数分学习2:excel报表数据清洗-标准数据

往往我们拿到的业务源数据是五花八门的，不能直接使用，那怎么对数据进行处理，处理成什么样的数据使其可以方便我们使用呢？下面会通过实际案例回答这两个问题。

问题一：处理成什么样的数据？

处理成标准数据。

标准数据：

1. 含义:

标准数据是指经过统一规范、明确口径、固定格式和质量校验，能够在企业内部跨部门、跨场景复用的结构化数据。它是相对 “原始数据”“杂乱数据” 而言的标准化产物，核心是消除数据的歧义性、不一致性，让数据具备可理解、可对比、可复用的属性。

简单来说，标准数据就是完成了规范化处理的源数据。

1. 作用：

• 降低数据清洗成本，提升分析效率

• 保障分析结果的准确性与一致性

• 支撑跨部门协作，降低沟通成本

• 增强决策的可靠性，避免 “数据误导”

• 助力数据资产化(提高历史数据的可使用性)，支撑长期业务发展

1. 标准数据的要求和要点：

• 口径统一要求：统一指标定义，维度划分标准化，计算逻辑固化

• 统一数据的外在形态（格式等）

• 溯源可查：数据全链路可追踪（保留历史版本）

比如：标准数据中，不允许出现合并单元格，合并单元格python识别不了，数据处理也也没有独立单元的数据处理起来方便简单。

问题二：怎么把数据清洗成标准数据？

整体思路：

今天我们拿到了公司6月的销售数据，结合我们之前已经有的4月和5月的销售数据和销售情况报表，我们现在要先对6月这些新数据进行清洗，使数据口径统一（将数据清洗为标准数据），才能进行报表的制作。

数据清洗目标：

目标是清洗成和之前5月的报表一样的数据，包含下面这些数据列并一一对应（统一口径）

实际案例操作：

1. 数据备份(养成备份习惯！！)

将源数据的子表复制为另一个子表，命名为“备份”，并隐藏起来，完成同一文档下的数据备份。

2. 数据清洗-单元格处理

• 选中“合并单元格”的部分---【取消合并】

• 【查找和选择】--【定位】--勾选【空格】--输入公式=＋⬆键，

• 同时按ctrl+enter，对所有空的单元格填充相同的公式完成填充

  

• 检查填充的数据是否正确

3. 数据清洗-数据提取

通过公式将“产品类型”和“期数”的信息提取出来

完成之后，借用筛选器，检查公式结果是否正确

4. 数据清洗-数据匹配提取

接下来是匹配销售的业务架构信息，完善数据表。

• 快速输入表头：区域，省份，小组，业务组等等

• 打开销售业务架构信息表（销售人员表），通过vlookup函数进行数据匹配和数据填充（注意锁定B2的B列，方便后续拖动填充公式）

  

其余的也是根据逻辑，通过公式去清洗出来（下图示例）

完成之后，借用筛选器，检查公式结果是否正确

检查完毕，保存处理好的标准数据（保存文档）

5. 数据导入-导入报表

为了避免因为复杂的处理导致源数据变动，要养成一个习惯：在源数据被处理为标准数据之后，复制时要仅粘贴为值，只保留这次处理的最终结果

如何导入处理好的标准数据到之前做好的报表中？

• 选中除了表头的所有数据信息，复制

• 打开之前做的销售数据报表，将6月的数据信息继续粘贴到子表中，仅粘贴为值

• 注意：导入的数据要对齐表头，避免出现数据错列之类的情况

数据粘贴之后，记得更新月筛选器的选项【数据验证】

6. 数据导入-异常处理（debug）

数据导入报表之后，会发现报表的数据有异常。

debug思路：

4，5月的数据和报表呈现都没有问题，说明原有的计算逻辑和数据引用是没问题的，那么问题就出现在新导入的数据上。

通过筛选器检查，和表头比对，找到出错的地方（数据结构不一致，格式等），进行更正。更正之后再将修成好的数据重新导入6月数据（删除之前导入的6月数据）即可。

Q：6月的“成交日期”列没有被识别为日期怎么处理？

看下数据的格式是文本还是数值

怎么分辨数据是文本还是数值？

在未设置对齐方式的情况下，靠左对齐是文本，靠右对齐是数值。

而日期是特殊的数值，默认情况下也是靠右显示。

怎么把文本型日期修改为数值型日期？

分列功能将文本型日期强制修改为数值型日期

【数据】-【数据工具】-【分列】-【默认选分隔符号】-【下一步】-【下一步】-【选择日期】-【完成】处理完，日期数据会自动靠右对齐。

完成！展示！

以上就完成了我们本次报表数据清洗的拆解和学习。