严格意义上来讲，5000条数据称不上大数据，用excel是非常简单快捷的工具。给您提供简单的思路供参考。
1、确定分析思路。我们需要分析一个什么样的结果，简单介绍一下5W2H分析法，即何因（why），何事（what），何人（who），何时（when），何地（where），如何做（how），何价（howmuch），结合新生的数据情况，确认好要分析的目标。当然也有其他的分析方法，如PEST分析法，逻辑树分析法等。
2、数据处理。包括数据清洗和加工。比如日期格式，缺失值等。及时查漏补缺，确保数据的质量。这里要掌握一些基本的函数用法，比如：sum，average，dateif，vlookup等。
3、数据分析：主要用到的工具是数据透视表，他是一种交互式的报表，利用它，我们可以方便的调整分类汇总的方式，灵活的以多种不同方式展现数据特征。主要用的功能：数据排序，筛选，分类汇总等数据处理功能。
问题1、5000人中来自上海的学生有多少？
问题2、男生，女生的占比有多少？
问题3、重名人数有多少？
4、数据的展现。基本的图表有饼图，条形图，柱形图，折线图，散点图等，不同的图形用来暂时的重点也不一痒，占比建议用饼图，趋势建议用折线图等。
更多详细的步骤，可以参考天善智能学院李奇老师的
用Excel对话数据-零基础Excel商业智能分析
根据数据分析报告的情景，有些模块是可以省略的，比如说，附录并不是必须的。
下面我们逐一介绍数据分析报告的7个模块。
1.标题封面
一个好的标题，能让读者在看到报告的一瞬间*产生阅读的欲望，也能让读者迅速理解报告的主旨。
标题一般要符合SPA原则：
（1）简单明确Simple
（3）*客观Accurate
有时候，可以在标题中加入部分关键性的结论词语，以增加吸引力。
比如说，春节期间内推奖励翻番。
在数据分析报告的标题封面页，可以注明报告的制作者、所在单位或部门、完成日期等信息。
2.目录导航
目录主要是将报告的各模块呈现给读者，方便读者*了解和查找报告的内容，起到一种导航的作用，让读者在看报告的过程中不迷路。
当报告的篇幅比*长时，可以对目录进行细分。
比如说，按照4P和4R营销理论，我们可以把分析正文细分为8个部分：
相应的目录导航如下：
一、背景说明
二、思路方法
三、结论建议
四、分析正文
1、产品分析
2、价格分析
3、渠道分析
4、促销分析
5、顾客关联
6、市场反应
7、关系营销
8、利益回报
五、附录
3.背景说明
为了让背景说明更具有吸引力，可以采用讲故事的SCQA模式：
（1）描述情景Situation
（2）引发冲突Complication
（3）提出问题Question
（4）给予解答Answer
比如说，去年销售额增长20%，然而，利润却下降了5%，如何提高利润率？请看下面的结论建议。
4.思路方法
思路方法页，是为了便于读者理解报告的逻辑线索，可以包括分析的理论和框架、研究方法、算法模型等等。
比如说，在「腾讯00后研究报告中」，包含社会化理论、研究分析框架和研究方法等：
5.结论建议
如果你能更加*地传递*的信息，那么*是在创造价值。
数据分析报告的价值，在于给决策者提供参考和依据，而决策者需要的不仅仅是找出问题，更重要的是解决问题。
所以，结论建议一定要简明扼要、抓住重点，得出的结论一定要严谨慎重、有理有据，给出的建议一定要合情合理、能落地执行，应该注意3个要点：
（1）搞清楚要建议的对象；
（2）符合业务的实际情况；
（3）不要回避不好的结论。
6.分析正文
分析正文通常是数据分析报告中篇幅*长的模块，包括用来支持结论建议的论据和论证，一般符合金字塔原理，采用「总-分-(总)」的结构。
在《结构化写作》这本书中，介绍了构建金字塔结构的4个原则：
（1）论：结论先行，强调的是*表达一定要有清晰明确的结论，*表达只支持一个核心观点或中心思想，并且要放在开头的位置；
（2）证：以上统下，强调上下层级之间的论证关系，上一层结论是对下一层信息的概括和总结，下一层信息则是对上一层结论的解释和说明；
（3）类：归类分组，强调分类的重要性，把具有相似性或相互关联的信息要按照一定的标准进行分类，归为同一个逻辑范畴；
（4）比：逻辑递进，强调同一层次、同一组信息之间要进行比*，同一逻辑范畴的信息必须按照一定的逻辑顺序进行排列。
7.附录封底
附录中可以包含关键代码、元数据、参考文献等，以便让分析过程更加透明化，*分析结果的可追溯性。
根据需要，这部分内容也可以省略。
本篇总结了数据分析报告的7个模块，分别是标题封面、目录导航、背景说明、思路方法、结论建议、分析正文和附录封底，根据业务的实际情况，其中有些模块是可选的。
数据分析报告的好坏，能够反映出数据分析师水平的高低。无论分析方法多么*，如果不能将分析结果*地组织和展现出来，*无法体现数据分析的价值。
因此，每一个数据分析师都应该高度重视数据分析报告。在实际工作中，可以结合业务的实际情况，学习*的数据分析报告，并且学以致用，多加锻炼，从而不断提升制作数据分析报告的能力，做出更多更好地数据分析报告。
大多数情况来看，日常只要掌握一些基础的图表和这些图表的组合即可，目的是要能阐明结论，数据的对比、走向、趋势等。
有哪些基础图表？
适用于什么场景？
图表之间如何组合？（组合图表）
a.条形图&柱状图
单维度+趋势统计
区域维度+产品维度+人员维度的多维度展示
堆积图&百分比堆积图
堆积柱形图是在每个分类下将每个系列的值堆积起来显示，不仅可以直观的看出每个系列的值，还能够反映出系列的总和；而百分比堆积柱形图是每个分类下系列的总和为*，每个系列按照所占的百分比进行堆积，这样*能直观的看出每个系列所占的比重。
百分比堆积图
堆积条形图，这个和百分比堆积图类似
还记得地理书上的人口分布图吗，能明显的看出各层级的分布
b.折线&曲线图
折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。假设需要查看各个年份的合同签约总金额走势，此时选择折线图组件来提供数据分析是比*合适的。
常用的是多条分类的折线图
复杂的，如柱状+堆积+曲线趋势=股价图
面积图
双数值轴面积图
c.饼图：
普通的饼图表现并不是很直观，因为肉眼对面积大小不敏感。所以，在具体反映某个比重的时候，配上具体数值，会有*好的效果。
*基本的饼图
等弧度玫瑰图，以面积的大小放大各比重的排列，比*赏心悦目。
d.散点图&气泡图
散点图适用于三维的数据集，但一般只有两维需要比*，主要看分布，有些会设置四象限
散点图+趋势线
气泡图是散点图的一种衍生。不同于散点图，通过每个点的面积大小，都反映了第三维，比如十字象限气泡图。
e.数据地图
区域块颜色深浅反映程度/分类
加上气泡分布，多一层维度展示具体大小，这里的气泡还可以改成饼图，柱状图。
内容标签：（外卖数据分析表格）
地址:四川省成都市金牛区蜀西路52号(中国西部黄金珠宝中心)2栋A座1703、1704室