免费分享 Excel 资源，化身数据分析师以及高效办公高手！

之前有一阵大家都在讨论数据分析，这门技能确实挺火。

再加上身边的程序员小哥哥用着高大上的编程技术，比如 Python，爬取某某网站的数据，免不了一脸崇拜。

这就愈发显得 Python 的牛叉，大家对能利用 Python 进行数据分析的老铁也会默默点赞。

但是，今天写的这篇文章不是赞美 Python 的，如果引起不适，概不负责。

先说一句：

真正决定数据分析师上限的是解决问题的能力，也就是你的不可替代性，而不是使用工具的能力。

以下是百度百科对数据分析的定义：

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

数据分析的目的是分析，分析问题，或者对于自己的好奇心进行验证、分析。

在工作中的表现就是，如果某个指标下降了，是需要数据分析人员或者数据运营同事对于现有的数据进行分析，进而给出结论。

针对给出的结论，有针对的调整公司产品的功能或者调整公司未来的发展方向。

看到没，数据分析最重要的是什么？是结论。

没人会在意你用的什么方法，什么手段对数据进行了分析，从而得出的结论。

比如，公司产品销量下降了，上面让你今天分析一下情况，你会怎么办？

搬出 Python 大山之前泰山压顶吗。

我相信稍微有点分析思维的人首先想到的是对这一问题进项数据分析的方向，而不是工具的选择。

也就是说，采用具象化思维。

产品销量下降了是吗？那能不能把产品销量下降进行结构化、数据化呢。

比如，产品销量涉及到哪些原因，大的来说，一内部原因，二外部原因。

内部原因分为产品人均销量下降、消费者人数下降。

人均销量下降的原因又分为用户单次购买销量下降、购买频率下降。

那单次购买销量下降、购买频率下降的原因又是什么？

再说外部原因，外部原因又分为市场竞争、政策原因、市场红利。

这三个部分又包含哪几个方面，等等。

数据分析，先思考怎么去分析，多问为什么，把某个抽象的问题具象化、结构化。

把问题解刨成一个个可以用数据量化的指标，根据思考的结果选择是用 Excel 还是 Python，又或者其他的工具，而不是一上来就认定 Python 不放手。

有句话叫人人都是产品经理，对于数据分析来说，我倒觉得人人也都是数据分析师。

开头说了，真正决定数据分析师上限的是解决问题的能力，也就是你的不可替代性，而不是使用工具的能力。

你不能最快效率的解决问题，那你对公司的价值就没有自己想象中那么大。

当然了，工具用的越顺利，做起来分析会更得心应手。

Python 相对专业，那熟练掌握 Excel 对于咱们日后的工作就显得比较重要了，平常用 Excel 做数据分析，做个炫酷的图表，往 PPT 上一放，多少也能炫个技。

之前也给大家分享过一份学习 Excel 的资源，不过那个资源有点老旧，不是太好。

文章右下角有个好看，看到了不，我想要你们好看。