excel数据分析工具工具有什么（最实用的5个剖析工具及使用方法）

针对非科班出身的人来讲，Excel就是最接地气的数据统计分析工具。Excel含有带有的数据统计分析工具箱，只不过是默认设置前提下，这一工具箱没有在工具栏中，要自己把他找出来哦!

在Excel工具箱里有多个数据统计分析，有相关系数r、协方差矩阵、指数平滑等。看到这些名字别着急晕，其实这些工具的应用方法很简单。不相信?那么今天就一起来看看，这几点常见工具的功效及实际操作方法。

应用 Excel 的数据统计分析工具箱， 要进行载入， 不然无法在手机软件工具栏列表中寻找它。 载入方法是什么， 挑选【文档】 菜单栏里的【选择项】 选择项， 开启【Excel 选择项】 提示框， 如左下图所示， 之后在左边视图中挑选【加载项】 选择项， 再点击【转至】 按键。 在打开的【加载项】 提示框中选定【剖析工具库】 勾选框， 最终点击【明确】 按键就可以， 如右下图所示。

Excel 工具库文件的方差分析工具能够剖析一个或多个要素在不同水准下对总体的危害。 其操作方法非常简单， 下边以单因素方差分析为例子进行介绍。

某广告传媒公司有 5 位设计师， 为了能客观地评估每一个设计师著作的客户认同度， 让 6 位评估者对设计师的作品开展评分， 满分成 10 分。 评估者在评估著作时， 不可以见到设计师的名字， 对每一位设计师的作品开展 3 次评分。 评分结果出来后， 必须对这 6 位评估者评分存不存在显著性展开分析，其流程如下所示。

流程 01对统计分析到的信息进行修复， 不然不可用方差分析作用。 下面的图第一张表所显示为统计分析过的原始记录，对其数据进行均分测算。再将每一位设计师相对应的均分拷贝到另一张表中，如下图所示第二张表所显示。

流程 02运行方差分析。 点击【数据信息】菜单栏中的【数据统计分析】按键， 开启【数据统计分析】提示框， 挑选【方差分析：单因素方差分析】 选择项， 如图所示。

流程 03设定方差分析提示框。 在【方差分析： 单因素方差分析】 提示框中， 设定【键入地区】 为流程 01 里的第二张表所属的区域范围; 因为该表数据每一列入一位设计师的平均得分类， 因此在【分组方式】中选定【列】 单选按钮; 选定【标示坐落于第一行】 勾选框， 能够表明设计师的名字;【导出地区】能设为报表的随意空白， 如图所示。

流程 04查询分析数据。 最终所得到的分析数据如图所示。 方差分析结论分成下列两大类。 第一部分是归纳一部分， 这儿需要关注【标准差】 值的尺寸， 值越小越平稳。 从下面的图数据信息中可以看出， 评估者在给设计师曾躬评分时最不稳， 方误差为 0.47， 表明这名设计师的评分结论有较大的起伏， 为了能客观性考虑，可以重新让评估者给这名设计师评分。 第二部分是方差分析一部分， 这儿需要关注 P 值尺寸， P 值越低意味着地区越多。 假如 P 值低于 0.05， 就会有再次详细分析的必要。 假如 P 值超过 0.05， 表明全部等级也没有区别， 无需开展详细分析和较为。 在如图所示中， P 数值 0.279， 超过 0.05， 表明评估者对设计师著作开展评分时， 不会有明显的差别， 其评分结果是较为客观的。

Excel 里的移动平均工具和指数平滑工具一样， 都是测算将来值的一种工具， 通过分析自变量的时间也发展趋向开展预测分析。 其测算原理是， 根据时长的推进， 先后测算一定期次里的均值， 产生均值时间序列分析， 进而体现目标发展的趋势， 完成将来值预测分析。 用移动平均工具测算将来值的思路如图所示。

从构思中可以看出， 用移动平均工具测算将来值， 重点在于间隔数设置。 间隔数表明在求平均值时需取平均值的数量， 如间隔数为 3， 表明取前 3 数量的均值。

用移动平均工具测算将来值的实际操作流程如下所示。

流程 01设定间距计算平均值。 目前一份 2000—2017 年营销推广成本费数据信息， 必须费用预算 2018 年成本。 开启【移动平均】 提示框， 设定数据信息地区， 并设定【间距】 为”2″， 如图所示。 用同样的方式， 计算出间隔数为 3 和 4 后的均值。

流程 02明确最好间隔数。 3 种间距设定情况下的移动平均值数值如图所示， 从图中能够明显看出最左侧间隔数为 2 时， 偏差最少。

流程 03测算将来值。 当明确均值间隔数为 2 后， 就可以借助计算出来的移动平均值数据计算 2018 年成本了。方法是什么用 2016年和 2017年的移动平均值数据信息总和除于 2， 即(3.95 4.65)/2=4.3， 如图所示。

在开展数据统计分析时， 应对一组数据信息， 通常要先向数据进行最基本的描述统计， 掌握数据库的概述，进而发觉更多内部结构规律性， 便捷挑选下一步剖析方位。 对数据进行描述统计， 必须描述的层面包含数据库的频数剖析、 集中趋势剖析、 离散程度剖析、 样本分布等。 对数据进行多方面的叙述剖析， 能用 Excel 的描述统计工具一次性进行， 主要操作流程如下所示。

流程 01剖析设定。 某公司根据微信微店引流方法销售产品， 现统计了一年(12 个月) 中微信推文浏览量、 个人收藏量及买东西量的信息。 如图所示， 开启【描述统计】 提示框， 设定数据信息地区， 并选定【汇总统计】 勾选框。

流程 02查询统计结果。 这时便依据数据生成了描述统计结论， 如右图所示， 图上显示浏览量、 个人收藏量、买东西量的信息概述， 包含平均值、 中位值、 最大和最小值等描述统计结论。

在开展数据统计分析时， 通常需要剖析各数据库的排行状况。 比如， 对销量数据展开分析时， 应对不计其数种产品的销量数据， 若想依照销售量从大到小排名展开分析， 就可以使用 Excel 剖析工具里的排位赛与百分数排位赛工具来完成。

应用排位赛与百分数排位赛工具数据分析， 会形成一个数据分析表， 表格中包括销量数据中各数据库的次序排位赛和百分数排位赛， 目的是为了剖析各目标标值的相对位置关联， 主要操作流程如下所示。

流程 01剖析设定。 某店铺在统计分析每日销量数据时， 针对不同的产品统计分析了一份销量数据， 现在需要剖析销量数据排名。 如图所示， 开启【排位赛与百分数排位赛】 提示框， 设定数据信息地区。

流程 02查询分析数据。 如图所示， 应用排位赛与百分数排位赛作用后， 会形成一个数据分析表。 在其中，【点】 表明该商品在本报表中的位置等级;【排位赛】 表明相匹配产品的销量排位赛;【百分数】 表明相匹配产品的销量百分数排位赛。 比如， 销售量为 957 的商品， 在表中是第 5 个部位; 销售量为 957 的商品， 百分数为 100.00%， 表明它的销量标值尺寸超过 100% 的商品。 亦如， 销售量为 857 的商品， 百分数为91.60%， 表明它的销量标值尺寸超过 91.6% 的商品。

在大数据分析时， 当样本数据过多， 只需提取一部分数据信息意味着总体数据进行剖析时， 为了确保所提取的结果并没有人为挑选喜好， 能用 Excel 的取样工具开展数据样本提取。

取样数据信息以全部原始记录为样版由来， 从这当中创建一个样本数据组。 取样的办法主要有两种： 一种是周期时间提取， 适用于原始记录呈规律性发展趋势遍布时使用; 另一种是随机选择， 适用于原始记录总数过多时使用。 这两种方法都可以确保提取的样版有代表性的。 下边以随机取样的办法为例子进行介绍。

流程 01取样设定。 某企业必须剖析在今年的制造的商品数据， 因为产品比较多， 不可以所有剖析， 因此选择提取 10种产品展开分析。 如图所示， 在打开的【取样】 提示框中进行取样设定。

流程 02查询取样结论。 最后成功提取的 10 个样本数据如图所示。 这 10 个样版彻底随机选择， 不会有人为要素的误差， 能够意味着总体产品展开分析。