如何成为网站数据分析师
诚然，任何一门技术都不可能一蹴而就，更不可能一夜成才。这世上，没有什么的事情是能够速成的，越是专业、越是基层、收益周期越长的技能越是这样，数据分析师也不例外。但这并不代表，我们不能通过一些有效的方法，把学习的过程变得高效而有趣，让自己的数据分析师学成之旅起到事半功倍的作用。倘若真的想一口吃成一个胖子，到时去面试去工作，你会被自己的好不扎实的专业基底伤害得遍体鳞伤。
学习数据分析师之前，你必须清楚自己想要达成什么目标。也就是说，你想通过这门技术来解决哪些问题或实现什么计划。有了这个目标，你才能清晰地开展自己的学习规划，并且明确它的知识体系。只有明确的目标导向，学习必备也是最有用的那部分，才能避免无效信息降低学习效率。
1、明确知识框架和学习路径
数据分析这件事，如果你要成为数据分析师，那么你可以去招聘网站看看，对应的职位的需求是什么，一般来说你就会对应该掌握的知识架构有初步的了解。你可以去看看数据分析师职位，企业对技能需求可总结如下：
SQL数据库的基本操作，会基本的数据管理；
会用Excel/SQL做基本的数据提取、分析和展示；
会用脚本语言进行数据分析，Python or R；
有获取外部数据的能力加分，如爬虫或熟悉公开数据集；
会基本的数据可视化技能，能撰写数据报告；
熟悉常用的数据挖掘算法：回归分析、决策树、分类、聚类方法；
高效的学习路径是什么？就是数据分析的流程。一般大致可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实现一个数据分析师的学成之旅。按这样的顺序循序渐进，你会知道每个部分需要完成的目标是什么，需要学习哪些知识点，哪些知识是暂时不必要的。然后每学习一个部分，你就能够有一些实际的成果输出，有正向的反馈和成就感，你才会愿意花更多的时间投入进去。以解决问题为目标，效率自然不会低。
按照上面的流程，我们分需要获取外部数据和不需要获取外部数据两类分析师，总结学习路径如下：
1.需要获取外部数据分析师：
python基础知识
python爬虫
SQL语言
python科学计算包：pandas、numpy、scipy、scikit-learn
统计学基础
回归分析方法
数据挖掘基本算法：分类、聚类
模型优化：特征提取
数据可视化：seaborn、matplotlib
2.不需要获取外部数据分析师：
SQL语言
python基础知识
python科学计算包：pandas、numpy、scipy、scikit-learn
统计学基础
回归分析方法
数据挖掘基本算法：分类、聚类
模型优化：特征提取
数据可视化：seaborn、matplotlib
接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。
数据获取：公开数据、Python爬虫
如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。
外部数据的获取主要有以下两种。
第一种是获取外部的公开数据集，一些科研机构、企业、会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。
另一种获取外部数据费的就是爬虫。
比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。
在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表、字典、元组等）、变量、循环、函数（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）
网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。
掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。
除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。
数据存取：SQL语言
你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。
SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：
提取特定情况下的数据：企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2019年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。
数据库的增、删、查、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。
数据的分组聚合、如何建立多个表之间的联系：这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。
数据预处理：Python（pandas）
很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。
比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。
那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。
对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：
选择：数据访问（标签、特定值、布尔索引等）
缺失值处理：对缺失数据行进行删除或填充
重复值处理：重复值的判断与删除
空格和异常值处理：清楚不必要的空格和极端、异常数据
相关操作：描述性统计、Apply、直方图等
合并：符合各种逻辑关系的合并操作
分组：数据划分、分别执行函数、数据重组
Reshaping：快速生成数据透视表
概率论及统计学知识
数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：
基本统计量：均值、中位数、众数、百分位数、极值等
其他描述性统计量：偏度、方差、标准差、显著性等
其他统计知识：总体和样本、参数和统计量、ErrorBar
概率分布与假设检验：各种分布、假设检验流程
其他概率论知识：条件概率、贝叶斯等
有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……
你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。
python数据分析
如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。
比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“房价预测”和“职位预测”，都可以通过回归分析实现。这部分需要掌握的知识点如下：
回归分析：线性回归、逻辑回归
基本的分类算法：决策树、随机森林……
基本的聚类算法：k-means……
特征工程基础：如何用特征选择优化模型
调参方法：如何调节参数优化模型
Python 数据分析包：scipy、numpy、scikit-learn等
在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。
当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。
系统实战
这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。
如何进行实战呢？
上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。
另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。
开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。
你也可以看看行业的分析报告，看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。
在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：
员工离职预测训练赛
美国King County房价预测训练赛
北京PM2.5浓度分析训练赛
种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！
网络营销可以从哪些方面进行全面的数据分析
主要关注几点：
1、什么样的数据（销售？发展预估？等等）首先你要弄清楚。
2、每月的销售数据变化情况。
3、数据变化方向。
4、分析数据中的要素。
5、对比本身的数据得出结论。
市场营销是为创造实现个人和组织的交易，而规划和实施创意、产品、服务构想、定价、促销和分销的过程。网络营销是人类经济、科技、文化发展的必然产物，网络营销不受时间和空间限制，在很大程度上改变了传统营销形态和业态。
网络营销对企业来讲，提高了工作效率，降低了成本，扩大了市场，给企业带来社会效益和经济效益。相对于传统营销，网络营销具有国际化、信息化和无纸化，已经成为各国营销发展的趋势。为了促进网络营销在我国的普及和发展，对网络营销进行战略分析具有重要意义。
一、网络营销产生的分析
网络营销的产生，是科学技术的发展、消费者价值观的变革和商业竞争等综合因素所促成的。网络营销产生的科技基础，21世纪是信息世纪，科技、经济和社会的发展正在迎接这个时代的到来。计算机网络的发展，使信息社会的内涵有了进一步改变。
在信息网络时代，网络技术的应用改变了信息的分配和接收，改变了人们的生活、工作和学习、合作和交流的环境。企业也正在利用网络新技术的快速便车，促进企业飞速发展。
网络营销是以互联网为媒体，以新的、方法和理念实施营销活动，更有效地促进个人和组织交易活动的实现。
企业如何在如此潜力巨大的市场上开展网络营销、占领新兴市场，对企业既是机遇又是挑战。
网络营销也产生于消费者价值观的变革：满足消费者的需求，是企业经营永恒的核心。利用网络这一科技制高点为消费者提供各种类型的服务，是取得未来竞争优势的重要途径。
当市场经济发展到今天，多数产品无论在数量还是在品种上都已极为丰富。消费者能够以个人心理愿望为基础挑选和购买商品和服务。他们的需求越多，需求的变化更快。消费者会主动通过各种可能渠道获取与商品有关信息进行比较，增加对产品的信任和争取心理上的满足感。
网络营销还产生于商业的竞争，随着市场竞争的日益激烈化，为了在竞争中占有优势，各企业都使出了浑身的解数想方设法地吸引顾客，很难说还有什么新颖独特的方法出奇胜。
开展网络营销，可以节约大量昂贵的店面租金，可以减少库存商品资金占用，可使经营规模不受场地的制约，可便于采集客户信息等等。这些都可以使得企业经营的成本和费用降低，运作周期变短，从根本上增强企业的竞争优势，增加盈利。
二、网络营销基本特征的分析
公平性：在网络营销中，所有的企业都站在同一条起跑线上。公平性只是意味给不同的公司、不同的个人提供了平等的竞争机会，并不意味者财富分配上的平等。
虚拟性：由于互联使得传统的空间概念发生变化，出现了有别于实际地理空间的虚拟空间或虚拟社会。
对称性：在网络营销中，互联性使信息的非对称性大大减少。消费者可以从网上搜索自己想要掌握的任何信息,并能得到有关专家的适时指导。
模糊性：由于互联使许多人们习以为常的边界变得模糊。其中，最显着的是企业边界的模糊，生产者和消费者的模糊、产品和服务的模糊。
复杂性：由于网络营销的模糊性，使经济活动变得扑朔迷离，难以分辨。垄断性：网络营销的垄断是由创造性破坏形成的垄断，是短期存在的，因为新技术的不断出现，会使新的垄断者不断取代旧的垄断者。
多重性：在网络营销中，一项交易往往涉及到多重买卖关系。
快捷性：由于互联，使经济活动产生了快速运行的特征，你可以讯速搜索到所需要的任何信息，对市场作出即时反应。
正反馈性：在网络营销中，由于信息传递的快捷性，人们之间产生了频繁、迅速、剧烈的交互作用，从而形成不断强化的正反馈机制。
全球性：由于互联，超越了国界和地区的限制，使得整个世界的经济活动都紧紧联系在一起。信息、货币、商品和服务的快速流动，大大促进了世界经济一体化的进程。
三、网络营销竞争优势的分析
成本费用控制：开展网络营销给企业带来的最直接的竞争优势是企业成本费用的控制。
网络营销采取的是新的营销管理模式。它通过因特网改造传统的企业营销管理组织结构与运作模式，并通过整合其他相关部门如生产部门、采购部门，实现企业成本费用最大限度的控制。利用互联网降低管理中交通、通讯、人工、财务和办公室租金等成本费用，可最大限度地提高管理效益。
许 多在网上创办企业也正是因为网上企业的管理成本比较低廉，才有可能独自创业和需求发展机会。创造市场机会：互联网上没有时间和空间限制，它的触角可以延伸 到世界每一个地方。利用互联网从事市场营销活动可以远及过去靠人工进行销售或者传统销售所不能的达到的市场，网络营销可以为企业创造更多新的市场机会。
让顾客满意：在激烈的市场竞争中，没有比让顾客满意更重要。利用互联网企业可以将企业中的产品介绍、技术支持和订货情况等信息放到网上，顾客可以随时随地根据自己需求有选择性的了解有关信息。这样克服了在为顾客提供服务时的时间和空间限制。
满 足消费者个性化需求：网络营销是一种以消费者为导向，强调个性化的营销；网络营销具有企业和消费者的极强的互动性，从根本上提高消费者的满意度；网络 营销能满足消费者对购物方便性的需求，省去了去商场购物的距离和时间的消耗，提高消费者的购物效率；由于网络营销能为企业节约巨额的促销和流通费用，使产 品成本和价格的降低成为可能，可以实现以更低的价格购买。
四、网络营销竞争原则的分析
在网络营销中，企业必须顺应环境的变化，采用新的竞争原则，才能在激烈的竞争中取胜。
个人市场原则：在网络营销中，可以借助于计算机和网络，适应个人的需要，有针对地提供低成本、高质量的产品或服务。
适应性原则：由于互联性的存在，市场竞争在全球范围内进行，市场呈现出瞬息万变之势。公司产品能适应消费者不断变化的个人需要，公司行为要适应市场的急剧变化，企业组织要富于弹性，能适应市场的变化而伸缩自如。
价值链原则：一种产品的生产经营会有多个环节，每个环节都有可能增值。我们将其整体称作价值链。公司不应只着眼于价值链某个分支的增值，而应着眼于价值链的整和，着眼于整个价值链增值。
特定化原则:首先找出具有代表性的个人习惯、偏好和品位，据此生产出符合个人需要的产品。然后，公司找出同类型的大量潜在客户，把他们视作一个独立的群体，向他们出售产品。
主流化原则：为了赢得市场最大份额而赠送第一代产品的做法被称之为主流化原则。尽管企业最初建立数字产品和基础设施的费用很大，但继续扩张的成本却很小，由此产生了新的规模经济。
五、网络营销竞争战略的分析
网络营销的企业必须加强自身能力，改变企业与其他竞争者之间的竞争对比力量。
巩 固公司现有竞争优势：利用网络营销的公司可以对现在的顾客的要求和潜在需求有较深了解，对公司的潜在顾客的需求也有一定了解，制定的营销策略和营销计划具 有一定的针对性和科学性，便于实施和控制，顺利完成营销目标。公司在数据库帮助下，营销策略具有很强针对性，在营销费用减少的同时还提高了销售收入。
加 强与顾客的沟通：网络营销以顾客为中心，其中数据库中存储了大量现在顾客和潜在顾客的相关数据资料。公司可以根据顾客需求提供特定的产品和服务，具有很强 的针对性和时效性，可大大地满足顾客需求。顾客的理性和知识性，要求对产品的设计和生产进行参与，从而最大限度地满足自己需求。通过互联网和大型数据库， 公司可以以低廉成本为顾客提供个性化服务。
为入侵者设置障碍：设计和建立一个有效和完善的网络营销系统是一个长期的系统性工程，需要大量人力物力和财力。一旦某个公司已经实现有效的网络营销，竞争者就很难进入该公司的目标市场。因为竞争者要用相当多的成本建立一个类似的数据库，而且几乎是不可能的。
网络营销系统是公司的难以模仿的竞争能力和可以获取收益的无形资产。
提 高新产品开发和服务能力：公司开展网络营销，可以从与顾客的交互过程中了解顾客需求，甚至由顾客直接提出需求，因此很容易确定顾客需求的特征、功能、应 用、特点和收益。通过网络数据库营销更容易直接与顾客进行交互式沟通，更容易产生新的产品概念。对于现有产品，通过网络营销容易取得顾客对产品的评价和意 见，从而准确决定产品所需要的改进方面和换代产品的主要特征。
稳定与供应商的关系：供应商是向公司及其竞争者提品和服务的公司和个人。公司在选择供应商时，一方面考虑生产的需要，另一方面考虑空间上的需要，即计划供应量要根据市场需求，将满足要求的供应品在恰当时机送到指定地点进行生产，以最大限度地节约成本和控制质量。
公司如果实行网络营销，就可以对市场销售进行预测，确定合理的计划供应量，保证满足公司的目标市场需求；另一方面，公司可以了解竞争者的供应量，制定合理的采购计划，在供应紧缺时能预先订购，确保竞争优势。
六、网络营销战略实施与控制的分析
公司实施网络营销必须考虑公司的目标、公司的规模、顾客的数量和购买频率、产品的类型、产品的周期以及竞争地位等；还要考虑公司是否能支持技术投资，决策时技术发展状况和应用情况等。
网络营销战略的制订要经历三个阶段：
一是确定目标优势，分析实施网络营销能否促进本企业的市场增长，通过改进实施策略实现收入增长和降低营销成本；
二是分析计算收益时要考虑战略性需求和未来收益；
三是综合评价网络营销战略。公司在决定采取网络营销战略后，要组织战略的规划和执行，网络营销是通过新技术来改造和改进目前的营销渠道和方法，它涉及公司的组织、文化和管理各个方面。如果不进行有效规划和执行，该战略可能只是一种附加的营销方法，不能体现战略的竞争优势。
策略规划分为：
目标规划，即在确定使用该战略的同时，识别与之相联系的营销渠道和组织，提出改进的目标和方法；
技术规划，即网络营销很重要的一点是要有强大的技术投入和支持，因此资金投入和系统购买安装，以及人员培训都应统筹安排；
组织规划，即实现数据库营销后，公司的组织需要进行调整以配合该策略的实施，如增加技术支持部门、数据采集处理部门，同时调整原有的推销部门等；
管理规划，即组织变化后必然要求管理的变化。
九秋网回答
数据分析证书有哪些
18张最有含金量的证书其中就有数据分析师证。你说的金融的那个证书，在国际上也是很知名的。这两个证书侧重点不同。
数据分析证书有哪些
咱们一般所说的数据分析师考试是cda
数据分析师分好几个档次，第一档是数据分析，第二档是建模分析师，第三档是可视化分析师，第四档是大数据分析师，所以不知道你要考的是否属于这些档内。
个人感觉目前市场中数据分析师集中在前两个档位的比较多，第二档就够一般公司业务需求了，如果非要做到可视化和机器学习的地步，后面两个档才有用。根据你的现实情况来吧，如果有这个能力去考一个作为凭证，以后进入大公司是很有用的。
如何利用excel统计成绩进行数据分析，跟踪
新建一张工作表，在表格中输入相应的数据，如学科、姓名、学号，学生成绩等，如；我们输入24个学生的成绩作为演示。下面的数据是我们最原始收集到的数据，我们现在就对这些数据进行处理。
excel成绩统计分析的完整过程
2
在每个学科后面插入一列，在表头中输入学科排名，如语文课后面这一列输入“语文排名”；在最后两列分别输入总分和总分排名；如所示；
excel成绩统计分析的完整过程
3
在表格后面输入统计指标，如平均分，最高分，最低分，及格率，优秀率；我们计算时就可以计算出相应科目的指标。如所示；
excel成绩统计分析的完整过程
我们一般喜欢把总分第一名的学生排到第一，所示，我们先求出学科的总分来。在O2单元格中输入公式 =SUM(C2+E2+G2+I2+K2+M2)，如，通过自动填充功能完成其他学生的总分计算。
excel成绩统计分析的完整过程
对总分进行排序，我们把光标移动到总分列，点击“数据”-“排序”，主要关键字我们选择总分，按降序的进行排序，如所示；设置好后点击确定；
excel成绩统计分析的完整过程
这一步我们就可以来求学生的总分排名了，大家注意这一步不要用自动填充功能给总分编序号，因为可能会出现分数相同的情况，我们用公式来编写，如果出现分数相同，那么排名也将相同，名次自动往后推。我们在P2中输入公式 =RANK(O2,$O$2:$O$25)，大家一定要用上"$"符号引用，不然排名将会出错；自动完成数据填充。如
excel成绩统计分析的完整过程
学会了上面这一步，我们对学科单科排名也就简单了，我们分别在 D2,F2,H2,J2,L2,N2,中输入公式 =RANK(C2,$C$2:$C$25)，=RANK(E2,$E$2:$E$25),=RANK(G2,$G$2:$G$25),=RANK(I2,$I$2:$I$25),=RANK(K2,$K$2:$K$25),=RANK(M2,$M$2:$M$25),可以求出第一条记录在所有记录中的排名。如；
excel成绩统计分析的完整过程
我们用自动填充功能，完成所有单科成绩的排名，如，可以看出，分数相同的学生的排名也是相同。
excel成绩统计分析的完整过程
下面我们来求学生的平均分，在c27单元格中输入=AVERAGE(C2:C25)，如，我们用自动填充功能完成其它学科平均分的计算。
excel成绩统计分析的完整过程
用同样的方法，使用MAX()计算最高分，MIN()计算最低分；countif()计算及格人数，这个函数的具体用法请大家百度找一下，这里只告诉大家用这个函数实现，我们在公式栏输入=COUNTIF(C2:C25,">=60")，在优秀人数中我们改为=COUNTIF(C2:C25,">=90")，之后 用自动填充功能完成其它单元格的填充。
excel成绩统计分析的完整过程
现在我们来计算及格率和优秀率，及格率（优秀率）=及格人数（优秀人数）/总人数，我们刚才计算的及格人数在C32单元格，学生总数为24，所以在公式中输入=C30/24，同理，在优秀率中输入=C32/24。自动完成后面学科的计算。
excel成绩统计分析的完整过程
选择中 c31:m31和c33:m33,设置数据以%显示；如图所示。接着我们删除排名列中的统计指标。因为这些数据是复制过来的，我们根本不需要它。
excel成绩统计分析的完整过程
excel成绩统计分析的完整过程
一张统计分析表格基本就制作完成了，我们只需要对表格进行一定的美化处理就可以了。
excel成绩统计分析的完整过程
