财务会计与管理会计(四)
文章目录
- 月度数据统计分析
- OFFSET函数在图表分析中的应用
- 多种费用组合分析图
- SUMPRODUCT函数
- 省公司全年数据分析模板
- INDIRECT、OFFSET函数
- 多公司分季度数据筛选
- VLOOKUP、IFERROR函数的应用
- 淘宝后台数据分析
- OFFSET函数在跨表取数中的应用
- 燃气消耗台账数据统计分析图
- SUMPRODUCT函数在制作图表数据中的应用
- 管理费用分析
- SUMIFS函数在制作图表数据中的应用
- 同期数据对比
- OFFSET函数在制作图表数据中的应用
月度数据统计分析
OFFSET函数在图表分析中的应用
=INDEX(汇总月统计!SAS3:$AS36,MATCH(B2, N(OFFSET(汇总月统计!$A$2,ROW(S1:$34),MATCH(分析表!SBS1,汇总月统计!$B$2:SMS2,0))),0))
=LARGE(N(OFFSET(汇总月统计!SAS2,ROW(S1:$34),MATCH(SBS1,汇总月统计!$B$2:$MS2,0))),ROW(1:1))
通过控件选择指定月份,调取该月份下的费用数据并按照从小到大的顺序排列出来,仅对排在前十的费用数据显示在图表中,为财务分析例会提供直观的分析素材。


多种费用组合分析图
SUMPRODUCT函数
A2=0FFSET(基础资料!$A$1,ROW(2:2)-1,$C$1)
B2=SUMPRODUCT((数据源!D$2:D$520=A2)*(数据源!B$2:B$520=A$1)*数据源!E$2:E$520)
B2-SUMPRODUCT((数据源!D$2:D$520=A2)*数据源!B$2:B$520=A$1)*数据源!E$2:E$520)


省公司全年数据分析模板
INDIRECT、OFFSET函数
B2=OFFSET(INDIRECT("'"&B$1&"'!$A$2"),ROW(1:1),MATCH($A$1,'1'!$A$2:$C$2,0)-1)
B2=OFFSET(起始点,向下偏移量,向右偏移量)
INDIRECT("'"&B$1&"'!$A$2")
='1'!A2='B1'!A2="'"&B1&"'!A2"=INDIRECT("'"&B1&"'!A2")
ROW(1:1)
1,2,3,4,5,……
MATCH($A$1,'1'!$A$2:$C$2,0)-1
MATCH(查找值,查找区域,查找方式)-1
P2=OFFSET(A$1,ROW(1:1),P$1)
B2=OFFSET(起始点,向下偏移量,向右偏移量)


多公司分季度数据筛选
VLOOKUP、IFERROR函数的应用
A2=IF(B2=查询表!$K$1,MAX(A$1:A1)+1,"”
A2=IF(判断表达式,成立时返回的值,不成立时返回的值)

A3=IFERROR(VLOOKUP(ROW(1:1),数据源!$A$2:$C$50,1.0),0)
A3=IFERROR(VLOOKUP(查找值,查找区域,返回的列数,精确查找),0)
A3=IFERROR(VLOOKUP(ROW(1:1),数据源!$A$2:$C$50,1,0),0)
B3=IFERROR(VLOOKUP(ROW(1:1),数据源!$A$2:$C$50,2,0),0)
C3=IFERROR(VLOOKUP(ROW(1:1),数据源!$A$2:$C$50,3,0),0)

D3=IFERROR(VLOOKUP(ROW(1:1),数据源!$A$2:$0$50,$K$2*3+1,0),0)
D3=IFERROR(VLOOKUP(查找值,査找区域,返回的列数,精确査找),0)
D3=IFERROR(VLOOKUP(ROW(1:1),数据源!$AS2:$0850,$K$2*3+1.0).0)
E3=IFERROR(VLOOKUP(ROW(1:1),数据源!$A$2:$0850,$K$2*3+2,0),0)
F3=IFERROR(VLOOKUP(ROW(1:1),数据源!SAS2:80850,SKS2*3+3,0),0)

淘宝后台数据分析
OFFSET函数在跨表取数中的应用
D4=AVERAGEIF(E4:AI4,">0”,E4:AI4)
D4=AVERAGEIF(条件区域,"指定条件",数据区)
E4=0FFSET(明细!$C$1,ROW(1:1)+(COLUMN(A1)-1)*15,MATCH($B$1,明细!$D$1:$F$1,0))
E4=0FFSET(起始点,向下偏移量,向右偏移量)
向右偏移量=MATCH($BS1,明细!SDS1:$F$1,0)
向右偏移量=MATCH(查找值,查找区域,查找方式)
向下偏移量=ROW(1:1)+(COLUMN(A1)-1)*15
=ROW (1:1)+COLUMN (A1)
=ROW (1:1)+(COLUMN(A1)-1)
=ROW(1:1)+(COLUMN(A1)-1)*15


燃气消耗台账数据统计分析图
SUMPRODUCT函数在制作图表数据中的应用
M4=SUMPRODUCT((SDS3:$D8500=L82)*(SBS3:$B$500=$M$2)*($C$3:$C$500=M$3)*$G$3:$G$500)
M4=SUMPRODUCT((气表型号=指定值)*(年份=指定年)*(月份=指定月)*消耗气量)
M4=SUMPRODUCT(($D$3:$D8500-$L82)*($B83:$B$500-$M$2)*($C83:$C$500=M$3)*$G$3:$G$500)
M5=SUMPRODUCT((SDS3:SD8500=SL82)*(SB83:SB8500=SMS2)*(SC83:8CS500=MS3)*8183:$I8500


E2-SUMPRODUCT((YEAR($A$2:$A$13)=$D$1)*(MONTH($A$2:$A$13)=E1)*$B$2:$B$13)

管理费用分析
SUMIFS函数在制作图表数据中的应用
C2=SUMIFS( 2017’!F:F,’2017’!B:B,A2,’2017’!C:C, A$1)
C2=SUMIFS(数据区,科目列,指定科目,部门列,指定部门)
C2-SUMIFS( 2017’ !F:F,’2017’!B:B, A2,’2017’!C:C,A$1)
D2=SUMIFS( 2018’!F:F,’2018 !B:B,A2,’2018 !C:C,A$1)
A1=0FFSET(基础数据!C1,B1,)
C15-"2017年"&ROUND(C14/10000,2)&”万'
D15-"2018年"&ROUND(D14/10000,2)&”万’
1、添加控件列表框,关联单元格
2、添加科目名称和部门名称
3、编写A1单元格公式,用于图表标题
4、编辑C、D列公式
G2=SUMIFS(' 2017’!F:F,’2017’!C:C, F2)
G2=SUMIFS(数据区,部门列,指定部门)
G2-SUMIFS( 2017 !F:F, 2017 !C:C, F2)
H2-SUMIFS( 2018’!F:F,’2018’!C:C, F2)
I2=IF(F2=A$1,G2,0)
J2=IF(F2=A$1,H2,0)

同期数据对比
OFFSET函数在制作图表数据中的应用
P2=SUM(OFFSET(B2,,,,COUNT(B$6:M$6)))
P2=SUM(OFFSET(定位,下,右,高,宽))
Q2=SUM (OFFSET(B2,,,,COUNT (B$6:M$6)))/COUNT(B$6:M$6)
Q2=SUM (OFFSET(B2,,,,COUNT(B$6:M$6)))/COUNT(B$6:M$6)
AAA=OFFSET(数据统计表!$A$1,数据统计表!$R$1,1,1,12)
AAA=OFFSET(定位,下,右,高,宽)
AAA=OFFSET(数据统计表!$A$1,数据统计表!$R$1,1,1,12)
BBB=0FFSET(数据统计表!$A$1,数据统计表!$R$1+1,1,1,12)


相关文章:
财务会计与管理会计(四)
文章目录 月度数据统计分析OFFSET函数在图表分析中的应用 多种费用组合分析图SUMPRODUCT函数 省公司全年数据分析模板INDIRECT、OFFSET函数 多公司分季度数据筛选VLOOKUP、IFERROR函数的应用 淘宝后台数据分析OFFSET函数在跨表取数中的应用 燃气消耗台账数据统计分析图SUMPRODU…...
回归分析系列1-多元线性回归
03 多元线性回归 3.1 简介 多元线性回归是简单线性回归的扩展,允许我们同时研究多个自变量对因变量的影响。多元回归模型可以表示为: 其中,x1,x2,…,xp是 p 个自变量,β0 是截距,β1,β2,…,βp是对应的回归系数&…...
web小游戏开发:拼图——蜂巢拼图
web小游戏开发:拼图——蜂巢拼图 蜂巢拼图游戏规则调整选项切图计算六边形的宽和高铺上背景画出蜂巢制作图块游戏方法打乱排列拖拽图块开始拖拽拖拽移动放置图块小结蜂巢拼图 之前我们已经完成了长方形的拼图代码,包括了三个游戏方式,并讨论了带咬合齿的游戏代码该如何制作…...
springCloud集成activiti5.22.0流程引擎(分支)
springCloud集成activiti5.22.0流程引擎 点关注不迷路,欢迎再访! 精简博客内容,尽量已行业术语来分享。 努力做到对每一位认可自己的读者负责。 帮助别人的同时更是丰富自己的良机。 文章目录 springCloud集成activiti5.22.0流程引擎一.Sprin…...
ppt模板免费网站有哪些?自动美化工具推荐
新的8月,是时候以全新面貌迎接高效办公挑战了! 想要你的PPT演示脱颖而出,却苦于找不到精美又免费的模板? 别担心,今天我来告诉你们:哪个软件有精美免费ppt模板? 今天我为你们精心汇总了6款PPT…...
java实现解析pdf格式发票
为了减少用户工作量及误操作的可能性,需要实现用户上传PDF格式的发票,系统通过解析PDF文件获取发票内容,并直接将其写入表单。以下文章记录了功能实现的代码。 发票样式 发票内容解析 引用Maven 使用pdfbox <dependency><groupI…...
数据结构初阶——算法复杂度超详解
文章目录 1. 数据结构前言1. 1 数据结构1. 2 算法 2. 算法效率2. 1 复杂度的概念 3. 时间复杂度3. 1 大O的渐进表示法3. 2 时间复杂度计算示例3. 2. 1 示例13. 2. 2 示例23. 2. 3 示例33. 2. 4 示例43. 2. 5 示例53. 2. 6 示例63. 2. 7 示例7 4. 空间复杂度4. 1 空间复杂度计算…...
ArcGIS Pro SDK (十二)布局 4 预定义的形状和箭头
ArcGIS Pro SDK (十二)布局 4 预定义的形状和箭头 文章目录 ArcGIS Pro SDK (十二)布局 4 预定义的形状和箭头1 创建预定义的形状图形元素2 创建预定义的形状图形元素3 创建预定义的形状图形元素4 创建线箭头元素环境:Visual Studio 2022 + .NET6 + ArcGIS Pro SDK 3.0 1 …...
在 Ubuntu 14.04 服务器上安装 ISPConfig3 的方法
前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。 简介 虽然命令行是一个强大的工具,可以让您在许多情况下快速轻松地工作,但在某些情况下,可视化界面…...
ELK学习笔记
ElasticStack分布式日志系统概述 Elasticsearch: 一个分布式搜索引擎,能够快速存储、搜索和分析大量数据。核心概念包括索引(Index)、文档(Document)和分片(Shard)。使用 RESTful API 进行数据操…...
Python+Selenium+Pytest+POM自动化测试框架封装详解
1、测试框架简介 1)测试框架的优点 代码复用率高,如果不使用框架的话,代码会显得很冗余。可以组装日志、报告、邮件等一些高级功能。提高元素等数据的可维护性,元素发生变化时,只需要更新一下配置文件。使用更灵活的…...
Hidden Marlov Model(HMM)
一、Model 1、将声学特征设为X,经过语音识别得到的tokens设为Y,目标是找到通过X得到Y的最大概率,可以通过概率公式改变为 分为两个概率 2、将tokens序列Y转化为states序列S,声学特征分得更细 3、从states到声学特征的过程 二、HM…...
mamba的安装及下载速度慢问题解决
同事反馈mamba的安装时网络慢 mamba是conda的加速工具,相比于conda 对包和环境的管理,mamba可以实现并行运算。相比于 conda,mamba 是用C重写了 conda 的部分功能,运行效率显著提高,可以进行并行的下载,使…...
【Linux入门】Linux环境搭建
目录 前言 一、发行版本 二、搭建Linux环境 1.Linux环境搭建方式 2.虚拟机安装Ubuntu 22.02.4 1)安装VMWare 2)下载镜像源 3)添加虚拟机 4)换源 5)安装VM Tools 6)添加快照 总结 前言 Linux是一款自由和开放…...
CPU缓存一致性机制详解
CPU缓存一致性机制详解 在多核处理器中,缓存一致性是保证系统正常运行的重要环节。本文详细介绍了缓存一致性协议、写入策略、总线嗅探、目录协议等相关概念,并通过示例代码解释了这些机制是如何在实际应用中工作的。通过学习本文,读者可以深…...
Android 12系统源码_屏幕设备(一)DisplayManagerService的启动
前言 DisplayManagerService是Android Framework中管理显示屏幕相关的模块,各种Display的连接、配置等,都是通过DMS和来管理控制。 在DMS模块中,对显示屏幕的描述分为物理显示屏(physical display)和逻辑显示屏(logical display),…...
《AI视频类工具之十——D-ID》
一.简介 官网:D-ID | The #1 Choice for AI Generated Video Creation Platform D-ID是一个人工智能生成的视频创建平台,可以轻松快速地从文本输入中创建高质量、高性价比和引人入胜的视频,背后的Al技术是由Stable Difusion和GPT.3提供支持,可以在没有任何技术知识的情况…...
【网络】局域网LAN、广域网WAN、TCP/IP协议、封装和分用
文章目录 局域网 LAN广域网 WAN网络中的重要概念IP 地址端口号 认识协议协议分层是什么OSI 七层网络模型TCP/IP 五层网络模型(或四层)物理层传输层网络层数据链表层应用层网络设备所在分层 封装和分用[站在发送方视角](封装)[站在…...
我司搜索中台的三次演变
本人从入职就开始负责我司的搜索中台了,总共是经历了三个大版本的迭代。 分别是: 基于阿里云智能开放搜索OpenSearch实现的第一代自研,开源canal(数据同步) 底层阿里云elasticsearch 对索引封装 实现的第二代自研&a…...
html+css+js网页设计 电商模版4个页面
htmlcssjs网页设计 电商模版4个页面 带js 网页作品代码简单,可使用任意HTML编辑软件(如:Dreamweaver、HBuilder、Vscode 、Sublime 、Webstorm、Text 、Notepad 等任意html编辑软件进行运行及修改编辑等操作)。 获取源码 1&…...
如何快速掌握Mermaid在线编辑器:面向初学者的完整可视化工具指南
如何快速掌握Mermaid在线编辑器:面向初学者的完整可视化工具指南 【免费下载链接】mermaid-live-editor Edit, preview and share mermaid charts/diagrams. New implementation of the live editor. 项目地址: https://gitcode.com/GitHub_Trending/me/mermaid-l…...
阿里千问,有个海外版
阿里千问,有个海外版。我也是最近才知道,用了一下,发现审核尺度明显要宽松很多,国内的千问明显被约束很多,就是个半残品。据说啊,国际版千问的部分数据放在了新加坡,对标的是ChatGPT。好像现在阿…...
太原烘焙培训排名
在太原选择烘焙培训机构时,许多朋友会关注不同机构的教学质量与特色。以下整理了一些选择时可以考虑的方面,供您参考。教学方式与内容部分机构采用以实操为主的教学模式,例如山西旭梦圆食品有限公司的课程安排中,实践操作占较大比…...
计算机组成原理知识可视化:影墨·今颜生成硬件结构图解
计算机组成原理知识可视化:影墨今颜生成硬件结构图解 每次给学生讲计算机组成原理,最头疼的就是怎么把那些抽象的概念讲明白。什么“冯诺依曼结构”、“CPU流水线”、“Cache工作原理”,光靠文字和PPT里的方块图,学生听得云里雾里…...
3个理由让你选择DeepSeek-Coder-V2:免费开源的AI编程助手
3个理由让你选择DeepSeek-Coder-V2:免费开源的AI编程助手 【免费下载链接】DeepSeek-Coder-V2 项目地址: https://gitcode.com/GitHub_Trending/de/DeepSeek-Coder-V2 从代码效率低下到开发流程革新的完整路径 在当今快节奏的软件开发环境中,开…...
Kali Linux 2026.1 重磅发布,内核升至6.18
作为全球最受欢迎的渗透测试与安全审计Linux发行版,Kali Linux在2026年迎来了年度首发版本——Kali Linux 2026.1。这次更新不仅延续了每年“.1”版本的视觉刷新传统,更特别致敬BackTrack Linux 20周年,引入“BackTrack模式”,同时升级内核至6.18,并新增8款实用工具。无论…...
双目立体视觉实战:从平行视图到3D电影原理的完整解析
双目立体视觉实战:从平行视图到3D电影原理的完整解析 你是否曾在电影院戴上3D眼镜,被扑面而来的立体效果震撼?这种身临其境的视觉体验,其核心技术正是源于双目立体视觉原理。本文将带你深入探索从平行视图构建到3D电影实现的完整技…...
从理论到实践:LSTM与Qwen1.5-1.8B GPTQ在时序预测任务中的对比
从理论到实践:LSTM与Qwen1.5-1.8B GPTQ在时序预测任务中的对比 最近在折腾时间序列预测,发现一个挺有意思的现象。大家一提到时序预测,脑子里蹦出来的第一个词可能就是LSTM,这几乎成了这个领域的“标配”。但另一边,以…...
银河麒麟V10下NFS服务端的高效配置与性能优化指南
1. 银河麒麟V10与NFS服务端基础认知 第一次在银河麒麟V10上折腾NFS服务端时,我踩了不少坑。这个国产操作系统虽然基于Linux,但在软件包管理和服务配置上还是有些特殊之处。NFS(Network File System)作为经典的网络共享协议&#x…...
AI 将编写 90% 的代码……我们现在到底该怎么办?
我至今仍清晰地记得读到那个标题的瞬间。那是 2026 年初一个平凡的夜晚,大约晚上 9 点,我正习惯性地在关闭笔记本电脑前翻阅科技新闻。突然,一行文字让我如坠冰窖,整个人僵在原地。“Anthropic 首席执行官预判:未来六个…...
