AI +飞书多维表格:从入门到实战第1章

今天才把第一章看完了。飞书我之前就下载了，也一直在用，不过平时用得比较多的是飞书云文档。

印象比较深刻的点：

1.随时随地管理和查看数据，让碎片化时间得到高效利用

正像第七页说的，它能随时随地管理和查看数据，让碎片化时间得到高效利用。

对此我很有感触的是用飞书云文档来写公众号，我觉得挺方便的：1. 手机（甚至两个手机）和电脑可以同时打开使用。2. 传图片非常方便。比如我把图片拍好直接放在云文档里，在公众号后台直接导入这一篇文档，它就能把图片全部带进去。3. 微信公众号 PC 端写文章的时候，如果直接粘贴图片，往往会失效，需要重新上传，这对写公众号来说特别费事。但是通过手机把照片传到飞书云文档，再在电脑端这么一导入，就会很方便。

Q:但是，关于表格的操作，我们通常会觉得在一个比较大的显示器里显示和操作会更加方便。在移动端管理数据，我觉得可能还是比较难的，不知道飞书后续会如何实现,可以期待后面的内容。

2.零代码开发与业务系统搭建

这个功能非常有吸引力。

在第11页，它提到可以进行外部平台的集成，通过 API 与第三方系统进行数据对接，实现数据的自动同步和流通，

比如：1. 将 CRM 中的客户信息自动同步到多维表进行项目管理2. 将 ERP 中的库存数据同步到多维表格进行可视化分析

整合百万级数据。这也是一个很不错的亮点。

3.自动化流程

数据变化可触发预设的自动化流程，实现：1. 任务分配2. 消息通知3. 数据同步4. 第三方系统的输出处理后的数据可以通过 API 再次输出到其他系统，形成完整的数据闭环。这个也很有吸引力。

Q:同样面临的一个问题是：如果不用飞书的生态，这个表格可能是比较难用起来的。

4.协作与数据管理能力

书中提到，多人编辑可以实现毫秒级实时多光标协同编辑，以及对行列字段级别的精细化权限控制，这一点非常吸引人。因为我们之前在使用石墨的时候，曾经出现过大概十几二十个人同时编辑同一个文档，导致内容全部错乱的情况。所以特别想验证一下，这个飞书多维表格是不是真的像书里说的这么好用。

5.按需定制的数据视图。

在第19页，他提到不同的角色（如高层管理者、项目负责人和具体的执行者）对数据的关注点和所需颗粒度是不同的。飞书多维表格可以按需定制，提供按需定制的数据视图。

6.飞书多维表格的应用场景

在第一章里面，它提供了三个应用场景：1. 项目管理2. 内容创作3. 企业运营项目管理这个部分，如果不是使用飞书的生态，可能比较难用起来。

在提到和 Excel 对比的时候，让我又重新发现了 Excel，虽然可能也还有一种想要去探索更多的好奇心。

Excel

每天都在用，虽然知道它的功能很强大，但在第17页提到了建模，这个我还真的没有使用到过。我又在“元宝”里面查了一下。

是的，Excel 确实非常强大，它远不止是一个简单的电子表格工具。在数据分析、建模和自动化方面，它是一个门槛相对较低但上限极高的瑞士军刀。很多人（包括很多专业人士）的日常工作都深度依赖 Excel。

说它“可以进行深度数据计算和建模”是完全正确的。下面我为你展开说说它到底“厉害”在哪里：

1.强大的核心计算引擎

公式与函数：Excel 内置了400多个函数，覆盖数学、统计、财务、文本、日期、逻辑、查找引用、工程等所有领域。通过嵌套组合，可以实现极其复杂的计算。
动态数组：这是近年来 Excel 的一项革命性更新。一个公式（如 =SORT(FILTER(...))）可以直接返回一个动态变化的数组结果，自动填充多个单元格，极大地简化了复杂公式的编写。
引用与计算：单元格间的引用计算是其建模的基础，任何数据的变化都能实时驱动整个模型的重新计算，这本身就是一种简单的“响应式编程”。

2.强大的数据建模与分析能力

Power Pivot：这是 Excel 的“核武器”。它让 Excel 从一个电子表格软件变成了一个轻量级的商业智能（BI）和分析工具。

处理海量数据：能轻松处理数百万行甚至上千万行的数据（远超普通工作表约104万行的限制）。
数据模型：可以在内存中建立关系型数据模型，连接多个不同的数据表，建立“事实表”和“维度表”的关联，这完全是数据仓库的概念。
DAX语言：Power Pivot 使用一种专门为数据分析设计的公式语言 DAX。DAX 的功能极其强大，可以创建复杂的度量值、计算列，实现时间序列分析、同比环比、累计值、动态排名等，与专业 BI 工具（如 Power BI）一脉相承。

数据分析工具库：内置了回归分析、方差分析、移动平均、傅里叶分析、抽样、假设检验等统计工具，能满足基础到中级的统计分析需求。
预测工作表：利用指数平滑法，可以进行简单的时间序列预测，并生成图表。

3.专业的数据可视化

丰富的图表类型：除了基础的柱形图、折线图，还有瀑布图、帕累托图、地图、旭日图等专业图表。
条件格式：可以根据数值规则动态改变单元格的格式，实现“数据条”、“色阶”、“图标集”等可视化效果，让数据洞察一目了然。
数据透视表/图：这是 Excel 的灵魂功能之一。可以零代码地对海量数据进行快速的多维切片、钻取、汇总和可视化，是探索性数据分析的绝佳工具。结合 Power Pivot 后，其能力呈指数级增长。

4.强大的数据获取与整合能力

Power Query：这是另一个“神器”。它是一个内置的 ETL工具。

数据获取：可以从几十种数据源（数据库、网页、API、文本文件、其他工作表等）中获取数据。
数据清洗：通过图形化界面，可以轻松完成合并、拆分、转置、填充、筛选、格式更改等复杂的清洗和转换工作，整个过程可记录、可重复。
自动化：一次设置好清洗步骤，之后只需一键“刷新”，就能自动完成整个数据准备流程，极大地提高了数据处理的效率和可靠性。

5.自动化与编程能力

VBA：内嵌的编程语言，可以控制 Excel 的几乎所有操作，创建自定义函数、自动化重复性任务、开发用户窗体，构建小型应用程序。很多企业级的业务流程自动化就是从 Excel VBA 开始的。

Excel 建模的典型应用场景

财务建模：现金流预测、财务报表、估值模型、预算编制。
业务分析：销售业绩仪表盘、客户细分、市场分析、库存管理模型。
运营分析：生产计划、项目进度跟踪、资源调配模型。
个人应用：个人财务预算、学习计划、数据整理。

Excel 的局限性与边界

当然，Excel 也不是万能的：

协作性：虽然云端版在改进，但复杂的模型在多人同时编辑时仍不如专业协作工具顺畅。
版本控制：文件级别的管理，版本历史回溯不如 Git 等专业工具。
代码管理：VBA 代码的调试、版本管理较为原始。
极端大数据：当数据量达到亿级或需要复杂实时计算时，专业的数据库和编程语言（如Python, R, SQL）是更合适的选择。

总结来说：

Excel 的强大之处在于平衡了功能的深度与使用的便捷性。对于一个熟练的用户，Excel + Power Query + Power Pivot 的组合，能解决企业中80%以上的数据获取、清洗、建模、分析和可视化需求，而无需编写一行代码。它让数据分析的门槛大大降低，是数据驱动决策的“民主化”工具。

槽点

配图太小了

不得不说，这个图真的是太小了，我拿了个放大镜，是可以看到上面的字。我估计它这个是有电子资源的，否则没有办法看。

有的数据比较信口开河。