Excel 高效辦公——數據處理與分析（案例版）

神龙工作室团队拥有多位院校教授、Office/Windows/PS方面的高手，著有《Excel高效办公——数据处理与分析(第3版)》《数据分析高手这样用Excel图表》《Excel其实很简单 从数据到分析报告》等图书

目 錄

第 1章 數據分析引言

1.1 數據分析的目的 2

1.2 數據分析的流程 2

1.3 數據分析的方法 2

1.3.1 描述分析 3

1.3.2 對比分析 3

1.3.3 趨勢分析 4

1.3.4 相關分析 4

1.3.5 預測分析 4

1.3.6 轉化分析 5

1.3.7 分佈分析 5

1.3.8 結構分析 5

1.3.9 達成分析 5

1.4 數據分析結果可視化 6

第 2 章 人力資源數據分析

2.1 在職員工結構分析 8

2.1.1 收集並備份數據 8

2.1.2 清洗數據 9

1. 日期格式不規範、不統一 9

2. 同一字段出現多種說法 10

3. 手機號、身份證號位數不準確 12

4. 性別、出生日期、年齡等

與身份證信息不一致 12

2.1.3 不同部門的在職員工分佈情況 16

1. 統計各部門的在職員工人數 16

2. 可視化不同部門的在職人數 18

2.1.4 在職員工的學歷分佈情況分析 23

2.1.5 在職員工的性別比例分佈分析 26

1. 統計不同性別的在職員工人數 26

2. 使用圓環圖展現在職員工的性別比例 28

2.1.6 不同年齡段的在職員工人數分佈情況 28

2.1.7 不同工齡段的在職員工人數分佈情況 34

2.1.8 構建在職員工結構數據看板 36

1. 構建基礎版面 36

2. 指標數據分類 38

3. 將指標數據按序排列 38

2.2 離職情況分析 40

2.2.1 離職率分析 40

1. 年度離職率 40

2. 各月離職率 47

3. 不同部門的離職率 52

4. 不同年齡段的離職率 53

5. 不同工齡段的離職率 55

6. 聯動分析離職率 57

2.2.2 離職原因分析 60

2.2.3 構建離職情況分析看板 63

2.3 招聘情況分析 65

2.3.1 招聘概況分析 65

1. 不同部門的招聘人數 65

2. 不同學歷的招聘人數 66

3. 不同年齡段的招聘人數 67

4. 不同性別的招聘人數 68

2.3.2 招聘過程分析 70

2.3.3 招聘結果分析 72

2.3.4 招聘渠道分析 74

2.3.5 構建招聘情況分析看板 74

2.4 薪酬結構分析 76

2.4.1 分析不同部門的實發工資 76

2.4.2 分析實發工資和績效工資的分佈情況 78

2.4.3 分析不同崗位的工資情況 80

2.4.4 分析不同分項工資的占比 80

2.4.5 構建薪酬結構分析看板 81

第3章 生產數據分析

3.1 需求預測與生產計劃分析 83

3.1.1 使用移動平均法進行月度需求預測分析 83

1. 安裝分析工具庫 84

2. 使用移動平均法預測未來一個月的銷量 85

3.1.2 使用指數平滑法進行月度需求預測分析 88

1. 判斷數據變化趨勢 89

2. 用一次指數平滑法預測未來一個月的銷量 90

3.2 生產過程的監督與分析 93

3.2.1 生產合格率分析 93

1. 計算生產合格率 93

2. 分析生產合格率 94

3.2.2 生產合格率異常分析 96

3.2.3 設備生產能力優化決策分析 99

1. 盈虧平衡點 99

2. IF函數 99

3. OR函數 99

3.2.4 合理配料實現利潤最大化 102

1. 安裝規劃求解插件 103

2. 用規劃求解法求最佳配料方式 104

3.3 量本利預測分析 113

3.3.1 盈虧平衡點分析 114

3.3.2 目標利潤分析 116

第4章 銷售數據分析

4.1 月度銷售數據分析 119

4.1.1 不同品類的銷售額分析 119

4.1.2 不同品類的銷量分析 122

4.1.3 不同品類的銷售額的環比分析 123

4.1.4 不同品類的銷售額的同比分析 125

4.1.5 各業務員的銷售額占比分析 128

4.2 年度銷售數據分析 131

4.2.1 不同品類的年度銷售額分析 131

4.2.2 全年銷售額的變動趨勢分析 132

4.2.3 近3年銷售額變動趨勢對比分析 134

4.2.4 熱銷產品分析 137

1. 對不同規格的產品的銷售數量進行匯總 137

2. 將不同規格的產品按銷售數量進行排序 138

3. 將不同規格的產品按銷售數量進行排名 138

4. 可視化銷售數量排名前8的產品 139

4.2.5 單價對銷量的影響分析 144

1. 匯總統計不同價格區間的產品銷量占比 144

2. 可視化不同價格區間的產品銷量占比 145

4.2.6 銷售額完成率分析 147

1. 創建數據源 148

2. 創建圖表 149

3. 轉換動態圖表 152

4.3 銷售數據預測分析 154

4.3.1 使用趨勢線進行銷售預測分析 154

4.3.2 使用函數進行銷售預測分析 158

1. 簡單平均法 158

2. 移動平均法 159

3. 指數平滑法 159

4. 直線回歸分析法 160

4.3.3 使用數據分析工具進行銷售預測分析 160

1. 移動平均預測 161

2. 指數平滑預測 162

4.3.4 使用預測工作表進行銷售預測分析 164

第5章 財務數據分析

5.1 財務數據結構分析 166

5.1.1 利潤表分析 166

1. 收支結構分析 166

2. 收支明細分析 167

5.1.2 資產負債表分析 169

1. 資產結構分析 169

2. 流動資產構成要素分析 169

3. 固定資產構成要素分析 174

4. 負債和所有者權益結構分析 174

5. 流動負債構成要素分析 174

6. 所有者權益構成要素分析 175

5.1.3 現金流量表分析 175

1. 流入流出比例分析 175

2. 流入結構分析與流出結構分析 175

5.2 財務比率分析 177

5.2.1 變現能力比率分析 177

5.2.2 資產管理比率分析 179

5.2.3 負債比率分析 183

5.2.4 盈利能力比率分析 185

5.3 財務比較分析 187

5.4 財務趨勢分析 190

5.5 杜邦分析 193

第6章 投資決策分析

6.1 資金管理的決策分析 198

6.1.1 銀行貸款決策分析 198

1. 用相同利率計算等額本息還款 198

2. 用不同利率計算等額本息還款 201

3. 可視化不同利率和貸款期限的總還款額變化 202

6.1.2 債券籌資決策分析 204

1. 計算債券的發行價格 204

2. 分析市場利率對債券發行價格的影響 206

3. 分析票面利率對債券發行價格的影響 207

6.2 項目投資的效益分析 208

6.2.1 使用凈現值法進行投資決策分析 208

6.2.2 使用內含報酬率法進行投資決策分析 210

6.3 項目投資的風險分析 212

6.3.1 通過相關系數判斷風險大小 212

6.3.2 計算要求報酬率判斷投資可行性 214

6.4 投資組合決策分析 215

1. 計算項目1的現值 216

2. 計算各項目的凈現值 217

3. 計算企業的投入資金 217

4. 計算凈現值合計 218

5. 規劃求解確定選擇變量 219

6.5 固定資產折舊分析 220

6.5.1 用年限平均法計算固定資產折舊額 221

6.5.2 用雙倍餘額遞減法計算固定資產折舊額 222

1. 用雙倍餘額遞減法計算前8年的固定資產折舊額 223

2. 用年限平均法計算最後兩年的固定資產折舊額 224

6.5.3 用年數總計法計算固定資產折舊額 224

6.6 固定資產項目投資決策分析 226

6.6.1 計算每年的銷售收入 227

6.6.2 計算每年的銷售數量 228

6.6.3 計算每年的利息支出 229

6.6.4 計算每年的經營成本和利潤總額 230

6.6.5 計算每年的所得稅 231

6.6.6 計算每年的現金流入量、現金流出量和凈現金流量 231

6.6.7 計算凈現值 232

第7章 電商數據分析

7.1 流量分析 235

7.1.1 店鋪流量數據指標 235

7.1.2 店鋪流量來源 236

1. 自主訪問流量 236

2. 付費流量 237

3. 淘內流量 239

4. 淘外流量 239

7.1.3 店鋪流量結構分析 239

1. 刪除多餘數據 240

2. 調整數據格式 240

3. 分析不同流量來源的訪客數 241

4. 分析排名前10的流量來源明細 243

7.1.4 頁面流量分析 245

7.1.5 商品詳情頁流量分析 248

7.2 轉化率分析 251

7.2.1 流量轉化分析 251

7.2.2 提高轉化率的有效方法 252

7.3 銷售業績分析 253

7.3.1 交易金額分析 253

7.3.2 客單價分析 255

7.4 客戶數據分析 256

7.4.1 客戶分佈情況分析 256

7.4.2 會員增長與流失情況分析 258

1. 不同地區會員的增長與流失情況 258

2. 近一年店鋪會員的增長與流失情況 260

7.5 利潤數據分析 261

7.5.1 影響網店盈利的成本因素 261

1. 商品成本 262

2. 推廣成本 262

3. 固定成本 263

7.5.2 利潤預測分析 264

1. 線性預測 264

2. 模擬運算 266

3. 雙變量模擬預測 268

7.6 客服數據分析 268

7.6.1 響應時間分析 269

7.6.2 咨詢轉化率分析 270

7.6.3 落實客單價分析 271

7.6.4 訂單支付率分析 272

7.6.5 月退貨率分析 273

7.6.6 客服KPI考核綜合分析 274

1. 計算KPI考核綜合得分 274

2. 動態可視化客服人員的KPI指標 274

第8章 在線教育數據分析

8.1 在線教育銷售狀況及趨勢分析 281

8.1.1 銷售額與毛利潤分析 281

8.1.2 毛利率分析 282

8.2 渠道分析 283

8.2.1 不同渠道的銷售額與毛利率分析 284

8.2.2 免費渠道的毛利率分析 286

1. 免費渠道內不同分渠道的毛利率對比分析 286

2. 免費渠道內不同分渠道的毛利率環比分析 287

8.3 客戶分析 289

8.3.1 客戶行為分析 289

1. 不同環節的轉化率分析 289

2. 總轉化率分析 293

8.3.2 客戶價值分析 296

第9 章 短視頻運營數據分析

9.1 自身視頻的數據分析 302

9.2 同行視頻數據分析 304

1. 合並多個同行視頻數據工作表 304

2. 分析不同賬號的粉絲數量 306

3. 分析不同賬號的粉絲增量 307

9.3 熱門視頻數據分析 308

第 10章 利用Power BI進行數據分析

10.1 瞭解Power BI 310

1. Power BI Desktop的工作界面 310

2. Power BI與Excel相比的優勢 311

10.2 將Excel中的數據導入Power BI Desktop 312

10.3 分析店鋪熱銷產品 314

1. 根據產品名稱統計銷售數量 314

2. 按數量進行降序排列 317

3. 創建圖表 317

4. 根據表格和圖表內容編寫分析報告 320

10.4 分析店鋪產品結構 321

1. 統計各產品的銷售金額 321

2. 對銷售金額進行分組 324

3. 創建表格和圖表 325

10.5 分析門店客流量 329

1. 分析每天的客流量 329

2. 分析星期一至星期日的客流量 332

3. 分析工作日和休息日的客流量 337