
● 有的函数只不过学会了简单的用法
原因:
○ 函数的表象(简单、最表面的用法)而大部分人学习只停留在第一个层次上面,学完函数的表象就停止学习—>产生已经学完函数所有东西的错觉—>没有吃透函数的外延(无法知道函数很多使用技巧)。而我们学不会Excel是方法出现了问题,而不是我们不聪明我们看了大部分的教学案例及教程,但一个又一个的教学案例,按部就班的做,学完就学完了(只说了案例,其他的都没说)
而一个好的Excel教程是这样的:
1、列需求2、举例子3、解决办法4、引出函数的功能(并介绍内涵)5、为什么用这个函数能这样解决问题6、解决问题后介绍更多函数的用法,拓展外延
大部分教程只有前三部份,所以从来没想后几步导致学不好Excel。通过下面三步学习法,正确学习Excel方法吃透内涵拓展外延
■ 我们要学会查看函数完整说明
■ 搜集学习Excel函数大量正向案例和反向案例
■ 结合练习和变化式练习
而大部分人学习函数是这样的
查看一下简答的函数用法,然后百度搜索一下这个函数怎么样,看1~2个案例,自己尝试一下解决问题,然后就没有然后,以为自己就会了。回想一下你是不是这样学习的
案例只会告诉你一种或几种用法,而不是函数的全部信息。解决办法,找到微软官方的函数说明,方法1:Excel软件自带的帮助文档是最全面的,按F1就可以调出来。方法2:用微软自己的bing搜索去查找,网址:www.bing.com
点开函数说明,里面不仅有SUM函数的视频教程,如果网速慢的话还有一步步详细的步骤
一般人如何理解SUM函数呢,SUM函数模型=sum(num1,[num2],……)几个数求和嘛,我们只是停留在这个表面。下面我们来看看官方怎么说,总结如下:
对参数的说明。参数可以是数字,单元格引用,也可以是单元格范围。参数可以是1个,也可以是多个,最多255个
和sum函数关联的用法状态栏求和、自动求和、非连续区域求和。
常见错误比如求和数据类型不一致,删除某一列之类的所以用sum函数,删除行列,插入行列,会带来什么样的影响,都有非常详细的说明
优化的做法一些习惯用法,存在更好的、优化的做法。
其他信息
这是浓缩版,非常全面,如果我们认真看完官方说明文档的话,我们可以掌握很多新知识新技能了
但是只看说明文档还是不够全面的,比如对SUM函数我们还可以深入的问几个问题
①、sum函数里面的参数能不能给它加符号呢如=sum (A,-B)
②、sum函数能否和逻辑运算结合在一起呢?如:统计一个表格里面的男性总数
③、sum函数,加入求和A、B、C、D单元格,其中A是1,B是2,C是false,D是“张三”,会得到什么结果,或是报错?
大家可以动手试一下吧,检验自己创造力的时候到了
3步法(学习重点)
步骤一:探求Excel内含部分
深入问自己如下问题
了解每一个参数的要求(要求的数据类型,边界,特殊情况等)
探索参数超出边界,处理参数类型后的情况(比如参数加负号,参数里嵌套函数,参数缺失……..)
探索函数对参数处理的机制,主要是绝对引用,还是相对引用。当参数里的内容出现缺失,被删除,被插入新行、列等意外情况后,会发生什么情况。
去探索函数基本用法之外,更加巧妙、灵活、超出官方文档的技巧。
等等
不断去探索,去尝试
步骤二:案例学习法
正向案例与反向案例的学习
○ 正向案例:就是别人使用这个函数的方法、技巧、教程、经验
○ 反向案例:就是别人用这个函数遇到的问题,犯的错误,总结的经验,吸取的教训,积累的注意事项等
这个方法与传统学习的不同
1、大部分人学习1~2个案例就结束了,而这里要学习大量的案例,要学就深入学习,结合大量的案例才能弄透
2、大部分人只学习正面的案例,不学习反面的案例
而正向案例反向案例学习有如下阶段:
● 阶段1:搜索阶段(通过搜索引擎、知乎、Excel垂直网站等来搜索正反向案例)
● 阶段2:记录和整理阶段(把案例分门别类,记录到一个笔记里面,一般一个函数一个笔记)
● 阶段3:按照案例,打开Excel,一个一个跟着走。
● 阶段4:写学习总结报告,把案例中的好技巧、注意点浓缩出来,形成自己的经验。
在你的笔记软件(为知笔记。OneNote、有道云笔记等)中新建一个笔记本,名字叫Excel函数相关教程。
步骤三、结合练习和变化式练习
但是完整的Excel函数学习笔记应该包含以下四部分:
官方文档总结
■ 内含思考总结
■ 正反案例学习总结
■ 索引相关教程文章
这样为你以后节约不少搜索及选择的时间,只需要看自己保存的笔记
上面学习步骤亦可以划分三个阶段
★ 阶段一:已解决问题为主
★ 阶段二:以吃透内含为主
★ 阶段三:以拓展外延为主
结束语:在有限时间内尽快解决问题,有针对性的去解决当下问题。而在有空的时候我们可以查一查遇见问题的相关官方文档,并且查阅一些牛人写的博客进行拓展。相信大家进行这样的系统学习,Excel还不是小菜一碟吗!如果我们将这三步法运用到我们的其他学习生活中,效率是不是更高效呢
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16