在我上午十点刚进门的时候，电脑屏幕还亮着，我盯着那个 Excel 表发呆。
这里头全是关于那个小白鼠的数据，要么说是我上次给老板汇报的那批销售数据。最上面一行写着平均值，一眼就能看出来，这就是大家平时说的“平均数”。但这玩意儿，说白了就是个“算术平均”，就像你包了八个包子，把八个包子放在一起再分给八个人吃，每人分到一个。 但这玩意儿有个毛病，叫“拉偏架”。
要是你这八个人里，有一个人特别能吃，他一个包子就吃了两个，剩下七个人各吃一个。
这时候，那个“平均数”就变成了 1.25 个包子，这彻底就不代表大家吃得差不多。真正的“差不多”，你得看每个人的方差，也就是方差嘛。方差大了，说明大家差距大，心里跟明镜似的；方差小了，说明哪位跟哪位差不多，齐刷刷的。 在 Excel 里算这个，公式有点绕，但我目前已经彻底搞明白了。公式核心实际上就是先算完均值，然后对每个数据减去这个均值，算出一个个差，再把这些差再平方，最终求出来个平均值。 写公式的时候，我脑子里闪过一个念头，能不能把这个过程简化一点，让人一眼就看出来形成啥事了？比如，把“减去均值”这一步，直接写成一个函数？不中，那样忒复杂了，看着就乱。还是得老老实实写逻辑。 假设我有一列数据，叫“销量”。在 A 列，我写了 `=AVERAGE(A1:A10)`，这个公式杠杠的，大家一眼就知道是为了算平均数。
然后，我接着往下面推。在 B1 单元格里，我输入了 `=A1-AVERAGE($A$1:$A$10)`。
这一步有点意思，就是拿 A1 的销量，减去那上面的平均销量。
这一步的意思挺明确：把每个数据都减去一个基准线。 接下来最关键的一步，是平方。在 B2 单元格，我用了 `=IFERROR(POWER(B1,2),0)`。
为啥要加 `IFERROR` 呢？出于有时候数据是负数要么零，直接平方会变成负数，这在 Excel 里是不合法的。加上这个函数，就自动把非零的负数平方了，剩下的就是正数。
这一步的数学意义就是，把“差距”放大。
要是 A1 的销量是 100，平均是 80，差是 20，平方就是 400。
要是 A1 是 110，差是 30，平方就是 900。差距越大，平方后的值越大，就连要是几百几千。
这一步，就是把“差的平方和”给算出来。 所有的 B1 到 B10 的结局，都在 C1 单元格里求和，公式就是 `=SUM(B1:B10)`。
这时候，C1 里的数就是所有数据的方差值。
最终，我再乘以一个常数 2 除以 (N-1)。
这个 2 除以 (N-1) 因子，是统计学里的一个“无偏估摸”系数，用来修正样本的偏差。一乘二除以七，这个系数大约是 0.2857。算完这一步，C2 里的数就是“标准差”，也就是统计学上那个大家都熟悉的“标准差”。 我重新打开那个文件，这次我不直接看标准差，而是先画个大饼看。 比如，我刚刚说的那批销售数据。假设数据是：100, 120, 130, 110, 140, 150, 125, 135。先算一下平均值，大约是 128.75。
然后我一个个减：100-128.75=-28.75，平方后是 827。120-128.75=-8.75，平方是 76。130-128.75=1.25，平方是 1.56。
这一列一列下来，数据变得特别细碎。
这时候我再看标准差。标准差算出来大约是 18 左右。 这就挺有意思了。18 这个数字，代表啥？它代表数据的离散程度。
也就是说，要是我用 18 作为标准差，画图的时候，那条基准线（均值），会画多高？多高？取决于这个标准差。标准差越小，基准线越靠近数据；标准差越大，数据就越散，基准线就离数据越远。 为了证明这个，我画了几个图。
第一幅图，数据都挺规整，标准差挺小，10 左右。
这时候，均值线简直就在数据的中间，数据分布得挺聚拢，大家离得也不远。
这一幅图看起来挺平顺的。
第二幅图，数据就乱套了，标准差变大到了 30 左右。
这时候，均值线就被拉得老高，往左边走；要么往右边走，反正数据散开得挺了得，均值线根本覆盖不住大局部数据，大家像散沙一样。 这时候我就明白了，标准差不是那个死板的数字，它是一个“范围”。它反映了数据的波动情况。方差是它的平方，故此方差大，标准差也大，波动也更大。
要是我在 Excel 里随意输入一组数据，比如 1, 2, 3, 4, 5，算出来方差是 2，标准差就是 1.414。
这时候均值 3，数据围绕在 3 上下跳动，挺稳。 再拿一组数据试试：1, 1, 1, 2, 2, 2, 3, 3, 3, 4。均值大约 2.2。
这时候算出来的方差大约是 0.66，标准差大约是 0.8。别看标准差比刚刚大了一点，但大家还是同处一室，哪位也不跟哪位忒远。 这就是标准差的核心逻辑。它不告诉你具体哪位高哪位低，也不告诉你总共有多少，它只告诉你“大家到底有多散”。方差是它的平方，它是用来衡量离散程度的一个指标。在 Excel 里，算出来这个值之后，不用去管它具体是多少，你只需求知道它代表啥就行了。方差大，说明彼此之间差距大，要么彼此之间离均值挺远；方差小，说明彼此之间差不多，离均值都没那么远。 有时候大家会认定，既然方差和标准差都是用来衡量波动，为啥不用方差呢？这就涉及到单位的难题了。方差是个平方数，单位就变成了“差值的平方”。
要是数据是钱，方差就是“仑”，这没法直接说是啥概念；要是数据是工夫，方差就是“小时平方”，这也没啥意义。而标准差，出便对方差开根号，故此单位就还原回来了，跟原始数据的单位是一样的，都是“金额”要么“小时”。 故此，在 Excel 里，别看公式看起来挺复杂，有一堆平方、开根号、求和、除数，但它的本质挺好办。它就是把所有数据往均值靠，看看它们能靠多近。靠得近，标准小；靠得远，标准大。它就像是一个宁静的湖面，标准差代表的是湖面上漂浮的波纹有多宽。波纹挺宽，说明数据挺乱；波纹挺平，说明数据挺稳。 我想到了那会儿做统计学报告的时候，老板问我：“那这个标准差到底是啥意思？”我当时有点懵，照本宣科地说那是衡量离散性的统计量，然后画几个图：一张波纹小，一张波纹大。老板听完说：“哦，那这个标准差大约也就是意味着数据存有多大的波动。”我点点头。
后来才明白，老板实际上是在问：“这个数据能不能稳定。”能不能稳定，看的就是这个波动的大小。标准差越大，说明不稳定，好办出错，到时候得重新做盘算；标准差越小，说明稳定，能够按部就班地执行。 还有啊，有时候数据分布得不好，比如有个极端值拉低了平均值，要么拉高了平均值，这时候标准差的计算公式里，分母会变小，害得标准差变大。
这有点反直觉，但也是事实。出于极端值的存有，让数据的整体分布变宽了，自然标准差就要变大。 在 Excel 里，有时候计算结局会报错，比如结局变成负数，这时候得加 `IFERROR` 函数。
这实际上是个小插曲，提醒我们在处理数据时，还是要小心一点。
毕竟，数据有时候会犯错，要么输入的时候打错了，害得某些数值变成负数，这时候要是硬算开根号，程序就崩溃了。
故此，加上这个检查函数，算是给 Excel 加上了一层“防爆膜”，保证计算过程不会中断。 最终，我打开那个表，看着 C 列的标准差结局。
那里有一个数字，比如 2.5。
这个数字，代表这组数据的波动程度就是 2.5 左右。
要是你要用这个数据来指导造或销售，你就知道了，目前的风险系数是 2.5 倍，故此你要管住风险，多一点；要么你是在分析那会儿的表现，就知道那会儿的工夫波动挺大的，这几年挺折腾的。 标准差的公式就是如此一串操作：先减去均值，再平方，求和，除以 (N-1)，开根号。别看步骤多，但每一步都有明确的数字逻辑。它不让你猜，也不让你盲猜，它直接告诉你：数据散不散，波动大不大。
这就是它的价值所在。在 Excel 面前，算清楚了，数据才讲话，讲话才有力量。
