
使用Excel设置字段汇总方式分析数据
我们在经营多个店铺或其他网点的时候,需要了解有多少加盟商,多少自营店,单月的最低销售额,平均销售额以及销售总额和总成本等等数据分析,等等。这就是多维度的数据分析,这时,我们就可以使用Excel设置字段汇总方式分析数据。下图为一个实例表,图1。
图1
图2所示就是一个反映自营店铺和加盟店铺在各个地区的店铺数、最低销售额、最高销售额、平均每个店铺的销售额以及销售总额的统计分析报表。
图2
这样的统计分析报表,实际上就是对同一个字段进行不同角度的统计汇总分析。具体方法和步骤如下:
1、制作基本的数据透视表,注意要拖放5个字段“实际销售金额”到数值字段区域,然后设置报表格式,如图3所示。
图3
2、单击c列字段“求和项:实际销售金额”下的任意单元格,右击,选择快捷菜单中的“值字段设置”命令,打开“值字段设置”对话框,如图4所示。
图4
3、在“计算类型”列表框中选择“计数”选项,也就是把该字段的汇总方式设置为计数,如图4所示。
4、单击“确定”按钮,即可得到自营店铺和加盟店铺在每个地区的数量。
5、用同样的方法,把D列字段“求和项:实际销售金额2”、E列字段“求和项:实际销售金额3”、F列字段“求和项:实际销售金额4”、G列字段“求和项:实际销售金额5”的分类汇总方式分别设置为“最小值”、“最大值”、“平均值”和“求和”。
6、设置这些字段的数字格式。这样,就得到了如图5所示的报表。
图5
7、分别把字段“计数项:实际销售金额”、“最小值项:实际销售金额2”,“最大值项:实际销售金额3”、“平均值项:实际销售金额4”、“求和项:实际销售金额5”重命名为“店铺数”、“最低销售额”、“最高销售额”、“平均销售额”和“销售总额”,得到前面图2所示的报表。
如果想要考察自营店铺和加盟店铺在每个地区的数量以及销售成本分布情况。也可以采用同样的方法进行设置。图6所示就是一个例子。
图6
如果想要考察自营店铺和加盟店铺在每个地区的数量以及销售毛利分布情况。也可以采用同样的方法进行设置。图7所示就是一个例子。
图7
通过使用Excel设置字段汇总方式分析数据,我们得知了一共有多少个自营店和加盟店,包括最小和最大的销售额,已经平均利润和总销售等数据,通过Excel中数据分析还可以做很多工作,后面我们会慢慢的讲到。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29