用Excel做IPO被否原因分析:透视表+可视化全流程

这是「IPO数据查询与AI分析实战系列」的第3篇。

前两篇我们聊了去哪查数据、怎么批量下载。数据有了，接下来就是最关键的一步：怎么分析？

很多人拿到一堆数据就懵了——几百家公司、几十个字段，从哪下手？怎么看出规律？

其实不用怕。你电脑里那个天天用的Excel，就是最好的分析工具。今天我就手把手教你：用Excel数据透视表+可视化，从零做出一份专业的IPO被否原因分析报告。

不用装任何软件，不用写一行代码，跟着做就行。

01

第一步：整理数据——先建一张"被否案例清单"

▲ 分析的前提：把数据整理成一张干净的表

数据分析的第一步，永远是整理数据。数据不干净，后面分析得再花哨也是垃圾。

建一个Excel表，包含这些字段：

基础信息字段• 序号• 公司名称• 股票代码（申报代码）• 拟上市板块（科创板/创业板/主板/北交所）• 行业• 保荐机构• 会计师事务所• 律师事务所• 受理日期• 终止/被否日期• 审核状态（终止撤回/未通过/不予注册）财务数据字段• 最近一年营业收入• 最近一年净利润• 拟融资金额• 毛利率被否原因字段（最重要！）• 主要被否原因1• 主要被否原因2• 主要被否原因3• 原因分类（收入/成本/关联交易/资金占用/税务/内控/持续盈利能力/其他）• 严重程度（★★★★★打分）

数据从哪来？

基础信息从交易所官网、东方财富、同花顺都能扒到。被否原因需要你自己读终止审核决定和问询函，然后归类整理。

别怕麻烦。整理100家被否案例的数据，大概花2-3天时间，但这是最有价值的投入——你整理的过程，就是你理解和消化的过程。

数据整理小贴士：

① 统一格式：日期统一成"2023/6/15"这种格式，金额统一单位（万元或亿元），板块名称统一（别一会儿"科创"一会儿"科创板"）② 不要合并单元格：合并单元格是数据分析的天敌，透视表会出错③ 一行一个案例：标准的一维表结构，方便后面做透视④ 原因分类要统一口径：提前定义好分类标准，别这家算"收入问题"、那家算"持续盈利问题"，前后不一致就没法统计了⑤ 留好原始数据：整理好的数据存一份，别在原始数据上改来改去

02

第二步：数据透视表——一键生成统计分析

▲ 数据透视表：Excel最强大的数据分析工具，没有之一

数据整理好了，就该数据分析了。Excel里最强大的分析工具，就是数据透视表——拖拽几下，各种统计就出来了。

操作步骤：

① 插入数据透视表选中你的数据区域 → 插入 → 数据透视表 → 选择放置位置（建议选"新工作表"）

② 分析1：各年被否数量趋势行：终止日期（按年分组）值：公司名称（计数）这样就能得到一张表：每年有多少家被否？趋势是上升还是下降？

③ 分析2：各板块被否数量对比行：拟上市板块值：公司名称（计数）列：年份看看哪个板块被否最多？为什么？是审核更严，还是申报企业质量更差？

④ 分析3：被否原因分布（最核心！）行：原因分类值：公司名称（计数）值：公司名称（占列汇总的百分比）排序：按计数降序排列这样你就能一眼看出：哪种原因是IPO被否的头号杀手？占比多少？

⑤ 分析4：各行业被否情况行：行业值：公司名称（计数）看看哪些行业被否率高？为什么？是行业本身有问题，还是这些行业的企业普遍有某类问题？

⑥ 分析5：中介机构IPO成功率排行行：保荐机构值：公司名称（计数）还可以进一步筛选：通过的有多少、被否的有多少、撤单的有多少，算出每家券商的IPO成功率。这个排行榜很有意思——有的券商项目多但成功率低，有的券商项目少但质量高。以后选保荐机构，这就是你的参考依据。

进阶技巧：切片器透视表里有个东西叫"切片器"，强烈推荐用。插入切片器后，你可以点"科创板"就只看科创板的数据，点"2023年"就只看2023年的数据，非常方便做多维筛选。

03

第三步：可视化——让数据自己说话

▲ 一张好图胜过千言万语

光有数字不够，还得做成图表。好的图表能让读者一眼看懂，也能让你的分析报告专业度飙升。

推荐做这些图表：

图表1：历年被否数量趋势（折线图或柱状图）X轴：年份，Y轴：被否数量一眼看出趋势：哪年最严？哪年最松？最近是变严了还是变松了？怎么做：选中透视表的年份和计数 → 插入 → 折线图

图表2：被否原因分布（饼图或条形图）这是最核心的一张图。建议用条形图（横向），而不是饼图——原因类别多的时候，条形图更清楚。按数量从高到低排序，第一名是什么、第二名是什么，一目了然。怎么做：选中透视表的原因分类和计数 → 插入 → 簇状条形图 → 右键排序 → 降序

图表3：各板块被否对比（柱状图）X轴：板块，Y轴：被否数量如果数据够多，还可以做"通过率"对比——每个板块的上会通过率是多少？怎么做：选中板块和计数 → 插入 → 簇状柱形图

图表4：各行业被否TOP10（条形图）哪些行业被否最多？排个TOP10，用条形图展示，很直观。

图表5：保荐机构成功率排行榜（条形图）这个图做出来很有冲击力。按成功率从高到低排，TOP10和BOTTOM10各列一张。以后跟朋友聊IPO，甩出这张图，你就是最懂的那个。

图表美化小贴士：

① 去掉多余元素：网格线、图例（如果不需要）、边框，能删的都删掉，让图表干净清爽② 数据标签放上去：每个柱子上标上具体数字，读者不用猜③ 颜色别太花：同一组数据用同一种颜色的深浅变化，不要五颜六色，显得不专业④ 标题说清楚：别只写"被否原因分布"，写"2020-2025年A股IPO被否原因分布TOP10"，一看就知道是什么⑤ 加个数据来源：图表下面加一行小字"数据来源：XX交易所，XX整理"，专业度+1

04

第四步：交叉分析——挖出更深的洞察

前面三步是基础，接下来是进阶：交叉分析。就是把两个维度放在一起看，往往能挖出更有意思的结论。

来几个交叉分析的例子：

分析1：各板块的被否原因一样吗？行：原因分类列：拟上市板块值：公司名称（计数）你可能会发现：科创板被否最多的原因是"持续盈利能力"，创业板被否最多的是"收入确认"，北交所被否最多的是"内控有效性"。为什么？因为每个板块的定位不一样，审核关注点也不一样。这个结论就很有价值了。

分析2：不同行业的主要被否原因行：行业列：原因分类值：公司名称（计数）哪些行业容易在"收入"上出问题？哪些行业"关联交易"被质疑最多？哪些行业"持续盈利能力"是硬伤？不同的行业有不同的雷区。知道了这些，做投资或做尽调的时候，心里就有数了。

分析3：不同券商擅长什么行业？行：保荐机构列：行业值：公司名称（计数）有的券商医药行业做得多，有的TMT做得多，有的制造业做得多。每家券商都有自己的"优势行业"。以后企业选保荐机构，就可以看：这家券商在我这个行业做过多少家？成功率怎么样？

分析4：被否率和融资金额有关系吗？把融资金额分组（比如0-5亿、5-10亿、10-20亿、20亿以上），看看不同规模的项目，被否率有没有差异。是盘子大的项目更容易过，还是盘子小的更容易过？答案可能跟你想的不一样。

交叉分析是数据分析的精髓——单一维度只能看到表面，两个维度交叉才能看到规律。你可以自己发挥，想到什么就分析什么。

05

第五步：AI辅助分析——让Excel插上翅膀

▲ AI + Excel = 数据分析神器组合

Excel已经很强大了，但如果再加上AI，那就是如虎添翼。

AI能帮你做什么？

① 帮你写Excel公式VLOOKUP不会写？COUNTIFS搞不定？直接问AI。比如你问："帮我写一个Excel公式，统计A列中'科创板'且B列中'收入确认'的行数。"AI会直接给你公式：=COUNTIFS(A:A,"科创板",B:B,"收入确认")公式不会用？把错误信息发给AI，它会帮你诊断。

② 帮你做数据清洗拿到的原始数据乱七八糟？公司名称格式不统一？日期格式不一致？让AI帮你写清洗方案。比如："我有一列公司名称，有的带'股份有限公司'，有的带'有限公司'，有的不带。怎么统一格式？"AI会告诉你怎么用查找替换、怎么用公式。

③ 帮你解读数据数据统计出来了，但不知道意味着什么？把数据发给AI，让它帮你分析。比如："2023年IPO被否原因分布：收入确认25%、持续盈利20%、内控15%、关联交易12%、税务8%、其他20%。这个数据说明了什么？对拟IPO企业有什么启示？"AI会给你一段很有深度的分析，比很多人自己想的还到位。

④ 帮你生成图表建议不知道选什么图表类型？把数据和分析目的告诉AI，它会给你推荐最合适的图表类型，还会告诉你为什么。

注意：AI是辅助，判断还得自己来

AI能帮你算、帮你写、帮你想，但它替代不了你的专业判断。数据有没有问题？结论对不对？逻辑通不通？这些还得你自己把关。

记住：AI是工具，你才是分析师。

下一篇，我们进入真正的"AI分析"环节：AI读招股书——10分钟提取关键财务数据和风险点。几百页的招股书，AI几分钟就能读完。敬请关注。

免责声明本文介绍的数据分析方法仅供学习和研究使用。数据来源为公开信息，分析结论基于公开数据的统计推断，不构成任何投资建议或业务指导。数据分析可能存在偏差，请结合实际情况独立判断。