革新数据透视体验：WPS PIVOTBY函数在销售订单分析中的实战运用

优秀创作者

对业务部门下达的订单进行汇总分析是PMC工作中的常态任务之一，如附图所示的《销售订单明细表》为例，我们需要依据下单日期对产品大类（如电吹风、直发器、热风梳等）的订单数量进行分类统计，旨在清晰掌握各类别产品接单总量，从而有效实施品类接单量的最大阈值预警机制。

在对表格进行类似的数据分析与汇总操作时，最简便易行的方法就是利用表格软件的数据透视功能。只需将所需数据字段轻松拖拽至数据透视表的列区、行区和值区，即可迅速构建出一个用于聚合分析的数据模板。

数据透视

参照上图所示的《销售订单明细表》，其中“大类”列（包含电吹风、直发器、热风梳等信息）位于E列，“订购数量”列位于D列，“日期”列位于B列。现采用数据透视表工具对这些数据进行聚合分析，具体操作步骤如下：

点击“插入”菜单项，选择“数据透视表”命令。

在弹出的对话框中，指定数据源范围为B列至F列，确保覆盖所有相关数据列。

对于数据透视表的位置设定，选择将其置于现有工作表中的H3单元格处。

进入数据透视表字段布局界面，进行如下设置：

将“大类”列（即E列）拖曳至“行标签”区域，以便按大类进行分组。

将“日期”列移至“列标签”区域，以日期作为分类维度。

将“订购数量”列添加至“值”区域，并确保其计算方式为求和或适当汇总，以便对各时段各品类的订购数量进行统计。

完成上述步骤后，点击“确定”，系统即会生成一个数据透视表，准确地按照指定的大类和日期对订购数量进行了聚合分析。这样，销售订单数据的多维度汇总分析便得以实现。

透视公式：

上文所述的数据分析聚合确实可通过表格数据透视表来实现对数据的高效汇总分析。然而，此类工具存在一定的局限性，尤其是对于数据的实时同步处理。当销售订单数据发生变动时，数据透视表无法自动捕捉并反映这些变化。这意味着每当原始数据有所更新，用户必须手动调整数据透视表的范围，并随后执行刷新操作，才能确保分析结果的准确性。

相比之下，运用函数公式进行数据分析具备更强的实时性优势。函数公式能够直接与基础数据表建立动态链接，一旦源数据发生变化，依赖这些公式的计算结果会立即随之更新，无需任何人工干预。因此，在需要频繁且即时响应数据变动的情境下，使用函数公式进行数据分析往往更为便捷且高效。

在最近的WPS内测版本中，新增了一个名为PIVOTBY的全新数据透视函数。该函数具备按行与列对数值进行聚合的能力，其功能与数据透视表操作相仿。借助此函数，用户可有效替代大部分常规数据透视表应用场景。

PIVOTBY函数的参数设计与数据透视表的拖拽操作相对应：第一、第二、第三参数分别对应于拖拽至“行”、“列”、“值”的数据字段。例如，若在数据透视表中需对某字段进行求和运算，此时在函数中则对应设置第四参数为SUM；若需进行计数统计，则设定为COUNT，以此类推，各类聚合函数均可灵活应用，操作十分便捷。

此外，函数还包含了若干其他参数，主要用于控制统计项与汇总项的显示或隐藏。对于这些参数，若无特殊需求，可以选择省略，保持默认设置即可。总体而言，PIVOTBY函数的引入显著增强了WPS在数据透视与分析方面的灵活性与效率。

案例分享

继续以上述《销售订单明细表》为例，我们通过实际应用PIVOTBY函数，进一步展现其强大的数据分析能力。按照先前所述的四个关键参数，将它们逐一填入函数中：

=PIVOTBY(E3:E20, B3:B20, D3:D20, SUM)

函数各项参数的具体含义如下：

E3:E20：对应数据透视表的“行”操作，用于聚合“大类”列（包含电吹风、直发器等不同类别）的数据。

B3:B20：对应数据透视表的“列”操作，将“日期”列数据（按水平方向并去除重复项）进行分组。

D3:D20：对应数据透视表的“值”操作，指定需要进行分析的数据字段——此处为“订购数量”。

SUM：指定对所选分析数据（即“订购数量”）进行求和运算。

应用上述PIVOTBY函数后，即可得到如下图所示的效果，直观展示了各日期对各类别商品订购数量的聚合求和结果，充分彰显了该函数在数据分析中的强大功能。

其他参数

以上仅展示了PIVOTBY函数的基础用法，虽然已完成了数据聚合，但生成的结果可能包含汇总信息及标题等元素，影响数据的直观性和阅读体验。为此，我们可以利用函数的剩余参数对其进行“美化”。请参考以下公式：

=DROP(PIVOTBY(E3:E20,B3:B20,D3:D20,SUM,3,1,,1),1)

各额外参数的含义如下：

数字3：表示显示标题，为结果添加清晰的列名标识。

数字1：启用行统计，显示每行（即每个大类）的合计数量。

第三个数字1：同样启用列统计，显示每列（即每天）的合计数量。

最后，使用DROP函数对PIVOTBY结果进行处理，其参数1指示去除结果的第一行（通常是多余的汇总行）。

经过上述参数调整与DROP函数的应用，最终得到的分析结果将更符合阅读习惯，如下图所示。

利用函数PIVOTBY对数据进行聚合，不仅操作简便，能迅速实现数据的归集整理，而且确保了数据的实时一致性，这对于PMC（项目管理控制）在日常工作中处理各类数据分析任务提供了极大的便利。尤为值得一提的是，PIVOTBY函数生成的聚合结果可直接作为其他函数的运算范围，这对于那些涉及多层嵌套数据分析的复杂函数而言，无疑是一大福音，极大地简化了此类高级分析过程。

326 数据洞察：PMC中的单条件与多条件筛选技巧与案例剖析

325 告别杂乱：基于WRAPROWS与REDUCE的二维项目跟进表高效重整

324 告别手动更新：WPS动态数组公式助力项目跟进表实现全自动化统计

323 WPS AI：一站式解决方案，让复杂演示汇报轻松化

322 多表并一，费用归类：WPS VSTACK函数助力PMC高效整合项目开支

321 从复杂到清晰：PMC如何优雅处理合并单元格，高效实现销售排名

320 PLM系统上线前奏：智能化模板破局BOM物料重复难题

319 XLOOKUP赋能动态联动菜单：轻松实现多级数据筛选与更新

318 整合WPS新函数：REDUCE、LAMBDA与VSTACK，构建高效BOM整理解决方案

317 【案例解析】信息化系统BOM数据不规范？看PMC如何化繁为简

316 PMC实战分享：如何应对大型零部件逐日管控难题与WPS表格模板设计

315 巧用表格函数优化销售业绩分配：提升奖金计算效率与准确性