展开全部

主编推荐语

全面讲解Excel数据分析思路、方法及实战案例,提高数据分析能力。

内容简介

本书主要讲解使用Excel进行数据分析的思路、方法,并通过大量案例呈现,以帮助读者系统地建立数据分析思维,快速地提高数据分析能力。 书中分别介绍了数据分析的目的与常见误区;数据分析的过程与元素;数据采集与规范化、数据分析常用函数、数据可视化与图表变形技术、9种常用数据分析方法与实战案例,以及利用工具进行高级技术分析等内容。另外,通过商务、财务、HR、生产、质量管理、经营管理等6个领域的实战案例,介绍了常用的数据分析方法,还讲解了构建数据模型与可视化报告、用控件定制分析模型以及Power BI的使用方法,以及数据分析报告的撰写要点。 本书内容全面,系统性强,贴近一线实战,案例真实,非常适合各类有数据分析学习需求的职场人士阅读。

目录

  • 版权信息
  • 版 权
  • 内 容 提 要
  • 前 言
  • 序章 写在前面的话
  • 数据分析方法的架构
  • 本书内容亮点
  • 能满足读者的需求
  • 本书适合人群
  • 鸣谢
  • 结语
  • 第1章 数据分析的核心目的与常见误区
  • 1.1 数据分析的三大核心目的
  • 1.1.1 发现问题
  • 【案例1—— 超标开支都到哪里去了】
  • 【案例2—— 哪些产品是改善的重点】
  • 1.1.2 预测未来
  • 【案例3—— 明年的销售情况如何预测】
  • 【案例4—— 哪个价格更合适】
  • 1.1.3 优化决策
  • 【案例5—— 哪个价位适合建立库存】
  • 【案例6—— 哪个候选人更适合】
  • 1.2 数据分析的四大误区
  • 1.2.1 什么都要分析——贪多
  • 【案例7—— 面面俱到的分析结果,一定招人喜欢吗】
  • 1.2.2 用几个数据想分析出“一朵花”—— 做梦
  • 【案例8—— 想用3个月数据预测下半年的销售情况】
  • 1.2.3 数据量大不知道该分析啥——抓瞎
  • 【案例9—— 一句话的任务】
  • 1.2.4 不会可视化数据——晕菜
  • 【案例10——怎样发现哪些产品是明星产品】
  • 【案例11—— 哪些价格是不合理的】
  • 1.2.5 机智地回答领导的“灵魂三问”
  • 第2章 数据分析流程与分析元素
  • 2.1 数据分析流程的五大步骤
  • 2.1.1 分析设计:先思考,再动手
  • 2.1.2 数据采集:尽量确保原始数据的规范性
  • 2.1.3 数据整理:规范化数据并消除错误
  • 2.1.4 数据分析:4个小步骤
  • 2.1.5 数据报告:围绕说服力进行撰写
  • 2.2 “一句话的任务”案例
  • 【案例1—— 一句话的任务】
  • 2.3 分析的5个元素:量、价、额、差、率及其组合
  • 2.3.1 一分钟了解五大元素
  • 2.3.2 单元素分析
  • 【案例2——产品1~8月销售量分析】
  • 【案例3——农产品全年销售额分析】
  • 【案例4—— 进口农产品增长率分析】
  • 2.3.3 双元素分析
  • 【案例5—— 对产品销量进行量量分析】
  • 【案例6——网店对当周销量进行量价分析】
  • 【案例7—— 机械厂对产品进行量率分析】
  • 2.3.4 三元素分析
  • 【案例8—— 某公司为考查销售目标完成度进行量量率分析】
  • 2.3.5 五大元素与其他元素的组合分析
  • 2.3.6 确定分析维度的3种原则
  • 第3章 数据采集:快速获取有价值的数据
  • 3.1 数据采集必须考虑的三者关系
  • 3.1.1 诉求者:着重沟通
  • 【案例1——沟通不畅导致数据分析返工】
  • 3.1.2 分析者:专注分析
  • 3.1.3 采集者:满足需求
  • 【案例2—— 我给你一个模板,简单明确效率高】
  • 3.2 数据的3个主要来源
  • 3.3 数据采集方面的案例
  • 【案例3——多部门数据采集与合并】
  • 第4章 数据规范化处理方法与技巧
  • 4.1 详解数据规范化处理的目的
  • 4.2 快速审核数据必会的4种方法
  • 4.2.1 筛:通过数据筛选,发现数据问题
  • 【案例1—— 筛选出不正常的类别】
  • 4.2.2 查:通过索引、查找、定位,发现数据问题
  • 【案例2—— 用VLOOKUP函数查出异常品号】
  • 【案例3——用定位(Ctrl+G)查出异常价格】
  • 4.2.3 排:通过对数据进行排序,判断数据是否存在异常
  • 【案例4——通过排序检查产品的重量是否存在问题】
  • 4.2.4 验:对数据进行比对或验证,找出数据的异常
  • 【案例5—— 体重数据录入错误,数值结果出现异常】
  • 【案例6——用COUNTIF函数发现重复的数据】
  • 4.3 数据规范化处理6字秘诀
  • 4.3.1 6字秘诀的特点详解
  • 4.3.2 快速记住6字秘诀:右手联想法
  • 4.3.3 删:删除问题数据
  • 【案例7—— 筛选出问题数据后将其删除】
  • 【案例8—— 找出重复数据后将其删除】
  • 4.3.4 补:补全不完善、缺失的数据
  • 【案例9—— 补上漏掉的打卡数据】
  • 4.3.5 替:对不规范、不统一的数据进行合理替换
  • 【案例10——用Ctrl+H高效替换相同的数据】
  • 【案例11—— 批处理替换无效数据为保底奖励】
  • 【案例12—— 批处理运算高效调整大量数值】
  • 【案例13—— 用REPLACE函数智能替换数据】
  • 4.3.6 转:转换数据格式,让数据标准化
  • 【案例14—— 为数据设置统一的格式】
  • 4.3.7 拆:拆分数据,剥离出有用的部分
  • 【案例15—— 拆分宽度固定的数据】
  • 【案例16—— 拆分分隔符号固定的数据】
  • 【案例17—— 通过合并操作消除数据隐患】
  • 4.3.8 分:将数据分类,让分析更加方便
  • 【案例18—— 利用IF函数为数据分类】
  • 4.4 人员信息数据综合处理的案例
  • 【案例19—— 处理表格中数据不准确、不标准、缺失等问题】
  • 第5章 数据分析必备函数使用和数据透视技术
  • 5.1 必备的数据分类函数
  • 5.1.1 IF函数的经典用法
  • 1.单条件判断分类
  • 2.IF+AND多条件判断分类
  • 3.IF+OR多条件判断分类
  • 4.IF+IF多条件判断分类
  • 5.IF+IF+AND多条件判断分类
  • 6.IF+OR+AND多条件判断分类
  • 5.1.2 IFERROR函数的经典用法
  • 5.1.3 ISNA函数的经典用法
  • 5.2 必备的求和与计数函数
  • 5.2.1 SUMIF函数单条件求和的经典用法
  • 1.常规的单条件求和
  • 2.含空白数据的单条件求和
  • 3.以指定单元格为条件来求和
  • 4.对含错误值的数据求和
  • 5.SUM+SUMIF组合求和
  • 6.SUMIF错列求和
  • 5.2.2 COUNTIF函数单条件计数的经典用法
  • 1.常规的单条件计数
  • 2.含空白数据的单条件计数
  • 3.以指定单元格为条件来计数
  • 4.对含错误值的数据计数
  • 5.SUM+COUNTIF组合计数
  • 5.2.3 SUMIFS函数多条件求和的经典用法
  • 1.常规的多条件求和
  • 2.对带日期的数据多条件求和
  • 3.对含错误值的数据多条件求和
  • 5.2.4 COUNTIFS函数多条件计数的经典用法
  • 1.常规的多条件计数
  • 2.对带日期的数据多条件计数
  • 3.对含错误值的数据多条件计数
  • 5.3 必备的查找与定位函数
  • 5.3.1 VLOOKUP函数的经典用法
  • 1.基本查找
  • 2.模糊查找
  • 3.区间查找
  • 4.区间查找2
  • 5.IFERROR+VLOOKUP组合指定出错信息
  • 6.反向查找
  • 7.多条件查找
  • 5.3.2 HLOOKUP函数的基本用法
  • 5.3.3 INDEX函数的基本用法
  • 5.3.4 MATCH函数的基本用法
  • 5.3.5 OFFSET函数的基本用法
  • 5.4 必备的数据透视表与切片器用法
  • 5.4.1 创建数据透视表
  • 5.4.2 利用透视表做数据分析
  • 1.用透视表分析占比
  • 2.用透视表分析环比
  • 5.4.3 利用切片器制作分析模型
  • 5.4.4 利用切片器制作可视化分析模型
  • 第6章 专业数据可视化与图表变形技术
  • 6.1 数据可视化的五大尴尬事
  • 6.2 图表变形实例讲解
  • 6.2.1 一张图让你看懂图表元素
  • 6.2.2 数据间的关系:相关性和相对性
  • 1.相关性案例
  • 2.相对性案例
  • 6.2.3 柱形图及其变形:对比数据分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 6.2.4 二维柱形图及其变形:对比数据分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 6.2.5 堆积柱形图及其变形:多元素数据分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 【案例1—— 用瀑布图分析数据变化过程】
  • 6.2.6 柱线复合图及其变形:多元素比较分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 【案例2——用帕累托图分析产品质量原因】
  • 6.2.7 条形图及其变形:排序法分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 6.2.8 堆积条形图及其变形:结构对比分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 6.2.9 折线图及其变形:趋势分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 6.2.10 饼图及其变形:占比法分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 6.2.11 散点图和气泡图:相关性分析图表
  • 1.图表特点
  • 2.数据理解
  • 3.制作过程
  • 4.注意事项与建议
  • 5.变形案例与操作
  • 6.2.12 动态数据可视化分析模型的原理
  • 1.建立动态数据可视化模型的方法
  • 2.利用函数制作动态分析模型
  • 3.利用控件制作动态分析模型
  • 4.利用数据透视表制作动态分析模型
  • 6.2.13 怎样根据数据选择图表
  • 1.相关性选图表案例
  • 2.相对性选图表案例
  • 3.同时具备相关性与相对性选图表案例
  • 第7章 9种常用数据分析方法与实战案例
  • 7.1 分析数据的两大原则
  • 7.1.1 先总后分,层层拆解
  • 7.1.2 分清主次,重点解决
  • 7.2 分析数据的9种常用方法
  • 7.2.1 比较法:数据打包与切块
  • 1.同比
  • 2.环比
  • 3.对比
  • 4.基比
  • 5.均比
  • 6.占比
  • 【案例1——某电子公司产品利润结构分析】
  • 7.2.2 排序法:数据排序与比较
  • 7.2.3 结构法:数据拆分与分类
  • 【案例2 ——分区域各季度销售情况分析】
  • 7.2.4 阶梯法:数据的步进方式呈现
  • 【案例3 ——财务利润预实分析】
  • 7.2.5 漏斗法:数据收敛与发散
  • 【案例4——某网店订单数据分析】
  • 7.2.6 关联法:数据因果与关联
  • 【案例5—— 价格与重量关系分析】
  • 7.2.7 雷达法:数据无关与协同
  • 【案例6—— 如何选择供应商】
  • 7.2.8 象限法:数据定位与象限
  • 【案例7—— 销售量价与利润率分析】
  • 7.2.9 趋势法:数据趋势与预测
  • 【案例8—— 预测未来3年销量】
  • 7.3 根据数据选择分析方法
  • 7.4 两道思考题
  • 第8章 利用工具进行高级数据分析
  • 8.1 加载并打开分析工具
  • 8.2 规划求解
  • 8.2.1 单变量求解
  • 【案例1—— 帽子销量必须达到多少才能确保目标利润】
  • 8.2.2 多变量求解
  • 【案例2 —— 规划求解计算保本点】
  • 8.3 利用规划求解求出最优解
  • 【案例3 ——求出最大利润的产量组合】
  • 8.4 回归分析
  • 8.4.1 一元回归
  • 【案例4—— 降水量与树苗生长高度关系分析】
  • 8.4.2 多元回归
  • 1.整理所需数据
  • 2.应用回归分析
  • 3.得到分析结果
  • 4.解读结果
  • 5.建立数据模型
  • 【案例5 —— 某地区人口增长率与总收入、消费、人均GDP关系分析】
  • 8.5 相关系数
  • 【案例6 —— 各科目考试成绩相关性分析】
  • 8.6 直方图
  • 【案例7—— 统计指定区域内销售量出现的次数】
  • 8.7 指数平滑
  • 【案例8 —— 使用不同阻尼系数预测产品销售量】
  • 8.8 移动平均
  • 【案例9 —— 患儿体温检测结果分析】
  • 第9章 商务数据的分析案例与模型
  • 9.1 发现问题:从备件销售价中发现经销商的“猫儿腻”
  • 9.1.1 上任第1天发现价格问题
  • 9.1.2 通过排序发现两家可疑的经销商
  • 9.1.3 为公司挽回130万元损失
  • 9.2 预测未来:数据回归推导销售趋势预测模型
  • 9.2.1 销售部门做不好预测来求助
  • 9.2.2 根据一元回归的拟合度选择预测公式
  • 9.3 优化决策:利用回归与相关性分析市占率与客户满意度的关系
  • 9.3.1 市占率呈下滑趋势却没有任何应对之策
  • 9.3.2 用回归分析市占率与客户满意度的关系
  • 9.3.3 用相关系数分析如何从客户满意度着手提升市占率
  • 9.3.4 半年后市占率得到了显著提高
  • 9.4 商务数据分析建议
  • 第10章 财务数据的分析案例与模型
  • 10.1 发现问题:巧用保本点管控企业收益率
  • 10.1.1 销售额在提升,但利润率在下滑
  • 10.1.2 原来是只顾销售不顾结构
  • 10.1.3 制定一个合理的保本点确保公司盈利
  • 10.2 预测未来:利用回归分析模型预测投资风险
  • 10.2.1 朋友想接下一个1700万元的工厂
  • 10.2.2 用回归分析模型预测未来10年的销售额
  • 10.2.3 根据销售额预测未来10年的利润额
  • 10.2.4 结论乐观,决定投资
  • 10.3 优化决策:通过项目净现值优化投资
  • 10.3.1 3个投资项目,领导拿不准
  • 10.3.2 通过净现值比较,结果一目了然
  • 10.3.3 结论清晰可靠,令人满意
  • 10.4 财务数据分析建议
  • 第11章 HR数据的分析案例与模型
  • 11.1 发现问题:找出高薪还要离职的真正原因
  • 11.1.1 质量部门离职率出现异常
  • 11.1.2 新老两头翘,中间有断层
  • 11.1.3 调查原因后开除“老油条”
  • 11.2 预测未来:通过回归分析预测个人能力
  • 11.2.1 射击队教练遇上三选一难题
  • 11.2.2 用回归分析预测运动员发挥水平
  • 11.2.3 科学的选择带来最佳的效果
  • 11.3 优化决策:通过相关性和回归分析设计薪酬调整方案
  • 11.3.1 因员工离职率高而欲改革薪酬体系
  • 11.3.2 分析薪酬与能力匹配的问题
  • 11.3.3 解决方案:工资总额不变,依据能力调薪
  • 11.3.4 谨慎实施,效果显著
  • 11.4 HR数据分析建议
  • 11.4.1 HR管理中常用的分析方向及分析建议
  • 11.4.2 常用的HR数据分析公式
  • 1.招聘分析常用公式
  • 2.考勤统计公式
  • 3.工资计算与人力成本分析公式
  • 4.培训统计分析公式
  • 5.成本效用评估公式
  • 6.工作时间计算公式
  • 第12章 生产数据的分析案例与模型
  • 12.1 发现问题:应用数据实时分析监控生产进度
  • 12.1.1 交付满足率总是出现问题
  • 12.1.2 工人不愿承担换件损失
  • 12.1.3 任务分解,层层统计,公开竞赛
  • 12.2 预测未来:应用回归分析模型计算安全库存
  • 12.2.1 领导要求减少库存缓解资金压力
  • 12.2.2 回归分析模型精确估算库存
  • 12.2.3 验证半年,领导终于放心
  • 12.3 优化决策:利用数据分析最优化物流成本
  • 12.3.1 3车7点的状况
  • 12.3.2 各点里程情况分析
  • 12.3.3 3种不同的派送方法
  • 12.3.4 最终的结果
  • 12.4 生产数据分析建议
  • 第13章 质量数据的分析案例与模型
  • 13.1 发现问题:火速降低产品的投诉率
  • 13.1.1 产品连续遭到客户投诉
  • 13.1.2 分析数据,抓住主要问题
  • 13.1.3 投诉率得到有效抑制
  • 13.2 预测未来:应用回归分析预估质量索赔率
  • 13.2.1 客户要求质保8年
  • 13.2.2 回归分析预测8年索赔率
  • 13.2.3 按7.5%的索赔率核算索赔成本
  • 13.3 优化决策:利用回归和规划求解计算最优质量成本
  • 13.3.1 质量成本的构成
  • 13.3.2 质量成本诸要素之间的逻辑关系
  • 13.3.3 从采集的数据中求出平衡点
  • 13.4 质量数据分析建议
  • 第14章 经营管理数据的分析案例与模型
  • 14.1 发现问题:多维度透析低收益原因并进行改善
  • 14.1.1 总成零件收益为负,总经理发话要解决
  • 14.1.2 从设计、采购与销售3个维度进行分析
  • 1.产品设计分析
  • 2.采购成本分析
  • 3.销售价格分析
  • 14.1.3 收益由负变正,总经理表示认可
  • 14.2 预测未来:应用数据相关性和回归分析做投资计划
  • 14.2.1 某行业盈利与多方因素相关
  • 14.2.2 多方因素的相关性分析与回归分析
  • 1.相关性分析
  • 2.求出回归方程
  • 3.预测居民人均收入
  • 4.预测企业投资额
  • 14.2.3 董事会通过投资分析计划
  • 14.3 优化决策:利用数据简单对比支撑商务决策
  • 14.3.1 大客户要求合并产品并重新定价
  • 14.3.2 从双方立场进行价格分析
  • 1.从价格逻辑推导
  • 2.从收益逻辑推导
  • 14.3.3 与客户协商新价格,确保双赢
  • 14.4 经营数据分析建议
  • 第15章 构建数据分析模型与可视化报告
  • 15.1 模型是效率之王
  • 【案例1——修改表格数据,计算结果没变化】
  • 【案例2——同样的数据不同的分析模型,结果天壤之别】
  • 1.初级分析水平
  • 2.中级分析水平
  • 3.高级分析水平
  • 15.2 何时需要建模与可视化建模
  • 1.什么时候需要建模
  • 2.什么时候需要可视化建模
  • 15.3 4种建模类型如何选择
  • 15.4 5C法构建数据分析模型
  • 第16章 利用控件定制高级动态分析模型
  • 16.1 构思模型:用什么效果来呈现
  • 16.2 数据采集:确定数据并规范格式
  • 16.3 公式链接:让数据统计和图表绘制同步进行
  • 16.3.1 链接C30单元格与5个单选项控件
  • 16.3.2 链接图表数据源与基础数据表
  • 16.3.3 链接图表数据源与KPI考核项目名称
  • 16.3.4 链接图表数据源与“当前累计完成率”
  • 16.3.5 链接图表数据源与“预计累计完成率”
  • 16.3.6 根据数据源绘制图表
  • 16.3.7 调整“累计实际”的格式
  • 16.3.8 调整“累计预计”的格式
  • 16.3.9 调整“当月目标”和“当月实际”的格式
  • 16.3.10 调整“当月完成”率的格式
  • 16.3.11 调整图表视觉细节
  • 16.4 模型检验:采用实际数据进行检验
  • 16.5 安全设置:避免他人误操作或恶意修改数据
  • 16.5.1 开放允许修改的单元格区域
  • 16.5.2 隐藏重要的单元格区域
  • 16.5.3 保护数据表
  • 16.6 模型拓展建议
  • 第17章 Power BI与超级数据透视
  • 17.1 两分钟了解Power BI组件
  • 17.2 在Excel中加载数据分析插件
  • 1.Power Query
  • 2.Power Pivot
  • 3.Power View
  • 4.Power Map
  • 17.3 快速了解Power Query
  • 1.采用逆透视将数据多列转一列
  • 2.单工作簿多表单合并
  • 3.多工作簿单表单合并
  • 4.多工作簿多表单合并
  • 17.4 快速了解Power Pivot
  • 17.5 快速了解Power View
  • 17.6 快速了解Power Map
  • 第18章 制作高质量的数据分析报告
  • 18.1 口头报告的要点
  • 18.2 Excel报告的要点
  • 18.2.1 边界条件
  • 18.2.2 数据结果
  • 1.数据的呈现
  • 2.数据的关联
  • 18.2.3 分析建议
  • 18.3 PPT报告的要点
  • 18.3.1 PPT报告的逻辑
  • 18.3.2 PPT报告的误区
  • 18.4 Word报告的要点
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社,成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”,致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。