP 将数据合理分组
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）
6、用"条件格式"看数据波动，发现异常。
Excel的"条件格式"功能，可以根据数值大小，给单元格画上彩色柱状图。
步骤1：点击“插入”-“数据透视表”-选择分析区域-“确定”
步骤2：添加要分析的维度和度量
步骤3：度量值的选择：求和、计数、平均值、最大值、最小值……
步骤4：通过布局设计最终的结果
注意事项：
● 以第一行为字段名称
● 字段名称不可重复
● 避免存在空行或者空列
● 每列数据类型保持一致
● 不要出现合并单元格
● 避免单元格中有空格存在
● 一个工作表页面最好只有一个数据表
● 若有除数据表外的数据，最好与数据表留出空行或空列
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。
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。
以上只是Excel数据分析的一小部分，还有更多强大的功能等你来探索！
