大多数开始主动学习excel的人，往往都是被一些美丽绚烂的图表所吸引：
但其实，这些图表动人的表面远不及其背后的价值重要。
一、excel的公式函数——增强流程梳理、逻辑运算力
通过函数，我们会常常进行简单的逻辑计算。
比如“判断团队业绩是否达标”：
if(计算条件的表达式或值，满足条件返回true,否则返回false)根据指定条件来判断其“满足”（TRUE）、“不满足”（FALSE），从而返回相应的内容。
结论得出——小李和小军均不合格。
也有可能会接触到复杂的逻辑计算，比如要计算1月到某月的销量和，如果切换月份时，累计销量也会变化。这个时候就可以用到OFFSET函数：
在F2单元格添加数据验证。选择【数据】——【数据验证】——允许选择【序列】——来源选择A2到A13单元格的数据——【确定】。这时我们就在F2单元格建立好月份的下拉菜单选项。然后在G2单元格输入函数=SUM(OFFSET(B2,0,0,MATCH(F2,A2:A13,0)))，此时再F2单元格选择相应的月份，G2单元格的累计销量就会随着选择的月变化而变化。这个函数有三个公式，最里面的MATCH(F2,A2:A13,0)，表示查找F2位于A2到A13单元格的第几行，比如F2单元格是十月，十月在A2到A13单元格的第10行，所以match函数返回的结果是10。OFFSET(B2,0,0,10）中省略了第五个参数，返回的结果是B2到B11单元格，最后利用sum函数对B2到B11单元格进行求和。
甚至一些更为常用的复杂函数：
（1）用VLOOKUP实现“从左到右的数据查询”。
VLOOKUP(要找谁,在哪个区域找,返回第几列的内容,精确匹配还是近似匹配)先从查询区域最左侧列中找到查询值，然后返回同一行中对应的其他列的内容。
（2）用HLOOKUP实现“从上到下的数据查询”。
HLOOKUP(要找谁,在哪个区域找,返回第几行的内容,精确匹配还是近似匹配)先从查询区域第一行中找到查询值，然后返回同一列中对应的其他行的内容。
（3）用LOOKUP实现在指定的行或列中查询指定的内容，并返回另一个范围中对应位置的值。
LOOKUP(要找谁,在哪行或哪列找,要返回结果的行或列）
通过excel公式与函数在多角度多种场景下的应用，能不断打磨我们对工作流程的熟悉度、加深对业务的理解、对数据的感知力，提高逻辑运算能力，为下一步打好基础。
2、图形图表——提升业务审美、问题挖掘、逻辑思维力无论是用excel做一张简单的统计图：
还是做一份有始有终的专业报表。
甚至花心思打造一张酷炫的可视化大屏：
都需要你会不断了解更多的分析模型以及数据分析方法，以开拓自己的数据分析思路，不断分析能力，探索现象及问题：
甚至我们在有意识的学习中，可以逐渐清晰自己的发展方向——比如渐渐由excel向数据分析转型：
当然掌握了excel≠数据分析，在这一块需要学习的内容会更多，我分享几本在我成长过程中帮助较大的【数据分析书籍】：
1、《深入浅出数据分析》
数据分析入门第一本。通俗简单，能够让你对数据分析的相关概念有大致的了解。这本书蕴含的思想逻辑和分析原则，要好好体会，会对你以后的学习有很大的帮助。
2、《深入浅出统计学》
号称“文科生也能看懂”的统计书。阅读起来相当容易，一口气就能看完。这本书所讲的知识在数据分析中都是常见且必须掌握的，比如基本的统计量，基本上每个分析项目中都会用到；比如基本的概率分布，总体与样本的概念、置信区间、假设检验、回归分析，都是关于数据分析的统计学知识。
“HeadFirst类的书籍，一向浅显易懂形象生动，可以对分析概念有个全面的认知。”
3、《精益数据分析》
“此书优势在于将企业分成了几个大的行业类别，并分门别类的讲解了每个行业的商业模式特点及分析技巧，对使用者的分析能力要求较高，且必须具备相应的业务知识。”
书中并没有讲到具体的数据分析技术，主要分析了各种产品中用到的指标、模型和“数据驱动型产品”的一些思路。
4、《决战大数据》
阿里巴巴前数据副总裁车品觉所著，讲解了阿里巴巴在企业内部治理数据过程中的心得，所讲“存-通-用”数据管理三板斧和“从数据化运营到运营数据”，字字珠玑，可堪借鉴。
如果你看过《学会提问》这本书，你会更加明白，在职场中，“会找茬”是一项多么难能可贵的技能。一些卓有成效的管理者，往往擅于此道，能在第一时间就找到某个结论的问题、推导某个难题的症结。
而数据分析的魅力之所以大，也恰恰因为，通过数据我们可以更加容易用批判性思维，去发现、挖掘藏在数据背后的问题，带来难题的解决、业务的促进，甚至影响商业决策：
一家美国零售商最近发现，两种不同变数之间存在着某种有趣的联系。当天气变冷，肉桂葡式蛋挞的销量上升500%——并非所有的葡式蛋挞，只是肉桂这一个品种。面对这种零星数据，零售商要做出抉择。每当预测天气即将转冷时，应该储备多少肉桂葡式蛋挞？还有一家零售商发现，羊奶干酪打折似乎能促进红酒的销售。希望减小红酒库存的时候，是不是应考虑羊奶干酪打折这种方法？这两个问题的答案取决于大数据分析的核心问题：弄清相关性与因果关系之间的区别。人类善于发现事物的相关性——这是进化的特征——但是却在发掘直接相关事物的关系时显得有些笨拙。将相关性误解为因果关系所做出的决策是危险的，可能会遭受惨败，因为你所期待看到的影响可能并不会发生。
而这些，都不是excel一时能带来的，是在你不断努力之后，潜移默化中发生的。
所以请不要把excel神化，它其实只是仗着“数据”，成为了职场的入门语言罢了。
,
