精华内容
下载资源
问答
  • excel数据分析案例

    万次阅读 多人点赞 2018-03-24 22:33:31
    背景:现用Python爬取了某求职网站上关于数据分析的数据,我希望知道数据分析是个怎样的职位?它的工资和薪酬是多少?它有哪些特点,需要掌握哪些能力?哪些公司会招聘这样一个岗位? 1、数据有无缺失值? 数据的...

    背景:现用Python爬取了某求职网站上关于数据分析的数据,我希望知道数据分析是个怎样的职位?它的工资和薪酬是多少?它有哪些特点,需要掌握哪些能力?哪些公司会招聘这样一个岗位?

    1、数据有无缺失值?
    数据的缺失值很大程度上影响分析结果。引起缺失的原因很多,例如技术原因,爬虫没有完全抓去,例如本身的缺失,该岗位的HR没有填写。

    如果某一字段缺失数据较多(超过50%),分析过程中要考虑是否删除该字段,因为缺失过多就没有业务意义了。

    2、数据是否一致化?
    一致化指的是数据是否有统一的标准或命名。

    3、数据是否有脏数据
    脏数据是分析过程中很讨厌的环节。例如乱码,错位,重复值,未匹配数据,加密数据等。能影响到分析的都算脏数据,没有一致化也可以算。

    使用Excel的删除重复项功能,快速定位是否有重复数据。

    4、数据标准结构
    数据标准结构,就是将特殊结构的数据进行转换和规整。

    表格中,companyLableList就是以数组形式保存(JSON中的数组),我们后续得将这类格式拆分开来
    这里写图片描述

    薪水用了几K表示,这是文本,并不能直接用于计算。而且是一个范围,后续得按照最高薪水和最低薪水拆成两列。
    这里写图片描述

    数据清洗

    1、将salary拆成最高薪水和最低薪水有二种办法。

    一是直接分列,以”-“为拆分符,得到两列数据,然后利用替换功能删除 k这个字符串,得到结果。

    二是利用文本查找的思想,重点讲一下这个。先用 =FIND(“k”,O2,1)。查找第一个K(最低薪酬)出现的位置。

    这里FIND函数对大小写敏感,数据中的k是小写。

    两列分别命名为bottomSalary和topSalary,下面找出bottomSalary:
    这里写图片描述

    输入=LEFT(O2,FIND(“k”,O2,1))得到的结果就是 7K,要去除掉k,FIND(“k”,O2,1)再减去1即可。

    最高薪水也是同样的思路,但不能使用第一个K的位置,因为第二个薪水位置不固定。需要利用find查找”-“位置,然后截取 从”-” 到最后第二个位置的字符串。

    =MID(O2,FIND(“-“,O2,1)+1,LEN(O2)-FIND(“-“,O2,1)-1)
    这里写图片描述

    上面的公式输入成功后,要想对每一行都套用,可以利用单元格的右下角,向下拖拽即可。

    因为薪水是一个范围,我们不可能拿范围计算平均工资。那怎么办呢?我们只能取最高薪水和最低薪水的平均数作为该岗位薪资。这是数据来源的缺陷,因为我们并不能知道应聘者实际能拿多少。这是薪水计算的误差。
    这里写图片描述

    因为R2,S2为文本,所以要写成R2*1,把它转换成数值。

    文本格式里输入数字,显示仍然会是数字,只是对齐方式不一样:

    文本格式靠左对齐,数字格式靠右对齐.

    还有就是用函数计算的时候不同:文本格式不参与函数里数值的计算,

    另一个误差就是 工资范围写成6k以上,我们取最高薪水和最低薪水相等。

    2、companyLabelList 分列
    companyLabelList是公司标签,诸如技能培训啊、五险一金啊等等。直接用分列即可。大家需要注意,分列会覆盖掉右列单元格,所以记得复制到最后一列再分。
    这里写图片描述

    3、清洗positionLables职位标签。某一个职位最多的标签有13个。

    [‘实习生’, ‘主管’, ‘经理’, ‘顾问’, ‘销售’, ‘客户代表’, ‘分析师’, ‘职业培训’, ‘教育’, ‘培训’, ‘金融’, ‘证券’, ‘讲师’]

    4、针对positionName用数据透视表,统计各名称出现的次数。
    这里写图片描述

    =COUNTIF(B4:B2166,”<3”)
    出现次数为3次以下的职位,有约一千,都是各类特别称谓。

    那就用关键词查找的思路,找出包含有数据分析、分析师、数据运营等关键词的岗位。

    用find和数组函数结合,shift+ctrl+enter输入。就得到了多条件查找后的结果。

    =IF(COUNT(FIND({“数据分析”,”数据运营”,”分析师”},N3)),”1”,”0”)

    单纯的find 只会查找数据分析这个词,必须嵌套count才会变成真数组。
    这里写图片描述

    将ISDA值为1 的数据过滤出来,即为我们要分析的数据。

    分析过程

    因为主要数据均是文本格式,所以偏向汇总统计的计算。如果数值型的数据比较多,就会涉及到统计、比例等概念。如果有时间类数据,那么还会有趋势、变化的概念。
    1、城市分布

    这里写图片描述
    看来北京的数据分析岗位机会远较其他城市多。1-3年和3-5年两个时间段的缺口更大。应届毕业生似乎比1年一下经验的更吃香。爬取时间为11月,这时候校招陆续开始,大公司会
    有线下校招,实际岗位应该更多。小公司则倾向发布。这是招聘网站的限制。

    2、公司规模

    这里写图片描述
    公司越大,对数据分析的需求越多。但这样分析并不准确,应该用比例,计算不同类型的企业人均招聘数。还有一种情况是,企业刚好招满数据分析师,就不发布岗位了,数据包含的只是正在招聘数据分析师的企业,这些都是限制分析的因素。

    3、看一下各城市招聘Top5公司。

    这里写图片描述
    (先筛选出各城市,然后分别做数据透视表。)

    北京的美团以78个数据分析职位招聘力压群雄,甚至一定程度上拉高了北京的数据。
    比较奇怪的是阿里巴巴并没有在杭州上榜,看来是该阶段招聘需求不大,或者数据分析师有其他招聘渠道。

    4、我们看一下数据分析师的薪水

    筛选出ISDA=1的数据,复制到另一张表中,再用数据透视表。
    这里写图片描述

    南京、西安在应届生中的平均薪资最高,是因为招聘职位不多,单独一两个企业的高薪影响了平均数,其余互联网二线城市同理。当工作年限达到3年以上,北上深杭的数据分析师薪资则明显高于其他城市。

    数据会有误差性么?会的,因为存在薪资极值影响。而数据透视表没有中位数选项。我们也可以单独用分位数进行计算,降低误差。
    这里写图片描述

    分析师、数据、数据分析是最多的标签。除此以外,需求分析,BI,数据挖掘也出现在前列。看来不少数据分析师的要求掌握数据挖掘

    展开全文
  • excel商用数据分析计算机软件及应用it计算机专业资料.pptx
  • 现在数据获取越来越便捷,企业经营管理更加追求精细... 这300个excel数据分析案例涵盖了商务决策、经营管理、营销与运营方面的案例,并不是只是简单地介绍excel功能的使用方法,而是把excel技能与实际案例结合起来,...

    现在数据获取越来越便捷,企业经营管理更加追求精细化,数据分析已经成为必备的工作技能了,excel作为最通用的办公软件,具有学习成本低、简单高效的优势,基本上能够满足95%以上的数据分析需求,也是专业数据分析师必须熟练掌握的工具之一。

    这300个excel数据分析案例涵盖了商务决策、经营管理、营销与运营方面的案例,并不是只是简单地介绍excel功能的使用方法,而是把excel技能与实际案例结合起来,把excel基本技能融在了包括分析问题分析、公式推导、特征工程、模型搭建、函数与控件、数据透视表、分析结果可视化与解读等完整的实践案例中,真正地能够落地解决决策、运营、管理和市场中面临的实际问题。还会提供完整的源数据,以供按照步骤逐步学习、复现操作。

    300个数据分析案例将会在6个月左右更新完毕,所有购买了案例的同学,都将会被邀请到专属的社群里,大家可以在里面交流互动,同时还会有非常多的数据分析案例和教程。

    315856ce9973981127f1aacdc618aaa1.png
    展开全文
  • 这是小编学习数据分析过程中,利用Excel对数据进行清洗,分析,可视化的一次练习。数据分析师,有一项必不可少的技能要求就是会 Excel 做数据清洗、建模和分析,现在就用 Excel 来实战分析数据分析师的招聘需求如何...

    edf73bb790879f18a3f52be1206df943.png

    这是小编学习数据分析过程中,利用Excel对数据进行清洗,分析,可视化的一次练习。

    数据分析师,有一项必不可少的技能要求就是会 Excel 做数据清洗、建模和分析,现在就用 Excel 来实战分析数据分析师的招聘需求如何。用到的是 Windows版 Excel 2016。

    原始的数据如下

    5df46ee18562fc6ef883cf7422e61eb7.png

    第一步,明确分析问题

    要分析数据分析师岗位的招聘需求可以从2个维度来思考这个问题

    1. 城市需求分布如何

    2. 薪资分布如何

    第二步,数据清洗

    数据清洗是数据分析非常重要的一环,做好数据清洗的目的:是保证数据的准确度,才能让我们进行数据分析的下一步骤,数据清洗的步骤是数据分析中最花费最花费时间的步骤,但是必不可少,数据清洗除了利用Excel进行,也可以利用Python进行。两者最大的差异便是效率与自动程度,本文采用Excel进行数据分析。

    1. 理解数据,选择重点分析对象

    得到原始数据后,第一步是要理解每一列的数据表示含义,即每一个字段的含义,因为在不同的业务模式中,字段的含义也不尽相同,我们需要先理解好数据含义

    第二步:需要我们选择出重点的分析对象,将无关紧要或者意义重复的列进行隐藏(最好是隐藏,不要删除数据,这是为了保留数据的完整性)。

    2. 删除重复值、处理缺失值

    本数据中发现一个 “职位ID” 对应一个职位,所以只要去看 “职位ID“列 里面的 “职位ID” 有没有重复值,有的话就把重复值删除。

    具体操作如下:

    选择:数据 > 删除重复项 > 选择列,出现以下图示:

    Ps:选择的时候,可以勾选数据是否包含标题来帮助自己选择数据

    7ae676ed62224d514b34133726d5b95a.png

    点击确认后,会自动删除有重复值的那一整行,如下图:

    388c0c129df31624a54d4981e4b97e15.png

    重复值删除后,若此列的值共有 A 个,其他分析列的值小于 A 个,就需要将有缺失值的列补全。比如此表发现 “城市” 列有缺失,选中 “城市” 列,使用定位功能,定位 “空值”,就可以将缺失值的单元格找出来,定位功能的快捷键是 Control + G,选择定位条件

    eff06e530534d192cdf78e3a9f0d14f6.png

    找出空值的单元格后,如果需要输入在所有空格中的内容一致,则在第一个空格中输入内容后按住 Control + Enter 就可以自动将所有空值单元格补全,如果需要输入在空格的内容不一致,则可以使用筛选功能筛选出空格,再进行填充。

    处理缺失值有四种办法:

    · 通过人工手动补全

    · 删除缺失数据

    · 用平均值代替缺失值

    · 用统计模型计算出的值代替缺失值

    3. 数据一致化处理

    一致化是什么意思?就是把所有的数据处理成容易使用公式或者数据透视表的形式。

    举例1,在 “公司所属” 列中,大部分公司从属一个行业,小部分公司从属两个行业,此时就需要将这两个行业分隔开来。此时需要用到的功能是 “分列”,一般需要将需要分列的列粘贴到最后一列,这样分割出来的列有足够的空间,不会遮挡原本单元格内容,操作如下图:

    先选中你要分分列的那一行:

    f1c76b2b7927cb1770c333e9674fc329.png

    选择:数据 > 分列 > 分隔符号 > 填写分隔符号:

    d1ea2680ec7c24aaf118532379982611.png

    e9e01e9926e18e2b70049f7feb75777b.png

    注:如果原单元格内容是 “A,B”,用分隔符 “,” 分列后成 A、B 两列;如果原单元格内容是 “A,B,C”,用分隔符 “,” 分列后成 A、B、C 三列。

    举例2,我们需要分析薪水的水平如何,但是 “薪水”列中,薪水是使用一个区间表示的,这时需要把最低薪水和最高薪水分隔开来,才能更好的直接使用图表查看薪水情况,这里需要用到函数 Find 和 Left/Mid/Right 和 Len。

    Find 函数,用于查找一个字符串在另一个字符串中出现的位置,公式为:

    Find("需要查找的字符串”,单元格)

    Left/Mid/Right 函数,用于截取字符串内容,分别表示从左中右截取,公式为:

    Left(字符串所在单元格,从左开始到##位置进行截取)

    Right(字符串所在单元格,从右开始在##位置进行截取)

    Mid(字符串所在单元格,开始位置,截取长度)

    Len 函数,用于计算文本串的字符个数,公式为:

    Len(文本串)

    所以如下图所示,最低薪水和最高薪水计算公式为:

    b82c8ccd3f16c404115435cdad73dd7d.png

    cae0c65a7b168ad94af2f2fde47d14be.png

    公式完后,用筛选功能检查数据是否全部都截取正常,发现 “最低薪水”列 有不能显示的值,如下图:

    6ea2e7944d86eee9f73d0055c1401c67.png

    此时需要找出问题在哪,既然公式是正确的,那去查看原本的字符串是否有问题,发现这些不能显示的值对应的 “薪水”列中都是大写的 “K”,而前面用到的公式中都用的小写的 “k”,此时使用替换功能将 K 替换为 k 即可。或者是修改公式中的小k为K,保持保证公式与数据统一就OK了。

    e96597ac5a6bc7513dcabf00208732ad.png

    在最高薪水列,也有不能显示的值

    8a031a1e72720c0c402047f4291f0ea2.png

    此时可看到,因为没有最高薪水所以显示不出来,处理办法可用最高薪水=最低薪水,来弥补这些缺失值。

    计算完成后,将最低薪水和最高薪水复制,选择性粘贴“值”到另两行之后可以计算平均值,并降序排列。(注意粘贴完后需要将数值的 “文本”格式改成 “数字”格式)

    按照以上步骤,分析好的数据如下

    7debccce71d73f8c88165e139854597a.png

    4. 异常值处理

    “职位名称”列 中有非常多的职位名称,但我们需要分析的是数据分析类岗位,所以需要选择出与数据分析类岗位匹配的 “职位名称”。此时需要用到数据透视表功能。

    插入数据透视表后,如下图所示处理,

    fb30aea8624bfdebca29479ad3584b86.png

    接着将 “职位名称” 按计数项降序排列,如下图

    f9fd03b1285dd356e60b01b4b415ab32.png

    挑选计数最多的职位名称里面的关键词,可看出为“数据分析”,“分析师”,“数据运营”为三个关键词,于是回到原表,在 “职位名称” 后插入新列,选择出 ”职位名称” 里包含这些关键词的职位,此时需要用到 Find 和 Count 和 If 函数。

    Count 函数,用于返回某一区域中数值的个数,公式为:

    Count(区域)

    If 函数,用于验证一个条件是真是假,公式为:

    If(条件判断,结果为真显示值,结果为假显示值)

    if与count经常嵌套,表示查找某单元格是否包含某字符串,此案例的公式如下图:

    59ba793f894708411973b1d6a134e119.png

    筛选 “是” 的所有数据,复制到新表中,作为已经清洗好的数据备用。

    第三步,构建模型

    数据清洗完成后,需要做的是构建模型。数据分析一定是有目的的,所以在最开始就提出的分析目标非常有助于建模。利用数透功能可得以下数据透视表:

    e0bf70d602adea39c2ba3632e0f99f73.png

    d1ea6347b6ea0a8c3110d1bd4b76a6bd.png

    f92acd03c2cfec70efd6c55e2c74747a.png

    第四步,数据可视化

    根据上一步操作得出的数据透视表,作出以下可视化图表:

    bcccfbb96002ee306c84e9742d29699a.png

    得出结论:

    1. 数据分析师岗位的大量工作机会集中在一线城市和新一线城市,北京排在首位

    2. 从待遇上看,该岗位在深圳的薪资最高,其次为北京、上海

    3. 数据分析师是个较为年轻的职业方向,大量工作机会经验要求集中在1-3年,5年为一个瓶颈期

    4. 随着经验累积,薪酬不断提升,10年以上工作经验的人能获得相当丰厚的薪酬

    5. 对于上海来说,对于工作经验要求分布较均匀,随着工作年限增加,薪酬增长幅度不大

    展开全文
  • 通过使用Excel做因子因素分析后,可以得到如下结果:下表显示的是所选变量的摘要统计量以及变量之间的相关矩阵。我们可以看到一些相关性非常高(“执行流”和“清晰度”为0.883)。为整个输入表计...

    有48位求职者信息,用15个维度来衡量求职者与岗位的适应度,具体数据信息如下:

    642ccea96f316c8ccd13791d4b89ae3a.png

    由于变量之间的许多相关性很高,因此认为法官可能会混淆某些变量,或者某些变量可能是多余的。因此,进行了因素分析以确定较少的潜在因素。

    通过使用Excel做因子因素分析后,可以得到如下结果:

    下表显示的是所选变量的摘要统计量以及变量之间的相关矩阵。我们可以看到一些相关性非常高(“执行流”和“清晰度”为0.883)。

    906f0d0f0680ae95b55194acd0a06523.png

    为整个输入表计算标准化的Cronbach的alpha。α为0.914意味着所选变量之间存在一定的冗余。

    再看和残差相关矩阵可以验证因子分析模型是否正确,以及在哪里无法再现相关性。

    下表显示了因子分析得出的特征值。我们可以看到,使用4个因子,保留了初始数据变异性的75.5%。

    0e9b07ee5659383f5475e1ea0c7c6a98.png

    注意:以上显示的特征值是通过主因子提取方法获得的。

    接下来,我们可以看到varimax旋转改变了每个因子解释部分方差的方式。

    方差最大旋转通过按列最大化平方因子加载的方差,使解释更容易。对于给定的因素,高负载变得更高,低负载变得更低,中间负载变得更低或更高。

    609089a4bb7c2ca74b481d1c7b781b2f.png

    要查看的下一个结果是varimax旋转后的因子加载。这些结果用于解释(旋转)因子的含义。

    2c3278440638a4b9a5bc24bb5d4623cb.png

    从这张表中我们可以看出,第一个因素与形象,好感度,自信力和目标力高度相关。第二个因素是申请书,经验和匹配度。

    从这些结果可以看出,在第一因素上得分高的人是有前途的推销员,而对于管理等其他工作,在第二和第三因素上坐标高的人可能更合适。

    下图给出了变量在轴F1和F2上的位置。可以显示混合其他因素的其他图表。

    824301a6b76de745cf7a0519633fa814.png

    下表给出了varimax旋转后的因子得分,它们是因子轴上观测值的估计坐标。

    09d179df5465490cf93439d3c7f7c6be.png

    在所选因子上显示2D映射,下图显示了所有候选人在F1和F2地图的分布。

    ade17c4489092e216e8426ca028fa227.png
    展开全文
  • 原文:... 本文为原文基础上的练习作 ... 数据分析的基本步骤: 1、提出问题(有时,会在清洗完数据后,根据数据的描述性分析,再提出合理的问题。本数据集,即在清洗后,提出了问题) ...
  • 本文来自读者投稿,作者:晓东写在前面这次来分享一个数据采集与Excel数据分析的方法,内容比较简单,就像10分钟可以做好的早餐那样。目标是以麦当劳天猫旗舰店的数据为例,想知道:哪一款产品销量最高,店铺的销售...
  • 下的练习作。 数据源:...数据第一列没有标题,观察发现是记录的是一年中的第n周,故命名为Week。按照原文介绍,4060,4225,4770是三种牛油果的不同品种。查找空值发现,表中没有空...
  • excel中可以用NORMDIST和NORMSDIST两个函数来计算给定的均值和标准差的累积概率。为了说明正态分布如何应用,假设顾客的需求符合正态分布,均值是750单位/月,标准差是100单位/月,想知道以下信息:1、需求最多为...
  • EXCEL数据分析案例分享——KAGGLE牛油果价格欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个...
  • 第三章 Excel数据分析常用函数;3.3.1 字符串截取类函数;3.3.1 字符串截取类函数;3.3.1 字符串截取类函数;3.3.1 字符串截取类函数;3.3.1 字符串截取类函数;3.3.1 字符串截取类函数;3.3.1 字符串截取类函数;3.3.1 字符...
  • excel数据分析常用图表制作案例

    千次阅读 2019-11-07 13:07:26
    图1:excel柱状图加图片展示制作,柱状图+折线图混合使用 图2:excel制作桶装水图(水银图),柱状图+柱状图混合使用 图3:excel制作人体柱状图,层叠缩放图 图4:excel制作仪表盘制作,圆环图 + 扇形图...
  • Excel数据分析辞典

    2019-01-08 13:53:43
    Excel数据分析辞典(双色)》是2014年电子工业出版社出版的图书,本书以辞典的形式,分门别类地收录了有关Excel数据分析的常用知识,并提供了大量精彩实用案例,配以详尽的思路解析和图解操作内容,是职场人士的...
  • Excel数据分析与图表应用案例精粹_光盘 杨广于 清华大学出版社,2012 目录 第1章 公式与函数基本操作 1  1.1 Excel公式的基本操作 1  1.1.1 公式的输入与编辑 1  1.1.2 公式中的运算符 2  1.1.3 单元格的引用...
  • 睡梦中惊醒方知原来这一切只不过是梦一场,哈哈O(∩_∩)O哈哈~今天跟大家分享一下,餐饮店商业数据分析仪的制作全过程......目录:一、数据导入二、Mysql数据加工三、Excel数据加工与建模四、数据透视与制图--------...
  • Excel数据分析实例

    2021-03-26 21:04:36
    Excel数据分析实例 Excel数据分析五步走: 明确目的——观察数据——数据清洗——数据分析——数据可视化 数据是从Kaggle上下载的,牛油果的案例 目的 数据分析都是为了企业业务做得更好,这次案例主要针对于牛油果...
  • 睡梦中惊醒方知原来这一切只不过是梦一场,哈哈O(∩_∩)O哈哈~今天跟大家分享一下,餐饮店商业数据分析仪的制作全过程......目录:一、数据导入二、Mysql数据加工三、Excel数据加工与建模四、数据透视与制图--------...
  • 一、数据分析步骤明确问题:知道你要研究什么问题,从而有目地的查找数据理解数据:寻找与问题...在Excel安装数据分析功能(安装步骤:文件~选项~加载项~Excel加载项 转到~分析工具库,注意!这是Microsoft Ex...
  • 数据分析案例:超市数据管理驾舱 所需内容: 1、pandas数据清洗 2、pyecharts绘图工具 3、绘制可视化大屏 1.获取数据 代码如下实例: # 读取数据 data = pd.read_excel('../data/超市数据.xlsx') pandas 是基于...
  • 案例分为5步去分析 分步讲解 最长公共子序列求法 1在Excel中找到规律 2规律总结到程序中 3根据规律找到长度 4找到长度的规律 5长度对应的值及对应的公共子序列 这个算法可以应用到文字录入测试的应用中,测试...
  • 数据分析、拆分Excel案例及代码实现DataFrame数据结构读取CSVDataFrame去除重复DataFrame筛选数据Matplotlib针对Pandas进行数据可视化并生成图片DataFrame数据和图片保存到Excel中 DataFrame数据结构 读取CSV ...
  • 通过前面对家电零售行业数据分析的思路和数据分析常用指标理论描述,我们应该对数据分析过程应该有了一个大概的了解,接下来我们将理论结合实际,再通过一个具体的案例来感受下数据分析的过程。一、提出问题:明确...
  • Python数据分析案例-药店销售数据分析

    千次阅读 多人点赞 2020-05-20 11:14:02
    最近学习了Python数据分析的一些基础知识,就找了一个药品数据分析的小项目来练一下手。 数据分析的目的: 本篇文章中,假设以朝阳医院2018年销售数据为例,目的是了解朝阳医院在2018年里的销售情况,通过对朝阳区...
  • 数据分析的一般步骤,对某药店销售数据进行分析:提出问题理解数据数据清洗构建模型数据可视化1、提出问题根据已有的销售数据,对如下业务指标进行分析:月均消费次数、月均消费金额、客单价和消费趋势.2、理解...
  • 精美课件,内容充实,制作完善,尽快通过吧
  • 精美课件,内容充实,制作完善,尽快通过吧
  • 精美课件,内容充实,制作完善,尽快通过吧
  • 高清带书签,文中案例打包放在了一起。...《我最想要的Excel数据分析书》从统计分析最基础的解决思路开始介绍,然后结合四个实际实用案例进行了讲解,最后阐述了如何利用EXCEL环境,使数据分析更加高效。
  • 首先先明确一下对于该数据分析流程 ...案例背景:这是一份淘宝母婴用品店的销售数据,需要帮助商家进行商品的最优选择(该数据集来自阿里天池) 目标:找出产品种类、时间、客户性别的变化对.
  • 精美课件,内容充实,制作完善,尽快通过吧

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 912
精华内容 364
关键字:

excel数据分析案例