操作步骤：

　　1. 打存放需要抽样数据的EXCEL表格，本例采用手机号码进行介绍。

　　2. 选择“工具”—“数据分析”—“抽样”后，出现对话框，依次选择： 输入区域：把原始总体数据放在此区域中，数据类型不限，数值型或者文本型均可；

　　抽样方法：有间隔和随机两种 间隔抽样需要输入周期间隔，输入区域中位于间隔点处的数值以及此后每一个间隔点处的数值将被复制到输出列中。当到达输入区域的末尾时，抽样将停止； 随机抽样是指直接输入样本数，电脑自行进行抽样，不用受间隔的规律限制。样本数：在此输入需要在输出列中显示需要随机抽取总体中数据的个数。每个数值是从输入区域中的随机位置上抽取出来的，请注意：任何数值都可以被多次抽取!所以在样本中的数据一般都会有重复现象，解决此问题有待于EXCEL软件的完善。目前我们可以使用“高级筛选”功能进行无重复数据筛选才可得出最终数据，所以抽样所得数据实际上会有可能小于所需数量。请根据经验适当调整在数据样本选取时的数量设置，以使最终所得样本数量不少于所需数量。 输出区域：在此输入对输出表左上角单元格的引用。所有数据均将写在该单元格下方的单列里。如果选择的是“周期”，则输出表中数值的个数等于输入区域中数值的个数除以“间隔”。如果选择的是“随机”，则输出表中数值的个数等于“样本数”；

　　3.然后单击确定就可以得到抽样结果。

　　间隔抽样结果：

　　随机抽样结果：

　　从随机抽样结果可以看出刚好有两个重复的号码，如果号码多了就需要用刚才提到的高级筛选功能进行筛选。

运营总监需要什么数据分析工具？

“运营总监需要什么数据分析工具”，这个问题我来解答，一方面是我本人刚好提供数据分析咨询业务，另一方面是今年已经有3、4个同事跳槽去了互联网公司，负责运营管理方面的工作，尤其最近跳槽的一个同事，是项目组上的伙伴，去京东金融负责一个版块，他的一些经验，刚好可以分享给你，对你有帮助的话，请点赞、转发。

第一，运营总监的定位，运营总监属于管理层，是一个执行负责人的角色，因此，需要掌握的数据分析工具肯定不是趋势图、柱状图这样的简单对比分析，需要进行数据挖掘分析，但作为一名负责人，需要的是分析策划，比如分析主题、维度、颗粒度等。

第二，运营总监的数据分析，是一种数据挖掘分析、属于大数据分析的范畴，需要的是基于用户画像进行分析，比如分析用户的性别、年龄、偏好、地区、购买能力、购物习惯、购买历史等，通过对用户画像进行多维分析，对用户进行精准推送，这就是为什么我们在头条上预览过某个话题后，头条会主动推送相关内容，再比如我们在某宝上购买某个商品后，打开浏览器后就会有相关产品信息进行推送。

第三、运营总监不是大数据分析师，而且进行大数据分析时，也不能指望某个人完成全部动作，所以，在麦肯锡方法中就有一条非常关键的建议：“不要指望将大海煮沸”，某个人都只需要完成一部分工作就好，运营总监亦是如此，关键是掌握方法，在麦肯锡、埃森哲这样的公司，我们习惯称之为方法论，方法论是流程、是操作步骤、是方法工具、是拿来就可套用的行动步骤。

作为一名咨询顾问，最擅长的就是方法论了，一入职公司公司，就会有方方面面的方法论培训，包括个人能力、专业业务等，比如麦肯锡公司的个人能力方面的方法论就有很多，比如金字塔原理教人如何结构化、如何有逻辑的展示观点、如何有效的与客户沟通，再比如提问术，培训新顾问做客户访谈、如何准备调研提纲、如何通过提问获取需求和展示自己的专业，再比如笔记术，教人通过做笔记，如何在笔记中展示逻辑结构，如何在笔记中勾勒访谈的故事线和客户语录等。

第四、运营总监如何进行数据分析，分享一个埃森哲公司的大数据分析的方法。

（1）埃森哲认为，数据分析即从数据、信息到知识的过程，数据分析需要数学理论、行业经验以及计算机工具三者结合。

（2）数据分析标准流程CRISP-DM为90年代由SIG组织（当时）提出，是已被业界广泛认可的数据分析流程。

（3）数据分析框架

3.1数据特征探索：

3.2数据概率分布

3.3 相关性分析

3.4 常见分析方法

分类与回归

聚类分析

关联分析

时序模型

结构优化

资源分享：第一步：关注 + 点赞 + 转发 （只会埋头下载而不转发会被随机拉黑）；

第二步：

如需麦肯锡方法论系列8个PPT可编辑源文件，私信发“2216”（资源包需打赏）；

如需埃森哲65页大数据分析方法，私信发“2250”；

关注【思维导图PPT】，每天分享一篇思维导图、PPT、职场技巧干货，希望你的每次来访都有所收获、助您早日升职加薪！

日常盘点，佛系推荐。

比起IT部门、销售部门等其他部门，运营总监除了简单的数据分析工具之外，还要学会一些用户分析工具、统计分析工具等等，因此列了大约10个常用的工具，按照推荐指数排名，仅供参考。

————————正文开始————————

1、谷歌统计推荐指数：☺☺☺☺☺

适用场景：

网站数据统计工具，定位是企业级客户服务在数据统计结构上，分为内容、社交、移动、转化和广告分析几个维度主要功能是可以对目标网站进行访问数据统计和分析，并提供多种参数供网站拥有者使用帮助用户衡量销售与转化情况，了解访问者如何使用自己的网站、如何吸引他们不断回访等优点：

使用起来很简单，只需要在网页上加一串代码就可以了除了通用的流量统计、关键词等还有一些特色参数，比如电子商务转换率、跳出率等等可以进行强大的自定义报告，不仅是一个数据统计工具，也存在细微的分析行为免费缺点：

功能上比较单一，只能进行粗略的数据统计主要适用于企业级角色基础功能免费，但是深度分析功能十分昂贵，少说也得几十万美金每年2、Excel推荐指数：☺☺☺☺☺

适用场景：

一般的办公需求下的数据处理工作；中小公司数据管理，存储（很多国有企业都用）；学校学生，老师做简单的统计分析（如方差分析，回归分析）；结合Word，PowerPoint制作数据分析报告；数据分析师的主力分析工具（部分数据分析师的辅助工具）优点：

容易上手；学习资源十分丰富；可以用Excel做很多事情，建模，可视化，报表，动态图表；帮助你在进一步学习其它工具之前（比如Python，R），理解很多操作的含义；缺点：

深入学习需要掌握VBA，难度还是很高；当数据量较大时，会出现卡顿的情况；到Excel2016版，在不借助其它工具的情况下，Excel数据文件本身能够容纳的数据仅有108万行，不适合处理大规模数据集；内置统计分析种类太简单，实用价值不大；正版Excel需要付费，比如我用office365.每年需要支付300多块钱3、Tableau推荐指数：☺☺☺☺☺

专业数据分析工具。

优点：

官网提供很多学习文档、案例、视频等资源供用户进行上手学习支持进行Iframe网页集成内置时序分析预测、聚类算法，可进行简单数据挖掘计算处理OLAP计算分析能力比较强大缺点：

对计算机的硬件要求很高，部署十分复杂数据模型属于宽带模型，灵活性和拓展性比较差无法控制用户查看的列级别的权限粒度，数据权限控制较差国内主要是代理商提供项目实施和技术服务，本土化稍弱，不如国内厂商不能进行深度的数据挖掘4、FineBI推荐指数：☺☺☺☺☺

专业数据分析工具，特点是自助式。

优点：

性能强大，在报价上有优势，性价比最高简单易学，支持自助式数据分析，能应用复杂多变的场景需求支持多数据源连接，对企业数据平台的对接能力更强内设多种数据挖掘算法，数据加工能力强大后期采用jar包升级换代，维护方便缺点： 轻量化的BI工具

5、Power BI推荐指数：☺☺☺☺

专业数据分析工具。

优点：

基于ERP和财务帐套，内置多种分析模块面向ERP之上的数据分析，在应用产品上更专业在数据建模上，支持实时和抽取模式，但不支持多数据源缺点：

可视化程度很低不支持Kylin、Derby、Gbase、ADS、Hbase、Mongodb的数据源连接对用户的技术要求较高，学习成本较大计算分析能力和数据挖掘能力与同样的FineBI相比起来较差6、R语言推荐指数：☺☺☺☺

使用场景：

通过扩展的第三方R包，R能够做的事情几乎涵盖了任何需要数据的领域。

优点：

数据清洗与整理；网络爬虫；数据可视化；统计假设检验（t检验，方差分析，卡方检验等）；统计建模（线性回归，逻辑回归，树模型，神经网络等）；数据分析报告输出（Rmarkdown）；缺点：学习成本较大，对于营销人员来说得不偿失。

7、Python推荐指数：☺☺☺☺

R语言和Python同为需要编程的数据分析工具，所不同的是，R专门用于数据分析领域，而科学计算与数据分析只是Python的一个应用分支，Python还可以用来开发web页面，开发游戏，做系统的后端开发，以及运维工作。

优点：

数据爬取，使用Python能够很容易的编写强大的爬虫，抓取网络数据；数据清洗；数据建模；根据业务场景和实际问题构造数据分析算法；数据可视化（个人感觉不如R好用）；机器学习，文本挖掘等高级数据挖掘与分析领域；缺点：学习成本较大，对于营销人员来说得不偿失。

8、百度统计推荐指数：☺☺☺

百度统计是百度推出的一款免费的专业网站流量分析工具，能够告诉用户访客是如何找到并浏览用户的网站，在网站上做了些什么，有了这些信息，可以帮助用户改善访客在用户的网站上的使用体验，不断提升网站的投资回报率。

优点

百度出品，技术上是值得信赖的，比很多国内粗制滥造的数据统计工具要强得多指标更为丰富一些，系统也比较稳定百度统计在独立IP数统计、访客访问轨迹、实时数据方面来说是优于谷歌统计的缺点

虽然号称免费，但其实只是开放给百度联盟等一些限制用户功能上大多局限于数据统计，不像谷歌一样可以进行用户分析9、HeapAnalytics推荐指数：☺☺☺

HeapAnalytics是国外一款很犀利的数据统计工具，其中的一大特异之处是让任何完全不懂技术的“普通人”，也能够轻而易举的监测到任何我们想监测的东西。

优点：去技术化、无埋点、实时数据、可视化配置；

缺点：因为统计服务本身在技术层面做了大量的处理与资源分配，也导致其高级服务本身的价格也很高

10、Adobe Analtyics推荐指数：☺☺☺

Omniture是最早采用页面布码方式进行监测的工具之一（可能就是第一），且最早按照SaaS方式提供服务，也是最为被广为采购的付费工具，但定价并不夸张，跟谷歌分析很像。

优点：

自定义能力上比谷歌分析要强价格优势，定价也比较灵活，按照流量分阶付费本身就是整个Adobe Marketing Cloud（AMC）构件的最关键最基础的构件缺点：

需要强大的本地客户支持如果没有官方的帮助，你自己无法配置，而如果没有配置好，功能基本上跟自己开发一个流量计数器差不多门槛高，如果光是复杂还好，主要是很多配置权限用户并不拥有，需要官方权限