京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Excel数据分析,万金油函数是它
在职场江湖中,流传着一个Excel菜鸟与非菜鸟的判断标准,就是看他会不会用vlookup函数(请自觉地角色代入~~~)。Vlookup函数的特点是易学好用,而且会上瘾……当然对于我们常做数据分析的朋友来说,它确实能帮我们解决很多问题,今天我们就来聊聊它的这些应用场景,看完本文后,如果你都懂的请点赞,不懂的请评论~~
本文将介绍Vlookup应用于
商品分析
销售分析
制作动态图表
制作动态标题……
1、认识Vlookup
函数的功能就是【查找】,先设定一个【查找目标】(参数1),它就能从指定的【查找区域】中(参数2)查找,最后会按要求【返回值】(参数3,参数4)。它的基本语法是:
Vlookup(找什么,在哪找,返回值所在的列数,精确 / 模糊查找)
2、Vlookup应用|商品分析
涉及到商品的数据分析时,我们经常要以商品代码为【查找目标】,把商品属性数据匹配到销售明细表中,例如大类、中类、小类,材质、尺码、包装……最后再利用这个数据生成数据透视表,进行各种后续的分析。
下图是商品档案数据
下图是销售明细数据
如何实现这种匹配查找?商品档案表、销售明细表两者之间的交集就是【商品代码】,我们可以在销售明细中的每一行,查找商品代码对应的属性数据过来,这时就该Vlookup出场了~~
例如在销售明细的G2单元格,我们可以输入:
【查找目标】就是商品代码所在单元格C2,【查找区域】就是商品档案表里的A到B列这个区域,【返回值】就是商品档案表里的年份列内容,位于区域的第2列,参数4为0就是指精确匹配(即商品代码要完全一致)
其他的字段,也是一样的思路去写出公式即可,最后就可以把所有字段的数据都查询过来到销售明细表中了,后续插入数据透视表分析就方便了~~
3、Vlookup应用|销售分析
和商品数据分析类似,我们要进行销售分析时,也常需要从【店铺档案】中,把各店铺的属性数据查找过来到销售明细表中。
下图是店铺档案数据
例如在销售明细的L2单元格,我们可以输入:
【查找目标】就是店铺所在单元格B2,【查找区域】就是商品档案表里的A1到B21这个区域,【返回值】就是店铺档案表里的区域列内容,位于查找区域的第2列,参数4为0就是指精确匹配(即店铺名要完全一致)
当你把商品档案、店铺档案的所有属性数据都查找过来后,就得到以下这样的数据:
3、Vlookup应用|动态图表
如果你想玩Excel数据可视化,那么动态图表就是最佳的展示工具了。不要觉得很难,很多情况下,我们缺的不是技术,而是思路~
从上文的数据中,假设你已得出以下的各店铺1-12月汇总的销售数据:
现在你想用图表展示这些数据,你会怎么处理?
图表的类型可以选用【折线图】,方便进行趋势分析,但是有20个店铺怎么办?难道是要做20张图么?!!(若真的把20张图交给你的领导,眼花缭乱,估计直接就没兴趣读图了……)
这种情况下,最好的解决办法就是用动态图表展示,不知道什么是动态图表?好吧,先看看最终效果:
20个店铺,只要1张图!只需要输入想查看的店铺名,折线图即可实现同步切换数据,想看哪个店就输入哪个店!(试试看能不能感动你的领导~~)技术上制作动态图表并不难,只需要以下三步即可实现:
把月份表头复制一份,粘贴到下方
用vlookup函数根据店铺名,查找它对应月份的业绩过来
利用查询过来的这些业绩数据生成折线图
其中重点是第2步,在示例中的C27单元格,我们可以输入:
【查找目标】就是店铺名所在单元格C27,【查找区域】就是B4到N23这个区域,【返回值】就是1月的业绩,位于查找区域的第2列(其他月份的业绩,需要相应调整第3个参数的值),参数4为0就是指精确匹配(即店铺名要完全一致)
设置好各月份对应的vlookup查找公式后:
4、Vlookup应用|动态图表标题
经过以上三步,就做出了这个动态图表,在这个过程,Vlookup函数作用是:根据不同的店铺名称,提取相应的各月份数据过来,为动态图表提供了动态的图表数据源,这就是图表“动”的本质。
当然这个折线图,我们还可以把标题再优化一下,加上该店铺的全年总业绩,这样就会提供更多的数据给到读图者(非常贴心的细节~)
还是用Vlookup函数!在旁边找个空白的单元格写上以下公式,然后再把标题关联到这个单元格即可:
A27就是店铺名所在的单元格,再用&链接起一个“|”分隔开,还有“全年合计”的文字;当然少不了我们的万金油Vlookup,用它去把店铺的总计也查找出来,其中【查找目标】就是店铺名,【查找区域】就是B3到O23的这个区域,【返回值】就是总计列的内容,位于查找区域的第14列,参数4为0就是指精确匹配(即店铺名要完全一致)
扩展使用小贴士:
Vlookup中的第3个参数,如果需要拉动填充公式的时候,可以配合row()、column()、match()使用,这样第3参数就是动态变化的了,适用于进行多列数据查询的时候使用,具体的用法大家可以自行百度喔~
当然Vlookup函数远不止本文介绍的这些用法,在不同的业务场景下也会有不同的应用。关于Excel函数学习最佳的方法是“百度一下”,各种各样的教程都有呈现在网络上。但是在这个时代我们不缺少纯技术的知识,缺少的是思路,缺少的是如何把技术和业务结合的能力。例如在黄成明老师的《零售店铺销售追踪预测分析模板》中,把刚才我们生成动态标题的方法(用&符号把公式和文本连接起来),可以根据业绩的情况,生成一个动态的提醒对话,非常智能,非常人性化:
当下大数据的概念很热,但其实对于我们很多传统零售企业来说,小至单店的经营数据都还没能管理好,所以建议我们还是要认清事实,老老实实地把自己的单店小数据先管理好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17