Excel高手最愛用！3步驟學會超強大「樞紐分析」，資料處理再也不愁|數位時代 BusinessNext

要想精進Excel技巧，別急著投入研究各種複雜的函數，而是先弄懂Excel內建的「樞紐分析」。這個項目操作起來簡單、方便上手，但功能卻十分強大，可以說是Excel最重要的精髓！

《Excel工作現場實戰寶典》作者王作桓指出，精熟樞紐分析技巧，幾乎可以解決8成Excel分析需求，幫你洞察資料內真正有意義的訊息。下面以市場調查的問卷資料為例，說明樞紐分析的做法。

Step1. 設定資料分析範圍，建立樞紐分析表

假設《經理人月刊》希望針對願意花比較多錢買雜誌的人推出新雜誌，為了滿足潛在顧客的需求，特別請行銷部做了一次市場調查，以決定應該跨入的領域。身為專案負責人，如果想從這一批調查問卷資料裡快速歸納出建議的策略，最適合的處理工具就是樞紐分析表。

按圖可放大

1. 點選「插入」索引標籤裡的「樞紐分析表」

請Excel新增一張樞紐分析表。

2. 在「建立樞紐分析表」的對話框確認表格範圍「樞紐! $A$1:$I$151」

告訴Excel你想分析的資料在哪裡。我們把「樞紐」設定為這張工作表的名稱，「$A$1:$I$151」是指這張工作表中A1到I151的所有資料。大部分的時候Excel會預抓資料範圍，但假如你的資料中間有空白列，就必須自己重新輸入資料範圍來設定。

3.選擇放置樞紐分析表的位置「新工作表」

你也可以選擇放在現有的工作表中，但除非原本的資料內容很少，否則為了避免雜亂，推薦做法還是把樞紐分析放在新工作表。

Step2. 調整樞紐分析表的組成，把想分析的欄位放進去

在樞紐分析的使用方法前，先解釋一下樞紐分析工作表的版面配置。左邊是最終報表呈現的區域，右邊的「樞紐分析表欄位」是用來控制報表呈現內容，只要調動設定，左邊報表會立即更新。

按圖可放大

樞紐分析表欄位又分為上下兩個區塊，上半部是勾選想出現在報表的資料欄位（貼心提醒：為了顯示資料欄位，原始資料清單的第一列都要有欄位名稱），下半部則是你希望這些資料出現在報表中的哪個位置（篩選、列、欄、值），就把上半的資料欄位拖曳到對應的區域：

A篩選：拖曳至該區域的欄位，將做為篩選整張報表資料的依據。

比方說把「月收入」放在這，你就能透過篩選，讓報表只顯示3萬以上的資料。

B列：拖曳至該區域的欄位，會變成樞紐分析表的列資料。

填入超過一個欄位資料，Excel會在報表上進行分組，例如先放入「性別」，再放「每月花費多少錢買雜誌」，報表呈現就會是同性別裡、不同花費金額的統計結果，如果想要改變分組的順序，變成像上一頁中每月花費相同金額買雜誌、不同性別的統計結果，就要透過拖曳，把「每月花費多少錢買雜誌」放在「性別」之後。

C欄：拖曳至該區域的欄位，會變成樞紐分析表的欄資料。

拖曳至該區域的欄位，會變成樞紐分析表的欄資料。和列標籤一樣，只要填入超過一個欄位的資料，Excel就會幫忙分組來統計資料。想改變分組的方式，就要調動欄位在欄標籤的擺放順序。

D值：拖曳至該區域的欄位，表示要請Excel統計匯總。

拖曳至該區域的欄位，表示要請Excel統計匯總。針對放入此區域的項目右側箭頭按下左鍵，點選「值欄位設定」，設定你希望Excel是計算加總、平均值、項目個數、最大值，還是最小值等。

這張分析表，你可以這樣解讀：

本來的銷售策略是希望針對願意花比較多錢買雜誌的人推出新雜誌，那應該把通路設定在哪？假設願意花比較多錢是指「每月花費400元以上」買雜誌的人。

你會發現如果要主打男生，網路書店會是不可或缺的通路之一，但願意花更高消費金額在雜誌上的女生，反而沒這麼依賴網路。而一般書店則是不論男女，都會購入雜誌的管道。

Step3. 時間、金額等數字資料，可以再做合併

如果本來的問卷設計是請受訪者直接填寫「實際年齡」，而不是勾選年齡範圍，當資料丟進樞紐分析後，就會出現各個歲數的分析結果，顯得太過詳細，不方便判別。

針對這種數字資料，Excel可以幫你用群組功能，把同一個區段的資料併成一組，以年齡來說，你可以讓Excel把各歲數合併為11～20、21～30、31～40、41～50、51～60來呈現。這個做法，在分析「時間」相關的資料也格外好用，可以把資料按照年、月、季、天數來分組呈現，方便你進行比較。

按圖可放大

做法如下：

1.選擇樞紐分析表中、年齡列標籤的任一儲存格

2.按右鍵點選「群組」

3開.始點設為11，結束點設為60，間距為10

4.按下「確定」就完成

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。