本書是一本數據分析寶典，精講了數據分析的各種方法，如七何分析法、演繹樹分析法、金字塔原理、4P營銷理論、SWOT分析法、比較分析法、平均分析法、回歸分析法、檢驗分析法等，幫助讀者快速從新手成為數據分析高手！ 本書通過3大數據分析工具 7大分析步驟 13大整理數據的方法 17大美化圖表法 20大數據分析法 70多個實用案例 100多個專家知識補充 100多個數據分析圖解 450多張精美圖片，深度剖析數據分析的精華之處。讓您一書在手，即可徹底讀懂數據分析，從菜鳥成為達人！ 本書共分為10章，具體內容包括走進數據分析的世界、落實數據分析操作、掌握數據整理的方法、掌握數據分析秘訣、使用回歸 歷史引申、需要方差 “顯著”、數據也要美美的、數據分析函數學習、與同行之間的角逐、指數 百度指數 好搜指數。 本書結構清晰、語言簡潔、圖解豐富，適合4類人群：一是初學數據分析的新手，二是從事數據相關行業的個人與公司，三是有意學習數據分析的白領階層、工薪階層、學生等，四是希望通過數據分析“挖金”的個體老板、企業高管、政府媒體、網絡數據分析師等人群。
本書是一本數據分析寶典，書中精講了數據分析的各種方法，如七何分析法、演繹樹分析法、金字塔原理、4P營銷理論、SWOT分析法、比較分析法、平均分析法，回歸分析法、檢驗分析法等，幫助讀者快速從新手成為數據分析高手！全書所有內容零基礎、全圖解，通過3大數據分析工具 7大分析步驟＋13大整理數據的方法＋17大美化圖表法＋20大數據分析法＋70多個實用案例 100多個專家知識補充 100多個數據分析圖解＋450多張精美圖片，深度剖析數據分析的精華之處，讓您一書在手，即可徹底讀懂數據分析，從菜鳥成為達人！
“十年•專注，精品•奉獻”！本團隊組織者有著十多年圖書行業策劃經驗，并由專注于金融、理財、營銷、電商、微商等行業的幾十位博學人士參與，他們中的成員大都是財經記者、銀行金融理財師、財富顧問、互聯網營銷專家、電商和微商店主等。本團隊組織者緊扣時代潮流趨勢，力求為讀者打造一系列精品理財、營銷、金融類圖書。由作者團隊編寫的“新手理財系列”、玩轉“電商營銷 互聯網金融”系列圖書，一經上市就受到讀者的一致好評!
目錄
第1章 啟蒙：走進數據分析的世界 1
1.1 認清數據 2
1.1.1 聽--數據在說話 2
1.1.2 看--數據在展現 4
1.1.3 觸--分析的價值 4
1.1.4 嗅--數據的重量 6
1.2 發展前景 7
1.2.1 需求--分析人才 7
1.2.2 持續--發展趨勢 8
1.3 職業要求 10
1.3.1 了解--任職方向 10
1.3.2 掌握--分析方法 12
1.3.3 巧用--分析工具 12
1.3.4 拓展--管理能力 13
1.3.5 擁有--設計能力 13
1.3.6 增強--表達能力 14
1.3.7 熟知--企業業務 14
第2章 步驟：落實數據分析操作 17
2.1 操作步驟 18
2.1.1 清晰--分析目的 18
2.1.2 獲取--數據來源 18
2.1.3 挑選--數據加工 21
2.1.4 進行--數據分析 22
2.1.5 實現--數據挖掘 23
2.1.6 展示--數據體現 24
2.1.7 制作--數據報告 26
2.2 操作誤區 30
2.2.1 脫離--分析軌道 31
2.2.2 學會--報告美觀 31
第3章 實操：掌握數據整理的
方法 33
3.1 數據排序 34
3.1.1 規則--數據升序 34
3.1.2 單列--快速排序 35
3.1.3 多列--高級排序 37
3.1.4 無限--自定義排序 40
3.2 數據篩選 44
3.2.1 簡單--單條件篩選 44
3.2.2 復雜--多條件篩選 46
3.2.3 升級--高級篩選 49
3.2.4 隨心--自定義篩選 51
3.2.5 秘技--快速雙篩選 53
3.3.6 去除--重復值篩選 55
3.3 數據匯總 59
3.3.1 規則--分類匯總 59
3.3.2 實現--匯總數據 60
3.3.3 善用--多字段匯總 62
第4章 方法：掌握數據分析秘訣 65
4.1 擺正思路 66
4.1.1 建立框架--七何
分析法 66
4.1.2 問題分層--演繹樹
分析法 69
4.1.3 涉及環境--PEST
分析法 71
4.1.4 建立邏輯--金字塔
原理 73
4.1.5 業務指導--4P營
理論 75
4.1.6 競爭戰略--SWOT
分析法 77
4.2 應用分析 80
4.2.1 尋找差距--比較
分析法 80
4.2.2 數量特征--平均
分析法 82
4.2.3 歸納數據--分組
分析法 85
4.2.4 交叉計算--立體
分析法 90
第5章 預測：使用回歸 歷史引申 95
5.1 回歸分析 96
5.1.1 基礎--一元回歸 96
5.1.2 擴充--多元回歸 109
5.2 非線回歸 112
5.2.1 穩定--對數回歸 113
5.2.2 變動--多項回歸 117
5.3 歷史引申 120
5.3.1 加權--指數平滑 120
5.3.2 算術--移動平均 124
第6章 檢驗：需要方差
"顯著" 127
6.1 方差分析 128
6.1.1 單個--單因素方差 128
6.1.2 多個--雙因素方差 131
6.2 顯著檢驗 138
6.2.1 平均--u檢驗 138
6.2.2 均值--t檢驗 143
第7章 亮眼：數據也要美美的 149
7.1 美化表格 150
7.1.1 區分數據--色階 150
7.1.2 指定數據--突出 152
7.1.3 代表高低--數據條 154
7.1.4 體現特征--圖標集 156
7.1.5 圖表結合--迷你圖 158
7.2 轉換圖形 160
7.2.1 對比幫手--條形圖 161
7.2.2 變化趨勢--折線圖 168
7.2.3 對比差距--平均線圖 173
7.2.4 流程分析--倒三角圖 177
7.2.5 數據層次--階梯圖 185
7.2.6 突出重點--餅圖 189
7.2.7 加強展現--重坐標圖 192
7.2.8 華麗有質--圓珠圖 194
7.2.9 財務指標--蜘蛛網圖 198
7.2.10 工作進度--溫度計
式圖 200
7.3 文本展示 202
7.3.1 形象生動--插入圖片 202
7.3.2 巧做邏輯--SmartArt 204
第8章 擴展：數據分析函數學習 209
8.1 時間函數 210
8.1.1 組合日期--DATE 210
8.1.2 突出實時--TODAY 212
8.1.3 推算工作日--
WORKDAY 214
8.1.4 提出月份--MONTH 217
8.1.5 時分秒值--TIME 218
8.2 邏輯函數 219
8.2.1 判斷檢查--IF 220
8.2.2 滿足條件--AND 221
8.2.3 參數求反--NOT 223
8.2.4 捕捉錯誤--IFERROR 224
8.3 求值函數 225
8.3.1 較大值--MAX 226
8.3.2 最小值--MIN 227
8.3.3 數據個數--COUNT 228
8.3.4 不計空格--COUNTA 229
8.3.5 數據匯總--SUM 231
8.3.6 指定求和--SUMIF 232
8.3.7 平均值--AVERAGE 234
8.3.8 乘積計算--PRODUCT 235
8.4 處理錯誤 237
8.4.1 關于日期--"#####" 237
8.4.2 關于公式--
"#NAME？" 237
8.4.3 關于引用--
"#NULL" 238
8.4.4 關于參數--
"#VALUE" 239
8.4.5 關于空白--
"#DIV/0！" 240
8.4.6 尋找錯誤--使用幫助 241
第9章 競爭：與同行之間的角逐 245
9.1 知己知彼 246
9.1.1 好處--擴展戰略 246
9.1.2 要點--找準方向 248
9.1.3 類型--了解對手 249
9.2 尋找數據 250
9.2.1 入手--對手名稱 251
9.2.2 成為--對手用戶 252
9.2.3 進入--對手官網 253
9.2.4 查找--招聘信息 254
9.2.5 運用--分析平臺 255
9.3 勝券在握 255
9.3.1 差異--比較分析 255
9.3.2 行業--波特分析 256
第10章 工具：淘寶指數 百度指數
好搜指數 259
10.1 淘寶指數 260
10.1.1 初入--發展歷程 260
10.1.2 進入--使用功能 261
10.1.3 深入--使用步驟 263
10.2 百度指數 270
10.2.1 補充--功能模塊 270
10.2.2 吸納--操作步驟 271
10.3 好搜指數 275
10.3.1 涉及--功能詳情 275
10.3.2 學習--分析步驟 276
第1章：啟蒙：走進數據分析的世界
如今是一個數據大爆炸時代，數據的應用非常廣泛，例如，數據能讓企業分析出自己的用戶群體，數據能讓科學變得更加先進，數據能記錄人們的生活軌跡等。總之，數據分析是企業打開另外一扇商業大門的鑰匙。
1.1 認 清 數 據
對于數據，很多人都持以迷茫的態度，認為數據只是單純的數字，并不會給人們帶來什么價值。可是這樣的想法，是大錯特錯的，若數據沒有價值，那沃爾瑪是如何想出"啤酒 尿布"的奇招，那"魔鏡"是如何預知石油市場走向的。
如今有太多的案例能夠證明數據分析的價值，只是有一部分人群對于數據分析還不夠重視，沒有很好地認識數據分析的價值。因此，下面進一步深挖數據，帶領人們"知數據的根，揭數據的謎"。
1.1.1 聽--數據在說話
若有人想要進入數據分析行業，就必須知道數據能表達什么，這個表達的概念也許在一時之間不是清晰的，不過沒有關系，數據是需要人們進行挖掘的、需要"傾聽者"的。
例如，對于一張生活照，若拍照的人沒有說明照片背后的意義，那么人們定然不會知道其背后的含義，只會認為這只是一張照片而已。可是對于照片中的主人公來說，這張照片也許擁有某種特定的含義。對于數據分析師來說，可以從照片上看出主人公的性格、愛好，拍攝者的拍攝習慣等隱晦的信息。總之，數據是無處不在的，只要人們有需求，愿意去分析，數據就能打開"話匣子"，將自己的故事講給人們聽。
一般來說，數據是以數值體現出來的，可是隨著時代的變遷，數據慢慢地得到擴展，如圖1-1所示。
圖1-1 數據的擴展
在生活中，形成連接時，是最能"傾聽"到數據的聲音的，如圖1-2所示。
圖1-2 從連接中產生數據
例如，社群中用戶與用戶之間的交流、用戶與企業之間的交流、用戶的信息、用戶反饋的信息等，都可以成為企業分析用戶行為習慣以及需求的數據。
專家提醒
企業千萬不要將數據弱化，認為數據只是一堆不切實際的數字，不然在這個數據大爆炸時代，企業的命運將會危在旦夕。因此，企業需要聘用一些比較有能力的數據分析師，讓他們與數據溝通，傾聽數據中的故事，為企業帶來紅利。
1.1.2 看--數據在展現
世間萬物皆有自己獨有的特點，數據也不例外。下面介紹數據本身的5個特點，如圖1-3所示。
圖1-3 數據的特點
專家提醒
數據分析師在進行數據分析時，需要把握好數據的特點，這樣得出的結論實用價值就比較大。
1.1.3 觸--分析的價值
對于音樂來說，從數據中能分析出哪種類型的音樂容易引起人們的關注；對于電視臺來說，從數據中能分析出哪種影視題材是人們所喜歡的；對于手機來說，從數據中能分析出人們比較喜歡用哪些手機功能等。
由此可知，分析出來的數據，幾乎都是圍繞"人"展開的，都是以滿足人們的喜好、需求而進行的。但這只是一部分，企業千萬不要被這個現象迷惑了，數據分析的價值不只在于"人"，它還涉及了其他方面。
例如，對于企業而言，通過數據能分析出其現狀，如圖1-4所示。
圖1-4 能分析出企業現狀
數據還會涉及產品從制作到的各個事項，如圖1-5所示。
圖1-5 能分析出產品從制作到的各個事項
專家提醒
若一個企業的領導人通過市場調查，分析所得到的數據，能判定市場動向，則企業就能根據數據，制訂合適的產品生產及銷售計劃。
總之，企業能通過數據分析，獲取用戶信息，制定企業投放產品的方式、營銷策略等。
除此之外，數據還能面向多種決策功能，并具有生產力、拓寬市場邊界等實用價值，如圖1-6所示。
圖1-6 能涉及的決策部分事項
專家提醒
總而言之，數據分析價值的涉及面極其廣闊，只要數據分析師耐心地挖掘，定能通過數據得到意想不到的"商業法寶"。
1.1.4 嗅--數據的重量
隨著互聯網的發展，越來越多的人意識到了數據分析的重要性。例如，淘寶曾推出過時光機服務，就是根據記錄淘寶買家的消費記錄、瀏覽記錄、個人信息等數據，構成一個"回憶消費網"，讓淘寶買家從這些記錄中，勾起自己的消費記憶，進一步促進消費者進行消費。
時光機不僅會使用戶產生溫馨而美好的消費記憶，還能讓企業得知消費者的消費習慣。
下面進一步了解數據分析的重要性，如圖1-7所示。
圖1-7 數據分析的重要性
1.2 發 展 前 景
數據分析是時代下的潮流產物，更是隨著時代的發展、變遷而蓬勃發展的"寶物"，下面進一步了解數據分析的發展前景。
1.2.1 需求--分析人才
通過研究表明，如今有75%的企業明確表示，數據分析是企業運營、產品生產等方面不可或缺的決策手段，并且這些企業都會設立一個數據分析部門或者聘用的數據分析方面的人才。
可見，對數據分析人才的需求正在急劇地呈現上升趨勢。也正因此，如今數據分析人才的培養機構才會如火如荼地開展。這樣的機構不僅吸引富有經驗的數據分析師們，分享自己的實戰經驗，而且通過在網絡上提供付費教程，給他們開辟了一條"挖金"之路。當然，這也更加方便了那些對數據分析感興趣、有需求的人群進行學習、理解、使用，久而久之，也就帶動了數據分析行業的發展。
如今，像騰訊、知乎、搜狐等大規模的企業，都展現了對數據分析人才的渴望，如圖1-8所示。
圖1-8 某企業對數據分析人才的招聘要求
專家提醒
如今，數據分析工作崗位在全球大約有400多萬個，其中有180多萬個工作崗位出現在美國，可見美國對數據分析人才的看重。根據某公司的預計，到2018年，美國將會有大約15萬～20萬的數據分析人才缺口，這足以證明，在數據分析人才這一塊，是極其緊缺又必不可少的。
1.2.2 持續--發展趨勢
隨著技術的發展，互聯網的更新換代，數據的采集技術、存儲技術、處理技術都得到足夠廣闊的發展，將數據分析的重要性提升了一個高度。
研究表明，在2008-2013年的5年中，人類行為所產生的數據量增長了9倍，而在接下來的9年中，將會達到28倍，可見數據的產生量是多么的巨大。某軟件巨頭公司，曾預計到2020年，全球數據的使用量將達到大約30 ZB，可見人們對數據的需求是非常大的，這足以表明如今人們生活在數據的庇護下，實現了一個循環，即"生產數據，運用數據"。
隨著大數據時代的到來，企業對數據分析的需求大幅上升，需要借助數據分析專業服務機構的服務，進行有效的數據分析，如圖1-9所示。
隨著移動端的發展，移動支付、LBS(Location Based Service)位置服務等技術的崛起，數據呈現出"非結構化"，而這種"非結構化"的數據，只要加以分析，即可給企業的商業模式和營銷模式帶來新的機會，如圖1-10所示。
圖1-9 數據分析專業服務機構
圖1-10 "非結構化"數據的概念
"非結構化"數據具有4大作用，如圖1-11所示。
圖1-11 "非結構化"數據的作用
專家提醒
結構化的數據，一般是由數字表達出來的信息，方便計算機和數據庫技術進行計算、處理，它具有業務洞察力，能影響企業老板在業務方面的決策。而對于非結構化的數據，是難以量化的，其形式多樣。
如今數據分析技術正在不斷更新，能促使企業在某些決策方面，做到科學務實、腳踏實地，幫助企業做出理性、正確的決策。
隨著企業對數據分析服務需求的不斷增強，必然會促進專業數據分析從業機構的行業經驗、專業能力的服務水平的提升，這樣就進一步增強了數據分析師的技術水平與數據分析的實用價值。
1.3 職 業 要 求
隨著數據分析的發展，數據分析師的職業前景越來越美好，下面就來了解一下數據分析師的職業要求。
1.3.1 了解--任職方向
一般來說，數據分析師的發展方向有3個，包括企業、數據分析機構以及政府，其中企業是最需要數據分析人才的。
很多企業都設有專門的數據分析崗位，來滿足企業數據分析的需求，如中國移動、騰訊、聯想等企業，都會有專門的數據分析崗位。
不同的企業會有不同的關于數據分析崗位的建設，下面大致了解數據分析師常見職稱的要求，如表1-1所示。
表1-1 在企業中數據分析師常見職稱
職 稱
要 求
數據分析員
處理公司日常數據的基礎工作，需要知道數據的儲存與運算、報表的管理、分析報告的制作，并具有良好的溝通能力等
初級數據分析師
掌握數據庫知識，熟知基本的統計分析知識，掌握Excel軟件，具有良好的PPT展示能力，具有較強的邏輯思維能力等
中級數據分析師
除了具有初級數據分析師的能力之外，還需要具備商業意識等
高級數據分析師
除了具有中級數據分析師的能力之外，還需要善于總結、快速響應問題，并能勝任數據挖掘工作等
數據分析工程師
需要了解數據分析與挖掘的理論知識，掌握統計分析工具的應用，具有編程開發與數據結構算法的能力等
續表
職 位
要 求
客戶分析專員
指專門分析、管理客戶服務方面的人才，一般需要掌握客服管理知識、用戶行為分析法、數據分析基礎知識等
專家提醒
在企業中承擔數據分析師的工作，需要具備3個方面的條件，才能無阻礙地實現自我價值。
自己夠專業，數據分析基礎知識夠牢固。
企業領導重視數據分析。
能及時得到需要的資料。
在現實生活中，有一些小規模的公司，會選擇第三方數據研究機構，進行數據的把控，例如，市場研究公司、咨詢公司、艾瑞等，屆時數據分析師就可以到這類研究機構中進行數據方面的工作。
除此之外，政府部門也需要數據分析人才，政府部門通過數據分析可以進行科學研究、國情的調整，進行居民生活消費把控等。一般來說，政府部門關于數據分析的任職部門分為兩類，如圖1-12所示。
圖1-12 政府需要數據分析師的部門
專家提醒
無論哪種數據分析職位，數據分析師都需要抓牢數據分析基礎知識，擴展一些數據分析方面的知識。只有掌握知識，才能掌握自己的任職命運。
1.3.2 掌握--分析方法
當數據分析師在應聘時，及時個會被問到的問題，大多都是："你會幾種數據分析方法？分別能用來做什么？"由此可知，數據分析師的職業要求中，定然包括數據分析方法的使用。
數據分析師只有熟練運用數據分析方法，才能面對一堆碎片化的數據，快速地進行數據分析工作，有效地將數據背后所隱藏的"故事"挖掘出來，將數據價值較大化，促進企業運營。
一般常見的數據分析方法有12種，如表1-2所示。
表1-2 常見的數據分析方法
基礎數據分析方法
高級數據分析方法
比較分析法
回歸分析
平均分析法
相關分析
分組分析法
聚類分析
立體分析法
假設檢驗
結構分析法
因子分析
金字塔原理
對應分析
1.3.3 巧用--分析工具
面對龐大的數據，數據分析師不可能單憑自己在紙上記錄，利用計算器進行計算，并挖掘數據背后的"故事"；而是需要借助數據分析工具，進行高效的、實用的數據分析操作，才能達到事半功倍的效果。
專家提醒
對于初學者來說，Excel數據分析工具是最適合使用的，它容易上手，也是最基本、較的數據分析工具。
下面以4個層次，進一步劃分數據分析工具，如表1-3所示。
表1-3 數據分析工具
數據存儲安全
制作數據報表
常用數據分析
數據美化展示
MySQL
Tableau
Excel
R
LANguard
FineReport
SAS
Gephi
Microsoft Office Access
Style Report
SPSS
PowerPoint
1.3.4 拓展--管理能力
只有具備較強邏輯思維的人，才能輕松地勝任數據分析的工作，在確定分析思路時，可以借助管理學的知識，增強分析思路，確定其分析目的。
對數據分析師來說，管理學知識有5點作用，如圖1-13所示。
圖1-13 管理學知對數據分析師的作用
專家提醒
對于數據分析新手而言，利用管理學知識能有效地管理分析時間，避免出現拖延、無法分辨出分析內容的前后順序等現象。
1.3.5 擁有--設計能力
數據分析師還需要做的事，就是讓數據避免枯燥，讓看到數據的人覺得美觀、容易閱讀。
美觀的數據報告設計能增加可讀性，其中圖形的選擇、版式的設計、顏色的搭配等，都需要掌握一定的設計原則，才能把分析出來的數據結果，精美、清晰地呈現出來，如圖1-14所示。
圖1-14 美觀的數據報告
1.3.6 增強--表達能力
數據分析師不僅是將數據分析出來就可以了，還需要將數據背后的"故事"告訴自己的領導，而數據"故事"的好壞，是否有價值，大部分還是要靠數據分析師的表達能力。
若數據分析師的表達能力較強，能在短時間內將相對有用的重點告知領導，則對于領導來說數據分析師分析出來的結論是能影響決策的，對于數據分析師來說也沒有"白忙活"。
若數據分析師的表達能力不強，沒有將一個正確的結論及時告訴領導，則會給企業帶來一定的損失，而數據分析師也會被認為執行能力不強，很有可能面臨被辭退的命運。
數據分析師與產品經理、運營經理、實施經理等一部分人群交流時，語言的表達能力是必不可缺的一環，但僅僅依靠語言是不夠的，還需要有一定的組織能力、總結能力以及團隊合作意識，才能讓分析出來的現象和得出的結論有一個好"歸宿"。
1.3.7 熟知--企業業務
不同的企業有不同的業務，數據分析師必須要熟知自己所在企業的業務，只有這樣才能實現高效、實用的數據分析操作。若數據分析師脫離了企業業務背景，那么分析出來的結果必然會偏離原本的軌道，導致實用性不強。
對于剛進企業的新手而言，想要一蹴而就地熟知企業業務是很難實現的，數據分析新手，可以通過以下幾點來了解，如圖1-15所示。
圖1-15 數據分析新手入門要點
不錯不錯不錯不錯
書很不錯 很實用
不值得購買
學習數據分析很好的書籍
很好，非常好！
這本書彩色印刷，紙質很好，給人很不錯的感覺。
很不錯的書！
好書，有幫助
整體感覺還不錯
不錯，包裝精美，質量也很好。
介紹的內容比較實用 簡單 一下子就看完了
由淺入深，還不錯！
給公司買的，目前還沒看。
幫別人買的書。
感覺還行！
適用于剛入門的人閱讀
大數據應用參考有效
Satisfied
實用性強，便于學習
老師讓買的，沒開始看呢！
和教科書一樣枯燥 邏輯性不強 不適合初學者 講的都是我已經會的 我不會的看完書還是不會
是一次很失敗的購物，下了3次單，終于收到貨了
結構清晰，內容精練，圖解也很豐富、經驗豐富，實戰應用性強，值得推薦~
這本書最大的特點是實用性強，對數據分析進行了深度剖析，給好評。
這本書講解了很多專業的數據分析方法和數據美化方法，還例舉了許多實戰案例，細化。
主要講怎么用excel了，沒有太多講怎么做數據分析
很多數據分析方法進行了精講，分析工具、步驟、數據整理方法等，都非常具有實用性。
