前面七篇，我们从数据清洗、查找匹配、条件统计，一路走到透视表、图表和综合实战。有朋友说：“跟着走了一遍，感觉Excel能干的事比我想象的多。”

确实，Excel是数据分析的起点，但它不是终点。

今天这篇，我们不学新函数，而是聊一个更重要的问题：Excel的边界在哪里？什么时候该换工具？

一、先承认：Excel解决了很多问题

在前面几篇的案例里，我们用Excel完成了：

• 数据清洗：分列、去重、处理空值

• 查找匹配：把多张表拼在一起

• 条件统计：按多个条件求和、计数

• 多维度汇总：透视表拖拽出各种分析角度

• 可视化：折线图、柱状图、饼图

• 完整报告：从原始订单到业务日报

这些场景，Excel都处理得很好。对于几万行以内、以探索和呈现为主的数据，Excel的灵活性和直观性，甚至比写代码更高效。

但现实工作中，数据不会永远停留在几万行，需求也不会永远只是“手动看一份表”。

二、Excel的三个硬伤

（一）硬伤一：数据量一大就卡

Excel工作表上限约104万行（1,048,576行），但实际使用中，在复杂公式、全列VLOOKUP、数组公式、条件格式、透视缓存较多时，10万行以上就可能明显变慢。几十万行时，打开文件要等，筛选要等，透视表刷新要等，公式重算要等。

这不是Excel的问题，是设计定位决定的。传统本地Excel是桌面工具，计算主要在你的电脑上完成，内存和CPU是瓶颈。

需要说明的是，Power Pivot/数据模型可以承载超过工作表行数的数据，但仍受内存限制；如果Excel连接数据库或云端数据源，计算也不一定都在本机完成。

（二）硬伤二：数据分散，难以整合

真实工作中，数据很少在一张表里。订单在订单系统，用户在用户系统，商品在商品系统，日志在日志平台。Excel只能通过手动导出、复制粘贴、VLOOKUP匹配来整合。

如果每天都要重复这个流程，不仅耗时，还容易出错。

更准确地说，跨系统整合通常需要ETL、数据仓库、数据湖、联邦查询等能力；SQL往往是这些环节里用来查询和加工数据的语言，而不是数据集成工具本身。

（三）硬伤三：协作与自动化困难

• 多人同时编辑一个Excel文件，虽然Microsoft 365支持共同创作和版本历史，但版本冲突、覆盖、误改仍然常见。

• 数据更新后，透视表和图表通常需要手动刷新或打开时刷新，实时自动化能力弱。

• 每天重复同样的清洗和汇总，很难自动运行，需要调度器、ETL或BI平台配合。

• 权限控制方面，Excel虽然有工作表保护、IRM、敏感度标签、SharePoint/OneDrive权限，但相比数据库和BI的行级权限，细粒度控制仍然较弱。

这三个硬伤，在日常分析中会越来越明显。

三、一个分水岭：什么时候该用SQL？

不是所有分析都需要SQL。判断标准不是单一的“行数”，而是数据量、数据位置、更新频率、协作方式和计算复杂度的综合。下面是经验法则，不是绝对标准：

记住一个更准确的原则：

• Excel擅长小数据量下的交互式探索和呈现；

• SQL擅长在数据库内做集合查询、聚合和复杂关联。

当数据在数据库里，你不需要把它全部导出来再用Excel处理。你可以直接在数据库里完成清洗、筛选、聚合，只把需要的结果取出来。这样通常更快，也不容易把电脑卡死。

四、Power Query：Excel的“自动化清洗”补丁

在正式进入SQL之前，有一个工具值得了解：Power Query。

它是Excel内置的数据处理工具（Excel 2016+内置；2010/2013需要单独安装插件），定位是“轻量ETL”。你可以把它理解为一个“自动化的清洗流水线”：

• 从多个来源（Excel、CSV、数据库、网页）导入数据

• 记录每一步清洗操作：删列、筛选、替换、分组

• 下次数据更新后，一键刷新，所有步骤自动重跑

• 大部分清洗不需要写代码，但高级转换需要写M语言

如果你的工作场景是：数据量不算太大，但每天/每周都要重复同样的清洗流程，Power Query是一个很好的过渡工具。

但它也有边界：数据量大了会卡，复杂逻辑不如SQL灵活，多表关联虽然能做内、左、右、全、反连接，但在大数据量和复杂场景下不如SQL。所以它不能替代SQL，但能帮你从“手动清洗”过渡到“自动化清洗”。

五、SQL能解决什么问题？

SQL（Structured Query Language）是专门用来和数据库对话的语言。它解决的核心问题是：

从海量数据中，精准、快速地取出你需要的部分。

（一）用生活化的场景类比：

• Excel是你家的冰箱，里面放着你一周的食材，你随时打开翻找。

• 数据库是大型超市的仓库，有几万种商品。你不可能把整个仓库搬回家，但你可以告诉仓库管理员：“给我拿三斤五花肉、两把青菜、一瓶酱油。”

• SQL就是你跟仓库管理员说的那句话。

（二）用SQL，你可以：

• 从几百万行数据里，筛选出符合条件的那部分（在合理索引和数据库配置下通常很快）

• 把多张表按关联字段拼在一起

• 按任意维度分组汇总

• 计算排名、累计、同比环比（通常依赖窗口函数，旧版MySQL等不支持）

• 把复杂逻辑写成可复用的查询

• 为报表每天自动更新提供取数逻辑（自动运行还需要调度/ETL/BI）

这些能力，是Excel很难做到的。

六、从Excel到SQL，思维要转什么弯？

Excel是“所见即所得”：你看到单元格，直接操作。SQL是“先描述，再获取”：你先写清楚要什么，然后数据库返回结果。

这个思维转变，是初学者最大的门槛。但一旦转过来，你会发现SQL的逻辑其实很清晰：

• Excel里，你用鼠标筛选、排序、透视。

• SQL里，你用WHERE筛选，用ORDER BY排序，用GROUP BY分组。

两者只是表达方式不同，背后的分析逻辑是一样的。

七、一个过渡案例

假设你要分析“华东区9月销售额”。

（一）Excel做法：

1. 导出订单表到Excel。
2. 筛选区域为“华东区”。
3. 筛选日期为9月。
4. 用SUMIFS求和，或用透视表汇总。
5. 做图表，写报告。

（二）SQL做法：

这里假设region字段的值就是“华东区”，order_date是日期或日期时间类型。一行查询，直接返回结果。数据量再大，在合理索引和数据库配置下通常也很快。而且这个查询可以保存下来，下个月改一下日期，直接复用。

八、初学者常见的误区

（一）误区一：觉得SQL很高深，不敢开始

SQL的基础查询非常接近自然语言。SELECT ... FROM ... WHERE ...，读起来就像英语句子。

（二）误区二：想把Excel的所有操作都用SQL实现

SQL擅长取数和聚合，但格式调整、图表呈现，还是Excel和BI更合适。两者是配合关系，不是替代关系。

（三）误区三：以为必须先把Excel学到精通才能学SQL

Excel能帮你快速建立分析逻辑，但它不是绝对前置条件。直接学SQL也可以，只是需要同时补业务理解和统计基础。没有分析逻辑，写SQL也只是在翻译需求，而不是在分析。

（四）误区四：学了SQL就丢掉Excel

实际工作中，SQL取数 + Excel/BI呈现，是最常见的组合。两个都要会。

Excel和SQL不是对立的，而是数据分析工具箱里的两把工具。

• Excel让你灵活探索，SQL让你高效取数。

• 数据量小、以探索和呈现为主的时候，Excel够用；数据量大、数据在数据库里、需要稳定整合和自动化时，通常要用数据库/数仓 + SQL + ETL/BI的组合来补位。

从下一篇开始，我们正式进入SQL模块。不用担心，我们不会一上来就讲复杂的语法。我们会从“数据库是什么”开始，用Excel做类比，一步步走进SQL的世界。

你目前工作中，数据量大概是什么级别？是几千行、几万行，还是几十万行以上？有没有遇到过Excel卡死、文件打不开的情况？欢迎在评论区描述你的场景。