别再只盯着平均数了，真的。

我见过太多人，拿着一份数据，上来就是一个AVERAGE函数，算出个平均值，然后长舒一口气，仿佛洞悉了所有秘密。得了吧，朋友。平均数，很多时候就是个彻-头-彻-尾的“骗子”。它能告诉你数据的“重心”在哪，但它完全没告诉你，这堆数据到底是群纪律严明的士兵，紧密团结在将军（平均值）周围，还是盘各自为战的散沙，东一个西一个，拉开了十万八千里的阵线。

要看透这盘散沙到底有多“散”，你需要的武器，就是标准偏差。

这四个字听起来是不是有点学院派，有点唬人？别怕。把它想象成衡量数据“脾气”的温度计。标准偏差越大，说明数据的脾气越暴躁，数值波动得越厉害，一个个都离平均值老远；反之，标准偏差越小，说明数据脾气越温和，数值们都挨得特别近，是个“团结”的集体。

那么，在Excel这个我们天天打交道的“战场”上，怎么把这个藏在数据深处的“脾气”给揪出来呢？

这事儿，Excel早就替你想好了。你甚至都不用去背那该死的、带着根号的、看起来就让人头疼的数学公式。你只需要认识几个函数，几个长得像亲兄弟的函数。

首先，请出我们的主角家族：STDEV家族。

在最新的Excel版本里（求你了，别再用Office 2003了），你主要会跟这两个家伙打交道：

• STDEV.S
• STDEV.P

看到那个小尾巴没有？一个.S，一个.P。这可不是Excel开发人员闲得无聊随便加的，这恰恰是计算标准偏差时，你必须做出的第一个，也是最重要的一个抉择。这个选择，甚至带点哲学意味。

它在问你：你手里的数据，是“全部”还是“部分”？

STDEV.P 里的 P，代表 Population，也就是“总体”。什么时候用它？当你非常确定，你Excel表格里的数据，就是你研究对象的“全部家当”了。一个不多，一个不少。比如，你想计算你们部门这50个人上个季度的全部销售额的标准偏差。这50个人就是“总体”，一个不多一个不少。这时候，你就该用 STDEV.P。你就像上帝一样，拥有了完整的、全局的视野。

而 STDEV.S 里的 S，代表 Sample，也就是“样本”。这是我们日常工作中最最最常见的情况。你不可能把全国所有大学生的身高都量一遍，对吧？你只会随机“抽样”，比如抽1000个学生的身高数据。这1000个数据，就是从“全国大学生身高”这个庞大“总体”里抽取出来的一个“样本”。你想用这个样本的标准偏差，去“估计”和“推断”总体的标准偏差。因为样本总归有误差，所以它的计算公式在分母上会稍微调整一下（用n-1而不是n，别问为什么，相信统计学家的智慧），让结果更接近真实的总体情况。

总结一下，说句人话就是：

• 你的数据就是全部，再没别的了？用 STDEV.P。
• 你的数据只是从一个更大的池子里捞出来的一部分？用 STDEV.S。

绝大多数、99%的情况下，你打交道的都是样本数据。所以，如果你实在懒得思考，或者搞不清楚，那么无脑用 STDEV.S，通常错不了。这就像在野外生存，你不知道水干不干净，那就先煮沸了再喝，总归是更安全的选择。

好了，理论说完了，我们来点实际的。

假设，你有一列A1到A100的销售数据，记录了100个不同订单的金额。你想看看这些订单金额的波动情况。

操作简直不要太简单。

1. 找一个空白单元格，比如C1。
2. 在C1里，敲下键盘，输入：=STDEV.S(A1:A100)
3. 然后，潇洒地按下回车键。

Boom！一个数字瞬间就出现在C1单元格里。这个数字，就是你那100个订单金额的样本标准偏差。

假如你非常确定，这100个订单就是你们公司上个月的全部订单，你想计算的是“总体”标准偏差，那么就把公式换成：=STDEV.P(A1:A100)。

看到了吗？Excel把复杂的计算过程完全封装起来了。你只需要喂给它数据范围（A1:A100），然后告诉它你的哲学选择（用.S还是.P），它就会把结果呈现在你面前。

光算出这个数字还不够，你得理解它。

假如你算出来的标准偏差是500。这个500本身没有意义。但如果你对比一下，上上个月的标准偏差是2000，那你立刻就明白了：这个月的订单金额比上上个月稳定多了！客户下的单子，金额大小都比较接近，没有出现那种一个订单几万块、另一个订单几十块的极端情况。这种稳定性，对于预测、备货、现金流管理，意义重大。

再举个例子。你们公司有两个销售，小张和小王。

过去一年，他们俩的月均销售额都是50万，一模一样。光看平均数，你会觉得他们俩业绩一样好，对吧？骗子！平均数又在骗你了。

这时候，你掏出标准偏差这个“照妖镜”。一算，小张的月销售额标准偏差是5万，而小王的标准偏差是30万！

这意味着什么？

这意味着小张是个“稳定输出型选手”。他每个月的业绩都稳稳地在50万上下小幅波动，可能这个月48万，下个月53万。他的表现是可预测的。

而小王，就是个“神经刀”。他的标准偏差高达30万，说明他的业绩极其不稳定。可能这个月饿肚子，只做了5万业绩；下个月突然爆发，签了个200万的大单。然后连续几个月又归于平庸。他的表现是不可预测的，是“过山车式”的。

现在，作为老板，你再看看这两个平均数都是50万的员工，感觉还一样吗？你想提拔谁当主管？你想让谁去带一个重要的、需要持续跟进的项目？答案不言而喻。标准偏差，在这里，揭示了平均数背后隐藏的人性与业务模式。

除了.S和.P，你可能还会遇到两个老家伙。

在一些古老的教程或者旧文件里，你可能会看到 STDEV 和 STDEVP 这两个函数。它们是Excel早期的标准偏差函数。现在，为了兼容性，Excel还保留着它们。

• STDEV 就等同于现在的 STDEV.S（计算样本标准偏差）。
• STDEVP 就等同于现在的 STDEV.P（计算总体标准偏差）。

我的建议是，忘了它们吧。拥抱新时代，直接使用带.S和.P后缀的新函数。这样语义更清晰，更能体现你的专业性，也能避免未来可能出现的任何兼容性问题。

最后，说几个实战中的小贴士和注意事项。

• Excel很聪明。 当你用 STDEV.S 或 STDEV.P 函数框选一片数据区域时，它会自动忽略文本、逻辑值（TRUE/FALSE）和空白单元格。你不用费心去清理它们，这很方便。但如果你的数据区域里有错误值（比如#N/A, #DIV/0!），那整个计算就会返回错误。
• 警惕异常值！ 标准偏差对“异常值”或者说“极端值”非常敏感。想象一下，你有一组数据 10, 11, 12, 10, 11，它们的标准偏差很小。但如果混进去一个 1000，变成了 10, 11, 12, 10, 11, 1000，那计算出来的标准偏差会瞬间爆炸式增长。所以，在计算之前，最好先审视一下你的数据，看看有没有明显不合理的录入错误，或者需要单独处理的极端情况。有时候，一个“手滑”多打的零，就能让你的分析结果谬以千里。
• 结合可视化，效果翻倍。 不要只满足于一个冷冰冰的数字。把你的数据做成一个直方图或者箱线图。标准偏差的大小，会直观地体现在图表的“胖瘦”上。一个“瘦高”的直方图，意味着数据集中，标准偏差小；一个“矮胖”的直方图，则意味着数据分散，标准偏差大。数字结合图形，这才是数据分析的完全体。

所以，下次当你想了解一堆数据的真正面貌时，请不要再仅仅满足于那个平庸的、有时甚至会撒谎的平均值了。请多走一步，用 STDEV.S 或 STDEV.P，去计算它的标准偏差。

那一刻，你看到的，将不再是一堆杂乱无章的数字。

你看到的，是这堆数据背后，那躁动不安的、或沉静如水的灵魂。