关注我，教你数据分析实战干货！
如下图所示是一个商品销售数据集，前三行：
需求1：每种商品的销售总额及占比
需求2：销售额前3商品的月趋势
需求3：预测销售额前3商品下半年月趋势
整体思路是：数据清洗→数据分析→数据建模
一、数据清洗
根据需求，需要保留购药时间、商品名称、实收金额即可，但明显缺少时间字段月，利用月份=month（购物时间）函数增加月份数据，然后处理数据集中的缺失值及异常值。
1）空值及异常值处理
空值处理：开始→查找和选择→定位条件→空值，空值较少，可以直接删除所在行，较多可根据实际情况用平均，众数等进行填充，此处暂不展开，以后补充；
异常值处理(使用筛选功能)：
i.2018年的2月份只有28天，此处明显为异常值，直接删除
ii.实收金额存在负值明显不符合情况，可结合业务实际情况考虑是否为人工输入有误，此处直接修改为正整数，函数=abs()，增加新列
2）日期字段处理
将日期进行分列
然后利用月份=month（购物时间）函数增加月份数据列
二、数据分析
需求1：每种商品的销售总额及占比
有两种方法，第一种是直接使用透视表，第二种使用公式sumif，第一种更高效，第二种各位可以自行学习（重复值筛选出商品所以种类，用公式匹配求和即可），透视表如下设置
最终结果，进行降序排序及对占比数据优化
需求2：销售额前3商品的月趋势
插入→数据透视图
可在商品名称筛选栏查看各商品的趋势，当然也可以加上周的维度，在数据清洗阶段增加周字段=week(购药时间)即可，是不是很简答呢
三、数据建模
需求3：预测销售额前3商品下半年月趋势
此处的数据是随着时间变化而变化，所以优先选择时间序列算法进行建模，而不是线性回归，多项式回归等等，这里使用的是excel自带的预测工作表和时间序列-移动平均算法。
1）预测工作表法：数据→预测工作表，主要将日期和值数据范围设置好
结果如图：
2）时间序列-移动平均算法
数据→数据分析→移动平均
间隔可进行测试，可根据实际情况取误差减小的间隔值，取2时误差较大，所以取3
可知该方法误差较小
最终预测结果如下：
可知下一个月份的值为前3个月的平均值
这就是本文分享的职场必备excel技能实战（一），主要涉及了excel常用函数，透视表以及excel自带的数据分析包。
之后的文章将涉及更多的数据分析运营干货，包括数据分析方法，互联网，电子商务，广告投放等领域数据分析，工具使用不限于excel、sql、spss、python，记得关注我，教你职场必备数据技能！
