精华内容
下载资源
问答
  • 2010excel分析工具库

    2015-12-13 21:11:14
    2010excel分析工具库直接解压放入
  • excel分析工具库

    2009-04-09 21:12:24
    excel 分析工具库 Library
  • Excel分析工具库

    2009-05-31 10:39:28
    这是一个Excel分析工具库,是一个小程序,可以安全下载,使用。
  • 那么excel分析数据真的有那么难么?难!而且用excel做数据分析,筛选、过滤、排序,简单公式,数据透视表、简直头大。那么,除去Excel,除去数据透视表,有没有可替代的工具呢?有。比如Smartbi大数据分析工具 --...

    ​数据分析,除了Excel数据透视表,还有什么工具?

    经常听到同事说:

    “Excel很难,做个简单图表还行,一看到透视表就晕。”

    “作为表哥表姐,每天的工作就是复制粘贴,不懂技巧,一行一行审查数据,枯燥没有含金量。”

    …….

    那么excel分析数据真的有那么难么?难!而且用excel做数据分析,筛选、过滤、排序,简单公式,数据透视表、简直头大。那么,除去Excel,除去数据透视表,有没有可替代的工具呢?有。比如Smartbi大数据分析工具 --Excel融合分析。

    什么是Smartbi Excel融合分析?

    Smartbi Excel分析是一款面向excel用户的自助式分析工具,它等于"Smartbi 数据服务 + Excel分析插件 + Excel自身功能”,用户在使用时简单易上手,并且该功能延续了Excel的优点,解决了Excel的缺点,同时融入了BI软件的强大能力;

    1. 为什么需要 Smartbi Excel融合分析

    · 用户已经习惯使用Excel,学习新的工具成本高,使用不顺手;

    · Excel提供了非常强大灵活的数据处理、数据分析以及数据可视化的能力;

    · 用户存在大量基于Excel的报表模板,这些模板积累了大量的业务智慧;换成其他的分析工具,Excel业务模板无法重用;

    · 市面上分析工具给用户提供分析能力的同时,也限制了用户想象力;在功能的灵活性上远不如Excel,无法满足业务用户的分析功能需求。

      但Excel也存在一些问题,长期困扰一线业务用户:
    

    · 首先是性能问题。对于大数据量,Excel处理起来很慢,甚至超过100万行,就完全不支持;

    · 数据获取的过程麻烦。特别是周期性的数据获取,每次都要找IT人员帮忙,再粘贴到excel中去;

    · 共享的安全性和便利性问题。用户大都是把Excel文件通过邮件或即时通讯软件共享;首先,文件满天飞,不好管理;其次,权限不好控制,没法做到只共享分析结果,而不共享明细数据;最后,数据没法做到每个人的数据不同,根据用户权限动态更新数据。

       Smartbi Excel 分析就是面向Excel用户的数据分析工具,它结合了Excel的优点,解决了Excel的问题;
    
       真正做到赋能企业一线业务用户,让人人都是自助分析师,促进企业的全民数字化运营。
    
    1. Smartbi Excel融合分析的用户价值

    · 零学习门槛,会Excel就能自助分析,上手快、数据分析不求人;

    · 对企业来说,节约人力资源,提高了生产效率;

    · 为业务赋能,为管理赋能;

    1. Smartbi Excel融合分析的优势

      Smartbi Excel功能定位是基于Excel自助分析工具; 业务用户自助做报表/做分析;最大的优点是自助取数;

      变换参数就能刷出新数据,提升工作效率,用户不用学其他BI工具。

      功能亮点:
      

    · 支持Excel直连数据库,数据准备自己搞定

    · 支持使用Excel计算公式对线上线下数据做联合分析

    · 支持使用Excel图形、数据透视表来分析和展现数据

    · 支持模板和数据分离,重用分析模板,动态更新数据

    · 支持对Excel中的数据进行二次加工,告别依赖于IT人员处理的困境

    · 支持超大数据量处理,支持在个人Excel端运算,也支持在服务器(集群)运算

    · 支持全面的权限管控,提供细粒度的权限控制,精确控制每一个用户的数据权限

                                           图:通过数据透视表进行数据准备
    

    在这里插入图片描述

    图:通过公式将线上线下数据联合到一起

    思迈特商业智能与大数据分析软件—Smartbi是企业级商业智能和大数据分析平台,经过多年的持续发展,整合了各行业的数据分析和决策支持的功能需求。Smartbi满足最终用户在企业级报表、数据可视化分析、自助分析平台、数据挖掘建模、AI智能分析等大数据分析需求。

    Smartbi提供个人版长期免费使用,有兴趣的小伙伴可以上Smartbi官网免费体验。

    展开全文
  • 利用Excel分析链家二手房数据

    千次阅读 2019-04-22 20:54:33
    Excel分析链家二手房数据 首先导入数据: 可以从工具点击“数据”选项卡–>获取外部数据–>选择“自文本”选项 然后根据文本的特征选择相应的格式就行了 观察一下数据集,数据大体详情如下: 由于特征名看...

    Excel分析链家二手房数据
    本次数据分析旨在使用Excel工具分析网上爬取的链家北京而二手房数据,我们都知道爬虫爬取到的数据不出意外有很多都是混乱、错误、或者乱码的数据,所以这里使用Excel工具对数据进行清洗、整理、转换、构造等操作,同时还对数据进行可视化分析,最后采用python构建预测模型对二手房房价进行学习训练,并且预测房价。

    首先导入数据:
    可以从工具点击“数据”选项卡–>获取外部数据–>选择“自文本”选项
    然后根据文本的特征选择相应的格式就行了
    在这里插入图片描述
    观察一下数据集,数据大体详情如下:
    在这里插入图片描述
    由于特征名看起来有点乱,可以将数据调成自己习惯观察的顺序,这里就不贴出具体操作了:

    数据集一共有23677条数据,其中Elevator(电梯)特征有明显的缺失值
    在Excel里有个快速填充缺失值的方法:快捷键Ctrl+G导出定位操作栏,选择定位位置和空值定位条件则会选完所有的缺失值,然后写入相应的填充值如(平均值,众数、中位数等),按Ctrl + Enter键即可全部填充完成。
    不过本数据集的缺失值为类型数据,且考虑到生活中常见的房子特点,这里电梯缺失值填充方法为:将Floor(楼层)大于6层的填充为有电梯,小于或等于6层的为无电梯,可以利用函数实现:
    将空值筛选出来,写入公式:IF(E2>6,“有电梯”,“无电梯”),将公式下拉填充所有缺失值,缺失值填充完成

    现在暂时也看不出什么数据的异常值,可以先进行数据可视化分析,等发现异常值再处理:

    首先可以看一下Price(房价)与Size(面积)的关系,这里用散点图进行分析:
    在这里插入图片描述
    通过图表可以观察得到:

    • 发现 Size 特征基本与Price呈现线性关系,符合基本常识,面积越大,价格越高。但是有两组明显的异常点:1.面积不到10平米,但是价格超出1000万;2. 一个点面积超过了1000平米,价格很低,需要查看是什么情况。

    筛选Size,选择Size小于10平米的数据来观察:
    在这里插入图片描述
    经过查看发现这组数据是别墅,出现异常的原因是由于别墅结构比较特殊(无朝向无电梯),字段定义与二手商品房不太一样导致爬虫爬取数据错位。也因别墅类型二手房不在我们的考虑范围之内,故将其移除再次观察Size分布和Price关系。

    筛选Size,选择大于1000万的来观察:
    在这里插入图片描述
    经观察这个异常点不是普通的民用二手房,很可能是商用房,所以才有1房间0厅确有如此大超过1000平米的面积,这里选择移除。
    再次观察图表:
    在这里插入图片描述
    重新进行可视化发现就没有明显的异常点了。

    接下来可以观察一下不同地区的价格是如何分布的:
    这里可以添加一个特征,Perprice(每平米价格),直接用公式求即可,此外还需保留两位小数:Perprice=ROUND(Size/Price,2)
    创建数据透视表–>选择地区作为行标签,每平米价格作为计算值,计算出各个地区的平均价格,绘制出相应的图表:
    在这里插入图片描述
    在这里插入图片描述

    • 二手房均价:西城区的房价最贵均价大约11万/平,因为西城在二环以里,且是热门学区房的聚集地。其次是东城大约10万/平,然后是海淀大约8.5万/平,其它均低于8万/平。
    • 二手房房数量:从数量统计上来看,目前二手房市场上比较火热的区域。海淀区和朝阳区二手房数量最多,差不多都接近3000套,毕竟大区,需求量也大。然后是丰台区,近几年正在改造建设,有赶超之势。

    Layout(户型)分析:
    在这里插入图片描述
    不看不知道,原来房子的户型这么多,不过平常我们都是说房子几房几厅或者几室几厅,很少会听到几房几卫,而且这里也大多数是几室几厅的类型的数据,所以为了统一数据格式和方便观察,需要需要使用特征工程进行相应的处理,现在先暂时不处理。

    Renovation(装修程度) 特征分析
    在这里插入图片描述
    可以看到二手当中总体还是精装修比较多,简装修次之;
    在这里插入图片描述
    从装修程度与价格的箱式图来看:

    • 对于价格来说:精装修价格比较高,其次反而是毛坯房。

    Elevator(电梯) 特征分析
    在这里插入图片描述
    在这里插入图片描述

    • 结果观察到,有电梯的二手房数量居多一些,毕竟高层土地利用率比较高,适合北京庞大的人群需要,而高层就需要电梯。相应的,有电梯二手房房价较高,因为电梯前期装修费和后期维护费包含内了(但这个价格比较只是一个平均的概念,比如无电梯的6层豪华小区当然价格更高了)。

    Year(年份)特征分析:
    在这里插入图片描述
    图表采用年份做维度,分别绘制出不同装修程度价格随减分推移的价格趋势
    从图中可以看出:

    • 总体房价是随着年份的增长而上升的

    • 2000年以后建造的二手房房价相较于2000年以前有很明显的价格上涨

    • 从装修程度细分来看,精装修和简装修上升趋势最为明显,其他装修一般,而毛坯房必将趋于平稳,从侧面可以看出,房子装修成本也越来越高;

    在这里插入图片描述
    在这里插入图片描述
    从以上两张图可以看出:

    • 1980年之前几乎不存在有电梯二手房数据,说明1980年之前还没有大面积安装电梯;
    • 2005年后有无电梯二手房的数量都出现了明显的降低,猜测应该是买二手房的人数增加,导致空置的二手房数量减少

    Floor(楼层)特征分析:
    在这里插入图片描述

    • 可以看到,6层二手房数量最多,但是单独的楼层特征没有什么意义,因为每个小区住房的总楼层数都不一样,我们需要知道楼层的相对意义。另外,楼层与文化也有很重要联系,比如中国文化七上八下,七层可能受欢迎,房价也贵,而一般也不会有4层或18层。当然,正常情况下中间楼层是比较受欢迎的,价格也高,底层和顶层受欢迎度较低,价格也相对较低。所以楼层是一个非常复杂的特征,对房价影响也比较大。

    以上就是本次二手房数据的可视化分析,接下来需要做更多的特征工程处理,方便建立房价预测模型。

    特征工程

    • 特征工程包括的内容很多,有特征清洗,预处理,监控等,而预处理根据单一特征或多特征又分很多种方法,如归一化,降维,特征选择,特征筛选等等。这么多的方法,为的是什么呢?其目的是让这些特征更友好的作为模型的输入,处理数据的好坏会严重的影响模型性能,而好的特征工程有的时候甚至比建模调参更重要。

    前面主要是做了两个特征工程:
    缺失值填充:

    • 根据楼层 Floor 来判断有无电梯,一般的楼层大于6的都有电梯,而小于等于6层的一般都没有电梯。

    数据清洗:

    • 移除结构类型异常值和房屋大小异常值:将房屋类型为别墅(Size<10)、Size>1000的数据筛选掉了;

    接下来继续,在前面的户型数量汇总图中可以现,二手房户型种类比较多,各种厅室组合搭配,竟然还有9室3厅,4室0厅等奇怪的结构。其中,2室一厅占绝大部分,其次是3室一厅,2室2厅,3室两厅。但是仔细观察特征分类下有很多不规则的命名,比如2室一厅与2房间1卫,还有别墅,没有统一的叫法。这样的特征肯定是不能作为机器学习模型的数据输入的,需要使用特征工程进行相应的处理。这里可以把数据统一成几室几厅的类型,由于数据量还是比较大的,可以将不符合类型的去掉。
    具体操作如下:
    新建一列:M列,在M2输入公式:=IF(RIGHT(H2,1)=“厅”,True,False),然后下拉填充即可
    在这里插入图片描述
    接着筛选O列,将为False的数据删除掉
    在这里插入图片描述
    提取“室”和“厅”创建新特征
    操作如下:
    新建两列Layout_room_num(房间数)、Layout_hall_num(客厅数),分别输入公式:=LEFT(H2,1) 、=MID(H2,3,1)
    在这里插入图片描述
    根据已有特征构建新特征
    Layout_total_num(总房间数)= Layout_room + Layout_hall_num、
    Size_room_ratio(房间平均面积)= Size / Layout_total_num

    删除无用特征
    Layout、PerPrice、Garden

    Year特征处理:

    • 我们还有一个 Year 特征,为建房的年限时间。年限种类很多,分布在1950和2018之间,如果每个不同的 Year
      值都作为特征值,我们并不能找出 Year 对 Price 有什么影响,因为年限划分的太细了。因此,我们只有将连续数值型特征 Year
      离散化,做分箱处理。

    根据各个时间段的二手房数量来分析,个人认为可以将年份分为8个区间:如下图所示:
    在这里插入图片描述
    具体操作如下:
    将上图的数据创建出来,然后新建一列Year_label,利用VLOOKUP函数匹配出新特征
    在这里插入图片描述
    最后删除掉Year特征

    还剩下一些特征工程因为使用Excel来操作很复杂,难于实现,所以以下将采用python的pandas模块来进行操作,同时也要在python上建立随机森林预测模型来预测房价的价格。
    将数据整理保存为csv格式,然后在Jupyter notebook环境下导入数据进行操作。

    Direction特征处理:
    1.导入数据

    import pandas as pd
    data= pd.read_csv('C:\\Users\\Master\\Desktop\\lianjia.csv')
    #观察数据
    data.head()
    

    输出:
    在这里插入图片描述
    2.查看Direction特征:

    data.Direction.value_counts()
    

    输出:
    在这里插入图片描述
    由于各种朝向都有,非常之多,所以这里只能贴出一小部分,但是这些在链家的信息上就是这样,没办法,为了是预测准确,这里需要将他们进行处理;
    代码如下:

    #两个字的以此为准
    d_list_two = ['东西','东南','东北','西南','西北','南北']
    #三个字的以此为准
    d_list_three = ['东西南','东西北','东南北','西南北']
    #四个字的朝向毫无疑问只能是东南西北了
    for i in range(data.shape[0]):
        list_data = []
        for d in data.iloc[i,0]:
            list_data.append(d)
        list_data = set(list_data)
        if len(list_data) >= 4:
            data.iloc[i,0] = '东西南北'
        if len(list_data) == 2:
          for str1 in d_list_two:
            n_list = [a for a in list_data if a in str1]
            if len(n_list) == 2:
              data.iloc[i,0] = str1
              break
        if len(list_data) == 3:
          for str1 in d_list_three:
            n_list = [a for a in list_data if a in str1]
            if len(n_list) == 2:
              data.iloc[i,0] = str1
              break
    
    #再看一下数据:
    data.Direction.value_counts()          
    

    输出:
    在这里插入图片描述
    是不是感觉清爽了很多。。。

    One-hot coding
    最后的特征工程就剩下 One-hot 独热编码了,因为像 Region,Year(离散分箱后),Direction,Renovation,Elevator等特征都是定类的非数值型类型,而作为模型的输入我们需要将这些非数值量化
    由于这里的操作用Excel来实现很是复杂,所以这里依然是用python来完成这一部分的操作

    # 对于object特征进行onehot编码
    data1 = pd.get_dummies(data)
    data1.head()
    

    输出:
    在这里插入图片描述
    一步到位,是不是很简单,好了,特征工程暂时到这里就告一段落了,接下来就是模型的构建了。

    构建模型

    1.导入相关的模块

    from sklearn.ensemble import RandomForestRegressor
    from sklearn.model_selection import train_test_split
    

    2.构建训练数据和测试数据:

    X = data1.loc[:,data1.columns != 'Price']
    y = data1.loc[:, data1.columns == 'Price']
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
    

    3.训练数据并预测

    rf_Model = RandomForestRegressor(n_estimators=1000,random_state=42)
    rf_Model.fit(X_train, y_train.values.ravel())
    y_pred = rf_Model.predict(X = X_test)
    

    4.使用R2评分来给模型打分

    from sklearn.metrics import r2_score
    score = r2_score(y_test, y_pred)
    print(score)
    

    输出:
    0.8885695774040159

    R2决定系数(拟合优度):
    在这里插入图片描述
    模型越好:r2→1
    模型越差:r2→0

    呼,到这里就大功告成了。

    总结
    这就是本次的数据分析与挖掘项目全部流程,说是使用Excel,后面又偷偷用了python,还是不够专业,且因为没有明确的需求目标,所以相关分析不仔细、深入,并且没能合成分析报告;可提升改进的地方非常多,可以有更好更健壮的方案代替,一些改进思考如下:

    • 获取更多有价值的特征信息,比如学区,附近地铁,购物中心等
    • 完善特征工程,如进行有效的特征选择
    • 使用更优秀的模型算法建模或者使用模型融合
    展开全文
  • Excel进行数据分析的时候,经常要分析两组数据的相关性。求出的值越接近1,那就说明相关性越大;越接近0,说明相关性越小。下面就说说具体步骤。具体步骤如下所示:1. 数据分析,以比较男女两组身高差异为例,首先...

    在Excel进行数据分析的时候,经常要分析两组数据的相关性。求出的值越接近1,那就说明相关性越大;越接近0,说明相关性越小。下面就说说具体步骤。

    具体步骤如下所示:

    1. 数据分析,以比较男女两组身高差异为例,首先打开excel,输入数据,然后点击左上角“文件”

    2. 首先,单击Excel左上角的office图标,然后找到下方的“excel选项 ”并点击。

    3. 然后在弹出的窗口中,选择“ 加载项 ”,在下方的“ 管理 ”选项中,再选择”excel加载项“,然后点击" 转到 "。

    4. 在弹出的“加载宏”界面中,勾选“分析工具库”,然后点击确定即可。

    5. 界面里勾选”分析工具库“,点击确定即可

    6. 现在右上角已经成功添加了“数据分析”选项卡,然后点击“数据分析”选项卡,在方差分析里面选择“无重复双因素分析”。

    7. 接下来在”输入区域“将所有数据包括分组名称全部选进去,在“输出区域”中点击文中空白位置即可,最后点击确定。

    8. 弹框就是结果分析

    9. 其实就只有三个部分,(图中已经表示出了)。

    F ,P-value, F crit

    如果F 大于 F crit,那么恭喜你,已经比对出了差异,在结合P-value,

    若P-value大于0.01,小于0.05,表示差异显著;若P-value小于0.01,则表示差异极显著。

    如果F 小于 F crit,那么P-value肯定高于0.05,则表示两组数据无差异。

    展开全文
  • excel中的分析工具不能用时,重新下载分析工具重新安装
  • 下面我们通过Smartbi大数据分析工具介绍excel分析图表制作方法,如何制作常用的图形折线图、柱状图、饼图。 excel分析图表制作操作步骤 1、在excel上拖出数据集,并且【刷新数据】如下图 2、刷新数据后,全选数据,...

    ​在Excel中通过数据间的关系选择合适的图表,轻松创建折线图、柱状图、饼图使其表达的主题和内容更加简单清晰。

    下面我们通过Smartbi大数据分析工具介绍excel分析图表制作方法,如何制作常用的图形折线图、柱状图、饼图。

    excel分析图表制作操作步骤

    1、在excel上拖出数据集,并且【刷新数据】如下图

    image.png

    2、刷新数据后,全选数据,在【插入】选项卡上选择【数据透视表】,如下图image.png

    点击【确定】,操作数据透视表,可以拖动字段在【行】、【列】里面,如下图,

    image.png

    选择【插入】选项卡

    image.png

    选择【推荐的图表】

    image.png

    2.3 先插入柱形图,效果如下:

    image.png

    折线图:

    image.png

    饼图:

    image.png

    1. 总结

    本文通过Smartbi数据服务能力+Excel本身的图表实现的,在Smartbi平台还可以通过其他方式实现不同的业务需求、图表展现形式。有兴趣的朋友可以通过Smartbi官网免费试用。

    展开全文
  • 淘宝用户行为分析——通过excel分析

    千次阅读 2019-10-04 13:04:14
    数据清洗四、数据分析1.每日的浏览量2.时间的变化与购买之间的关系3.一周内用户行为分析4.描述统计五、总结 一、需要解决的问题 每日的浏览量,访客量以及时间维度的用户行为分析 二、理解数据 阿里云天池数据:...
  • EXCEL分析房价

    千次阅读 2019-03-17 11:44:31
    分析: 根据2018年城市分级,属于一线城市的北京、上海、深圳、广州是位于前列的平均房价在3万5到7万之间,而北京几乎是广州的二倍。属于新一线城市的杭州、南京、天津、武汉、成都、沈阳平均房价在1万到4万之间,...
  • python运用flask框架结合excel表格分析 项目列表如下 需要引入如下安装包 :pyecharts,flask pip install 安装包名 -i https://pypi.douban.com/simple 运用flask 首先: 运行步骤:输入...
  • EXCEL进行简单数据分析,自我感觉还不错。 在完成此量化投资系统过程中学习使用以下图表。 1.树状图 对这个图有一定的情节,主要是因为WOS上的文献分析都使用这类图像。 在【插入】-【图表】-选择对应【树状图】 ...
  • 利用excel分析IIS服务器日志

    千次阅读 2016-12-15 16:02:53
    网站日志分析是SEO一个很重要的工作,在网站常规SEO期间,要定期观测一次,并且进行统计记录分析。一个合格的站长或者seoer必须要能看懂网站的服务器日志文件,这个日志记录了网站被搜索引擎爬取的痕迹等等。 打开一...
  • 导出数据到Excel,是一个软件的必备功能;很多B/S程序,导出Excel,用的是直接在Excel打开数据列表的方式,这种写法比较普遍,缺点也很明显,数据多的时候比较慢,而且导出的数据不是很好看,不太好整理;  智遥...
  • 混淆矩阵的构成: Condition 实际情况 (图中a、b) +: 实际情况为正的概率,condition incidence -:实际情况为负的概率 边际概率,概率和为1 ...Classification 预判 (图中c、d) ...classification method used to ...
  • excel分析数据 --数据相关性

    千次阅读 2012-11-03 16:34:15
    比如在培训费用和收益两组数据时   如同仁堂 公司效益(万元) ...CORREL() 分析两列数据的数据相关性 ...在分析两列数据时,使用CORREL() ,参数分别为这两列   所得结果如果越
  • 导出数据到Excel,是一个软件的必备功能;很多B/S程序,导出Excel,用的是直接在Excel打开数据列表的方式,这种写法比较普遍,缺点也很明显,数据多的时候比较慢,而且导出的数据不是很好看,不太好整理; 智遥工作...
  • 利用Excel分析IC卡校验码,另附突破金额655.35教程

    千次阅读 多人点赞 2017-11-22 20:29:00
    我得说,这篇文章不讲怎么从卡里读出数据,不讲...RFID数据分析.zip 本文转自 K1two2 博客园博客,原文链接:http://www.cnblogs.com/k1two2/p/7580485.html  ,如需转载请自行联系原作者
  • 我们将以MySQL为例,来了解如何将Excel连接到MySQL……即使当今时代我们拥有了类似微软水晶报表之类的强大报表工具和其他一些灵活的客户管理应用工具,众多企业在分析诸如销售统计和收入信息的时候,微软的Excel依然...
  • 商用EXCEL樞紐分析Excel樞紐分析表製作方法,excel枢纽分析方法,excel枢纽分析表,excel枢纽分析,excel2007枢纽分析,excel2007枢纽分析表,excel2010枢纽分析,excel2010枢...|下载前务必先预览,自己验证一下是不是你...
  • 基于Excel数据分析

    2018-07-19 16:44:28
    基于Excel数据分析,为快速入门Excel打基础,基于Excel数据分析,为快速入门Excel打基础,基于Excel数据分析,为快速入门Excel打基础,基于Excel数据分析,为快速入门Excel打基础,基于Excel数据分析,为快速入门...
  • 来自烟水暖的学习笔记我们将使用...price_demand.csv(百度云)使用Regression数据分析工具 找Data下面找到下面数据分析工具如果没有找到,请参考 如何加载Excel分析工具 2. 选择Regression工具3. 选择数据,并勾...
  • excel统计分析例题

    2011-09-13 15:53:46
    excel统计分析例题excel统计分析例题excel统计分析例题
  • excel 财务分析(英文版)excel 财务分析(英文版)excel 财务分析(英文版)excel 财务分析(英文版)
  • excel数据分析教程

    2013-11-09 10:01:05
    Excel 做数据分析—移动平均 用 Excel做数据分析—抽样分析工具 实现 Excel动态链接外部数据库 用 Excel做数据分析—相关系数与协方差. 用 Excel做数据排序的常用方法与技巧 Excel的数据分析—排位与百分比 ……
  • excel数据分析教程完整版excel数据分析教程完整版excel数据分析教程完整版excel数据分析教程完整版
  • 为什么需要Excel分析 自助BI使得BI不再是高管领导的专利,促成了BI的平民化,更是BI的发展趋势。但自助BI工具的选择却并不简单,很多厂商推出了自己的自助分析工具,但在企业的使用过程中,实际达到的效果却不...
  • Excel: Analyzing Your Marketing Performance 中文字幕 ...了解如何使用Microsoft Excel分析您的营销业绩 讲师Rudolph Rosenberg首先概述了典型的营销周期,并展示了如何评估营销业务的贡献 然后,他演示了如何...
  • Excel 做统计学分析

    2021-03-19 20:35:25
    数据分析插件 1、进入 Excel 点击选项 2、在加载项中点击转到 3、打开分析工具库扩展 4、选择数据标签页,点击数据分析 5、选择适合数据的分析方法,这里以方差分析为例 6、配置分析需要的选项 在输入区域...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 22,522
精华内容 9,008
关键字:

excel分析