[财务管理]管理工具概述.pptVIP

1.1 excel基本界面熟悉 Office按钮 快速访问 工作簿名称 功能区 名称框：定位 范围选择： A2：E5矩形两端的单元格 冒号、逗号、空格的用法 编辑栏 选择所有100行 选择第3行到第8行 选取第1行、第3行、第5行 选取C列 选取C列到G列 选择C、E、H列 选取A1到D7 行号 列标 隐藏网格线 工作表名称 案例：做出工作量基本统计 原始数据 统计结果 主要用到的功能 状态栏（最底部） 排序和筛选（最右） 1.2创建工作簿 一般可选项 打开工作簿——方式 保存工作簿——方式 打印及预览 案例操作 设置纸张大小 设置边距 设置页眉、页脚 设置页眉、页脚内容及格式 进行预览 文件保护——设置、修改和取消密码 工作表插入 工作表重命名、标签颜色 选定多个工作表（shift,ctrl) 移动和复制工作表 拆分工作表（视图——拆分，从选中格开始拆分） 窗口冻结 多个工作表排列 工作表 基本输入 表格行、列插入 行高、列宽 添加边框 合并\拆分单元格 表格选择 表格的复制和移动 格式化 保护工作表： 自动套用格式 * 管理工具 第一章：概述 董亚妮:dynaking2000@ 《哈佛商业评论》宣布，“数据科学家”是二十一世纪最性感的职业。所谓性感，既代表着难以名状的诱惑，又说明了大家都不知道它干的是什么。 数据科学家做的，就是在数据中遨游的同时进行探索，其显著特点是强烈的好奇—他们渴望寻找问题核心，追究问题实质，并把这些东西提炼为一组非常清晰、可以验证的假设。这往往会让人联想到这些都是任何一个领域最有创意的科学家所具备的特质，很显然，科学家这个头衔适合于这一新兴角色。他们实现价值提升并不是靠做报表或者PPT给高管，而是靠在面向客户的产品与流程方面所做出的创新。 数据科学家就是采用科学方法、运用数据挖掘工具寻找新的数据洞察的工程师。 基础的EXCEL统计 简单的统计分析 复杂数据的收集和分析 挖掘了停留时间与路径的关系，女生单点停留时间更长，但是比较坚定的沿着动线前进；男生则喜欢前后反复绕圈，但是每次的单点停留时间比较短。 互联网数据分析 青春最大的残酷就在于，在最无知的时候偏偏要处理这辈子最重要最复杂的情感”； “女人永远是男人的学校”； “青春是一种病”； “只要你还没放弃打手枪，青春就还没结束”； “整个影院的观众一起大笑到最后一起啜泣的感觉很奇妙”。 电影院的氛围特别容易触动人，男生看了后其实也很唏嘘啊。去年“一起追的女孩”在台湾上映后，我的许多“老男人”朋友们，纷纷都去理了柯景腾式的小平头。有个家伙还开始了寻找当年那个女孩的旅程。。。 写了脚本把某电影论坛里关于“那些年我们一起追的女孩”的所有评论与回应抓下来，然后绘制评论者与回应者之间的社会网络图。由于之前观察到12月初爆发的现象，所以利用回应日期对样本进行区分，蓝点是截止至11月30前的网络结构，红点是12月1日开始的网络结构，清晰看见两种不同的行为。 特别抓了6号7号两天的影评资料和以前的进行对比。第一个t检定是星级评价，首映前后显著掉了下来；第二个t检定是回应数，掉落巨大。 开始进行“那些年我们一起追的女孩”的文本分析，使用Lucene+Paoding进行中文分词，然后自己写包含时间线索与语义字典的脚本，计算文本里所有关键词的出现频次。发现在12月3日当天全部45篇影评里，有3篇明确提及盗版碟下载，获得11条回应。隔天影评人数冲高至293人，获得737条回应，而且以男生为主。 抓取12月3日以前全部229篇影评，文本数据表明85%的观众是在电影院看的电影，观看的地点全是海外，主要是：台湾48%、香港32%、澳门13%、新加坡6%。这些影评总共产生了834条回应，主要内容是对影片上映的期待。比较好玩的地方是，通过语义分析判断，这段期间里绝大多数的影评与回应者是女生。 [继续]两相比较：男生更倾向于下载盗版碟来看电影，而女生则更喜欢在电影院里欣赏。同时我们也可以更好的解释豆瓣里对于“那些年我们一起追的女孩”电影评论人数突然在12月初爆发式成长的原因。就是因为盗版碟流入市场，导致更多的人有机会亲自欣赏这部片子，于是引发了更多关于这部片子的影评与讨论。 那些年我们一起追过的女孩 词频分析：这是关于青春（450）回忆（174）的清新（108）爱情（73）电影（236），让我觉得（97）很有感觉（90）、感动（118）、共鸣（64），曾经（49）那个（76）青涩（37）幼稚（57）的自己（160），和我的青春（44）一样（37），永远（44）错过（59）了，最后（84）只剩怀念（41）和遗憾（40）。 基于用户行为分析，互联网营销趋向 开放-主动-整合 ● 基于用户行为分析，互联网营销趋向 开放-