《谁说菜鸟不会数据分析工具篇》笔记

爱运营 • 2016年5月16日上午10:54 • 数据分析

大概是脑袋一热，选了一门叫做决策支持系统的课，从此陷入了每周算数据做财务报表的不归路，同时，也发现Excel的技能真的是弱爆了，于是，在结课大作业的驱动下，开始学习Excel数据分析、水晶易表以及VBA。目录如下，因为时间有限，所以笔记只记录第2章Excel数据分析库和第3章水晶易表的部分。

一、Excel数据分析库

1、位置：
文件-选项-加载项-Excel加载项-转到-确定-分析工具库

安装过程截图

2、功能：

功能.png

3、相关分析：
相关关系：指现象间之间的非严格的、不确定的依存关系。这种依存关系的特点是：某一现象在数量上发生的变化会影响另一现象数量上的变化，而且这种变化是具有一定随机性的。eg：影响销量的因素有推广费用，产品质量，价格，渠道等等。
相关分析：研究两个或者两个以上随机变量之间相互依存关系的方向和密切程度的方法。
相关系数（r）：反映变量之间线性相关强度的一个度量指标，大小反映相关程度，正负表示方向。
操作举例：
分析市场费用，研发费用和销量之间的关系

多因素相关分析.png

4、回归分析：
回归函数关系：指现象之间存在的依存关系中，对于某一变量的每一个数值，都有另一个变量与之对应，并且这种依存关系可用一个数学表达式反映出来。
通过上一步的数据间的相关性，我们可以进一步构建回归函数关系，即回归模型，预测数据未来的发展趋势。

回归分析模型 .png

回线性回归分析步骤 .png

上一例数据的回归分析（多重回归分析）结果中包括：回归统计表，方差分析表，回归系数表。

上一例回归分析结果.png

5、移动平均：
根据时间发展进行预测，也就是时间序列预测。是一种改良的算术平均法，根据时间序列逐期推移，依次计算包含一定期数的平均值，形成平均值时间序列，以反映事物发展趋势的一种预测方法。
基本思想：移动平均可以消除或者减少时间序列数据受偶然性因素干扰而产生的随机变动影响，适合短期预测。
简单的移动平均的计算公式如下：
Ft=(At-1+At-2+At-3+…+At-n)/n
式中，Ft–对下一期的预测值；
n–移动平均的时期个数；
At-1–前期实际值
At-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。

对上一例数据的移动平均结果中包括：移动平均结果，图表输出，标准误差

移动平均.png

6、指数平滑：
从移动平均法发展而来，是一种改良的加权平均法，对离预测期较近的数据赋予较大的权重，而距离预测期较远的数据赋予较小的权重。
指数平滑法根据本期的实际数值和预测值，并借助平滑指数α进行加权平均计算，预测下一期的值，它是对时间序列的数值给予加权平滑，从而获得其变化规律与趋势。
Excel中的指数平滑法需要使用阻尼系数（β），阻尼系数越小，近期实际值对预测结果的影响越大；反之，阻尼系数越大，近期实际值对预测结果的影响越小。
指数平滑公式如下：
Yt=αXt-1+(1-a)Yt-1=（1-β）Xt-1+βYt-1

上一例数据进行指数平滑，阻尼系数为0.1，输出结果及图表。（可以改变阻尼系数，来比较获得最小误差。）

指数平滑.png

二、水晶易表

1、常见数据可视化工具介绍：
Microsoft Excel、水晶易表、Google Fusion Tables、Many Eyes、Node XL等
2、初识水晶易表：
建立在Excel模型基础上的，将数据以生动活泼的方式展现，具有交互功能的数据展示界面，透过假设分析功能，帮助企业进行预测与决策。
3、水晶易表的工作原理：