數據量太大，Excel拖不動怎麼辦？還有其他能取代Excel但易上手的工具麼？
這個問題真是撞到槍口上了，我有收到不少的類似提問，今天就來統一解答一下。
大數據量做報表或數據分析的方案
百兆以上，幾十萬行excel的數據量：數據庫ACCESS+SQL
數據若不是達到億萬級別，直接用BI工具分析
再大，就不是爾等表哥表姐，數據分析師能解決的了。
鑑於大家都有一般日常都用Excel，本文將要主要講第一類方案，出一篇完整教程，通用且實用，用到的工具是ACCESS數據庫。
關於ACCESS，它Excel的同宗兄弟，同屬微軟Office一門，上手不難，一週搞定基本操作。
它可以解決做數據運營的小夥伴們的如下抱怨：
業務上要處理的Excel數據表格存儲量越來越大，超過50MB就慢如蝸牛，這時表格裡要是再多個IF、VLOOKUP函數什麼的，電腦就直接罷工了；要是遇到向下面這樣大小的Excel表格，服務器級別的電腦都吃不消，更別談進行數據處理和數據分析了。
數據量超大的excel表格連打開都難
遇到上圖這麼大存儲量的Excel數據表格，卡是必然的，死不死機就看人品了。那遇到這樣的難題，有沒有能處理大存儲量文件，同時又操作簡單、容易上手的數據分析軟件呢？
答案是當然是：YES，而且還是Excel的同宗兄弟，同屬微軟Office派系的ACCESS。
以下內容將以運營中常見的一個分析項目為案例，力求讓做數據分析的小夥伴們對ACCESS有一個基本的瞭解，從而找到分析大批量數據的思路和方法。
下圖是本文使用ACCESS對原始表格進行數據分析的4大目標。
這裡先就ACCESS的基本情況說兩句，然後用一個實際案例進行數據分析的實操。
一、ACCESS數據庫簡介
1.ACCESS和SQL語句的基本概念
SELECT first_name, last_name FROM employees WHERE age> =25
上面的例子很容易理解，我們不用關心這些僱員記錄從哪裡來，我們所需要的只是那些年齡大於等於25歲的僱員的數據（age> =25）。
2.ACCESS的優勢
ACCESS最明顯的好處在於，它可以在不用掌握很高深編程語言的條件下，處理Excel所不能承載的大存儲量的數據原始文件，速度奇快，且易學易用。
3. ACCESS的常用語句
下表是ACCESS使用過程中常用的一些SQL語句，理解起來不算困難。
ACCESS數據庫常用的SQL語句
要想學好數據分析工具，最重要的是用實際案例來調動各種零碎的工具使用知識點，在歷經完整的案例分析後，短時間內就可以掌握這些工具的操作方法。
簡單介紹完了ACCESS和SQL語句後，接下來開始ACCESS數據分析實操吧！
二、ACCESS數據分析實操
1.數據導入
下表是本文進行ACCESS數據分析的原始文件，數據量近230MB，Excel打開需等待好幾分鐘，而且得看電腦心情…出於商業保密的目的，本文將使用其中的部分數據進行分析實操，且做一定處理。
後臺導出的原始數據
先將Excel中的文件導入ACCESS中，按下圖箭頭路徑所示：
導入excel原始數據文件
按上述步驟操作後，自動生成主鍵（即ID），得到如下結果：
Excel原始數據文件導入到ACCESS中
2.用戶下單時間段分析
進行下單時間段的分析，需要將用戶下單的時間轉化為小時“時點”，這裡使用的SQL語句是format，功能是對所選字段進行格式設定，語法為：
format(引用字段,"數據格式")
其中，“數據格式”在時間上一般選用H（小時）、D（天）、M（月）或Y（年）。
然後，再使用count函數，將UserID進行計數，得到的結果即是訂單量。
注意，使用format和count之後，需要使用“AS”將其定義為新的字段，這裡二者分別定義為“時段”和“訂單量”。
下單時間段分析操作步驟
在“創建”裡新建一個“查詢設計”，點開右下角的“SQL”，然後在SQL會話框輸入如下語句：
SELECT format(下單時間,"h") AS 時段, count(UserID) AS 訂單量
FROM 元數據
GROUP BY format(下單時間,"h");
然後，點擊“設計”下的“運行”，得到如下結果：
各個時段的訂單量分佈情況
3.付款區間訂單量分佈情況分析
計算付款區間需要用到一個比較牛X的函數--- Switch,它是按順序計算一系列的表達式，如果某一表達式成立，則返回其隨後的值。
語法：
SWITCH(條件1，結果1，條件2，結果2，條件3，結果3，…，條件N，結果N)
條件1、條件2、條件3：表示要計算的表達式，條件1成立的話，返回值結果1，條件2成立的話，返回值結果2，依次類推。
按照上述的方法，在“創建”裡新建一個“查詢設計”，點開右下角的“SQL”後，輸入如下語句：
SELECT userID, 付款額, switch(付款額<=10,"1~10元",
付款額<=20,"11~20元",
付款額<=50,"21~50元",
付款額<=80,"51~80元",
付款額<=150,"81~150元",
付款額>150,"151~220元")AS 消費區間
FROM 元數據;
點擊“運行”後，得到如下結果：
用戶單次下單的消費金額所對應的消費區間
此時，關於消費區間的數據處理還未結束，因為這是每一條下單記錄的付款額所對應的消費區間。我們接下來要做的是類似於excel中數據透視表的做法，將消費區間放在第一列，從而對每個消費區間有多少訂單量進行統計。
所以呢，跟上面一樣，得新建一個查詢了，名稱改為“付款區間訂單量統計”。
這裡需要輸入的SQL語句是：
SELECT 消費區間, count(UserID) AS 訂單數量
FROM 付款區間
GROUP BY 消費區間;
點擊“運行”後，得到的結果顯示如下：
各消費區間訂單量分佈情況
然後，將上述數據複製到Excel表格裡，製成如下的百分比扇形圖，可以直觀的分析出每個消費區間的訂單量佔比情況，進而看到整體的用戶消費水平如何，對這段時間內的運營進行合理評估。
各消費區間訂單量佔比扇形圖
4.各區域訂單量、用戶數量及銷售額分析
（1）各區域用戶數量
這個就有點小麻煩了，用戶數量用“userID”的計數間接計算出來，但是由於絕大部分的用戶下單次數不小於2次，所以直接計數的話，得出來的結果就是訂單量了。鑑於此種情況，我們得換個思路，先做出一個不重複的用戶下單信息表，也就是每個用戶ID下單的頻次表。
新建一個“查詢設計”，命名為“用戶消費頻次”。在SQL對話框裡輸入如下語句：
SELECT UserID, COUNT(UserID) AS 消費次數, 區域
FROM 元數據
GROUP BY UserID, 區域;
點擊“運行”後，得到的結果顯示如下：
用戶下單頻次表
這樣，我們就可以以這張用戶消費頻次表作為跳板，在再次新建的表裡計算出每個區域的用戶數量咯。
新建一個“查詢設計”，命名為“各區域用戶數”。在SQL對話框裡輸入如下語句：
SELECT 區域, count(UserID) AS 總用戶數
FROM 用戶消費頻次
GROUP BY 區域;
點擊“運行”後，得到的結果顯示如下：
各區域用戶數量
（2）各區域訂單量、消費金額狀況
新建一個“查詢設計”，命名為“各區域訂單情況”。在SQL對話框裡輸入如下語句：
SELECT 區域, count(UserID) AS 訂單總數, sum(付款額) AS 總金額, avg(付款額)AS 平均消費金額
FROM 元數據
GROUP BY 區域;
點擊“運行”後，得到的結果顯示如下：
各區域訂單量、消費金額狀況
再將上面的各區域用戶數量整合到這張表裡，就得到了關於這三個區域完整的運營情況概覽表。見下表：
各區域運營情況概覽
5.用戶價值分析
這裡的用戶價值分析基於RFM模型，不過對其進行了進一步的完善，在原先“累計消費金額”的基礎上，引入了“最低消費金額”、“最高消費金額”和“平均消費金額”這三個指標，力求全面的反映消費者的購買力。
新建一個“查詢設計”，命名為“用戶消費情況”。在SQL對話框裡輸入如下語句：
SELECT userID, min(付款額) AS 最低消費金額,
max(付款額) AS 最高消費金額,
avg(付款額) AS 平均消費金額,
sum(付款額) AS 消費總金額,
count(付款額) AS 消費頻次,
datediff("d",max(下單日期),#2015-9-15#) AS 最近一次消費距離今天天數
FROM 元數據
GROUP BY userID;
點擊“運行”後，得到的結果顯示如下：
用戶價值分析表
得到該表後，可以對其進行聚類分析，按照R、F、M這三個維度對用戶進行分類，詳情可參看“【數據運營實操】如何運用數據分析對某個試運營項目進行“無死角”的覆盤？”這篇文章。
最後，我們還可以得出這三個區域總的訂單情況和銷售金額情況：
新建一個“查詢設計”，命名為“各區域銷售總覽”。在SQL對話框裡輸入如下語句：
SELECT count(userID) AS 訂單總數,
sum(付款額) AS 付款總額,
avg(付款額) AS 平均訂單金額
FROM 元數據;
點擊“運行”後，得到的結果顯示如下：
三個區域的銷售情況總覽
結語
由上面的案例可以看出，如果SQL語句用得稍微熟練的話，ACCESS處理數據不會比Excel遜色，而且處理大批量數據正是它的強項。
閱讀更多 數據分析不是個事兒 的文章
