
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在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10