Excel 后，我们需要怎样的数据分析软件

在现代商业环境中，数据分析已成为企业决策的重要工具。通过数据分析，企业可以更好地了解市场趋势、客户行为以及内部运营情况，从而制定出更科学的策略，提高竞争力。然而，数据分析并不是一项简单的任务，需要选择合适的工具和方法。

很多人认为 BI 软件是数据分析的首选，因为 Business Intelligence 这个词听上去和数据分析的关系很密切，而且 BI 软件通常具有流畅的交互性和炫丽的界面，看上去很适合做这项工作。然而，BI 工具在技术上已经被狭义化成多维分析，主要用于基于预设的数据立方体的汇总和展示。这在一些简单场景中的确有效，比如：企业成本过高时精确定位出是哪个时间段和哪些部门导致的。但面对复杂的业务问题时，BI 软件往往显得力不从心。比如，股票分析师猜测：满足某种条件的股票会更容易上涨？销售总监考虑：安排哪类销售员去对付难度大的客户会更有效？电商的数据分析员判断：以较低成本奖励符合某种特征的用户，就能获得高出平均值的收益。

这些问题都涉及到多步骤交互式计算，是传统 BI 工具无法应对的。

看具体例子：股票分析师根据自己的经验大胆做出猜测，符合某种预设条件的股票将来应该更容易上涨。为了验证自己的猜想，他先针对历史数据进行计算，找到符合这些条件的股票。再看这些股票的走势，如果大部分真如猜测一样上涨了，那就验证了猜测；如果猜测不对，那就调整猜测，改变约束条件，继续用历史数据验证猜测。经过对预设条件的多次迭代，最终使筛选出的股票达到较高的上涨概率和涨幅，就能得到一种规律性的结论，可以据此指导未来的股票交易。以上就是用多步骤交互式计算完整解决一个数据分析任务的过程, 本质上，就是基于历史数据反复猜测和验证，最终获得某种规律。

有经验的业务人员会提出猜测，剩下要做的是帮助业务人员验证猜测，也就是对历史数据做计算。这种计算的特点在于：不能事先设计过程，分析人员会根据上一步的结果临时决定下一步动作，也就是自由操纵计算过程。这就是交互式计算，非常类似于使用计算器。但与普通的数值计算器不同的是，数据分析需要计算的数据不是简单数值，而是批量的表格，也就是结构化数据。这种能力可以形象地称为表格型数据计算器。

Excel 就是这样一个表格型数据计算器。作为一种广泛使用的数据分析工具，Excel 具有良好的交互性，适合处理表格型数据，甚至，BI 的多维分析功能也包含在 Excel 透视表内了，只是界面的炫丽度和操作流畅性要弱一些。事实上，Excel 是业务人员最常用的数据分析软件。

但是，用 Excel 做数据分析久了，困扰也来了，有些工作用 Excel 很难完成。

数据太大跑不动。Excel 有容量限制，数据量一大就跑不动，几十万行就会很慢，超过百万行就直接没法工作了。

**公式太难写不出。**集合运算和分组后运算也是 Excel 不擅长的，比如，前面提到的"更容易上涨的股票"，验证猜测中的某一步可能是：找出股票连续上涨 5 天以上的区间，看看是否有某种规律。

这个任务会涉及有序分组并保持分组子集用于筛选，Excel 很难应对这些较复杂的数据计算。

数据库 可以解决 Excel 的问题吗？数据库应付稍大的数据量是没问题的，但环境准备复杂得多，而且 Excel 还要经过繁琐的入库才能分析。最重要的，SQL 难度经常远大于 Excel，比如计算每支股票最长连涨天数，用 SQL 要写成这样：

复制代码

SELECT CODE, MAX(con_rise) AS longest_up_days
FROM (
    SELECT CODE, COUNT(*) AS con_rise
    FROM (
        SELECT CODE, DT,  SUM(updown_flag) OVER (PARTITION BY CODE ORDER BY CODE, DT) AS no_up_days
        FROM (
            SELECT CODE, DT, 
                    CASE WHEN CL > LAG(CL) OVER (PARTITION BY CODE ORDER BY CODE, DT)  THEN 0
                    ELSE 1 END AS updown_flag
            FROM stock
        )
    )
    GROUP BY CODE, no_up_days
)
GROUP BY CODE

这种嵌套的 SQL 代码，专业程序员都很难写出来。

这个任务用 Excel 反而很简单。第一步按照股票代码、日期排序；第二步填写公式计算连续上涨天数；第三步分组汇总计算最长连续上涨天数；第四步收缩显示。直观四步搞定。

BI当然也指望不上。BI 本身用起来不难，但它解决大数据还是要依托数据库，同样还会面临环境准备的困难。而且，如前所述，狭义化成多维分析的 BI，计算能力简化到远不如 SQL 了，连刚才那个股票最长连涨天数都算不出，Excel 熟手会感到很受限。

看来，似乎只能借助于编程了，毕竟没有什么不能编程完成。

但是，大部分编程语言交互性差，离表格型数据计算器的概念较远，也不适合做数据分析软件。VBA可以增强 Excel 的计算能力，但对结构化数据支持力度太差，编程任务过于繁琐。而且 VBA 没有内置的大数据能力，只能自己实现，更加繁琐。

满大街培训班都在喊的Python总可以了吧？Python 的表格运算能力还行，但是写起来还是有点复杂，比如计算股票连涨天数要写成下面这样，要硬写循环。

复制代码

import pandas as pd
stock_file = "StockRecords.txt"
stock_info = pd.read_csv(stock_file,sep="\t")
stock_info.sort_values(by=['CODE','DT'],inplace=True)
stock_group = stock_info.groupby(by='CODE')
stock_info['label'] = stock_info.groupby('CODE')['CL'].diff().fillna(0).le(0).astype(int).cumsum()
max_increase_days = {}
for code, group in stock_info.groupby('CODE'):
    max_increase_days[code] = group.groupby('label').size().max() -- 1
max_rise_df = pd.DataFrame(list(max_increase_days.items()), columns=['CODE', 'max_increase_days'])

此外，Python 也没有直接的大数据支持，也要自己写，这远远超出了 Excel 选手的能力范围。

而且，这些编程语言的交互性也不好，必须写完代码执行后才能看到结果，发现有局部错误也要改正后再从头执行，这远没有所见即所得的 Excel 顺手。

这些看似热门的编程语言并不是好选择，还有什么别的吗？

还有esProc Desktop，后 Excel 的数据分析神器。

esProc Desktop 是一个表格型数据计算器，提供了面向结构化数据的编程语言 SPL，开发环境有极强的交互性，可以方便高效地处理大数据，可以增强 Excel 的计算能力，极大地降低了复杂计算的难度，是数据分析人员的理想工具。

所见即所得的强交互计算能力

SPL 的网格编程就像是写 Excel 公式，业务人员也能轻松掌握。格名就是天然的变量名，可以直观引用之前的计算结果。SPL 代码可以单步执行，随时在右侧查看计算结果，结构化数据自动以表格形式展现，特别适合多步骤的交互式计算。

以前面的股票连涨区间为例，SPL 代码分为五步：读文件、排序、有序分组、过滤、合并，交互过程可以清晰地呈现在格子里。

每步都可以独立执行，有错误时可以只修改局部代码重新执行这一句再观察结果。

远超 Python 的表格计算能力

SPL 有强大的表格运算能力，代码比 Python 简单很多，既具备 Excel 的简单性，又能解决 Excel 难算的任务，真的做到既要又要。比如计算每支股票最长连涨天数，简单三行即可搞定。

|---|--------------------------------------------------------------------------|
| | A |
| 1 | StockRecords.xlsx |
| 2 | =T(A1).sort(DT) |
| 3 | =A2.group(CODE;~.group@i(CL<CL[-1]).max(~.len()):max_increase_days) |

更复杂的任务：求每 7 天中连续 3 天活跃的用户数。Python 写起来很罗嗦：

python 复制代码

df = pd.read_csv("../login_data.csv")
df["ts"] = pd.to_datetime(df["ts"]).dt.date
grouped = df.groupby("userid")
aligned_dates = pd.date_range(start=df["ts"].min(), end=df["ts"].max(), freq='D')
user_date_wether_con3days = []
for uid, group in grouped:
    group = group.drop_duplicates('ts')
    aligned_group = group.set_index("ts").reindex(aligned_dates)
    consecutive_logins = aligned_group.rolling(window=7)
    n = 0
    date_wether_con3days = []
    for r in consecutive_logins:
        n += 1
        if n<7:
            continue
        else:
            ds = r['userid'].isna().cumsum()
            cont_login_times = r.groupby(ds).userid.count().max()
            wether_cont3days = 1 if cont_login_times>=3 else 0
            date_wether_con3days.append(wether_cont3days)
    user_date_wether_con3days.append(date_wether_con3days)
arr = np.array(user_date_wether_con3days)
day7_cont3num = np.sum(arr,axis=0)
result = pd.DataFrame({'dt':aligned_dates[6:],'cont3_num':day7_cont3num})

SQL 更加冗长：

sql 复制代码

WITH all_dates AS (
    SELECT DISTINCT TRUNC(ts) AS login_date
    FROM login_data),
user_login_counts AS (
    SELECT userid, TRUNC(ts) AS login_date, 
    (CASE WHEN COUNT(*)>=1 THEN 1 ELSE 0 END) AS login_count
    FROM login_data
    GROUP BY userid, TRUNC(ts)),
whether_login AS (
    SELECT u.userid, ad.login_date, NVL(ulc.login_count, 0) AS login_count
    FROM all_dates ad
    CROSS JOIN (
        SELECT DISTINCT userid
        FROM login_data) u
    LEFT JOIN user_login_counts ulc
    ON u.userid = ulc.userid
    AND ad.login_date = ulc.login_date
    ORDER BY u.userid, ad.login_date),
whether_login_rn AS (
    SELECT userid,login_date,login_count,ROWNUM AS rn 
    FROM whether_login),
whether_eq AS(
    SELECT userid,login_date,login_count,rn,
        (CASE WHEN LAG(login_count,1) OVER (ORDER BY rn)= login_count 
        AND login_count =1 AND LAG(userid,1) OVER (ORDER BY rn)=userid 
        THEN 0 
        ELSE 1 
        END) AS wether_e	
    FROM whether_login_rn),
numbered_sequence AS (
    SELECT userid,login_date,login_count,rn, wether_e,
    SUM(wether_e) OVER (ORDER BY rn) AS lab
    FROM whether_eq),
consecutive_logins_num AS (
    SELECT userid,login_date,login_count,rn, wether_e,lab,
        (SELECT (CASE WHEN max(COUNT(*))<3 THEN 0 ELSE 1 END)
        FROM numbered_sequence b
   	WHERE b.rn BETWEEN a.rn - 6 AND a.rn
	AND b.userid=a.userid
   	GROUP BY b. lab) AS cnt
    FROM numbered_sequence a)
SELECT login_date,SUM(cnt) AS cont3_num
FROM consecutive_logins_num
WHERE login_date>=(SELECT MIN(login_date) FROM all_dates)+6
GROUP BY login_date
ORDER BY login_date;

SPL 代码要简短易懂得多，普通业务人员也能轻松掌握：

|---|------------------------------------------------------------------------------------------------------------------------|
| | A |
| 1 | =T("login_data.csv") |
| 2 | =periods(date(A1.ts),date(A1.m(-1).ts)) |
| 3 | =A1.group(userid).(~.align(A2,date(ts)).(if(#<7,null,(cnt=~[-6:0].group@i(!~).max(count(~)),if(cnt>=3,1,0))))) |
| 5 | =msum(A3).~.new(A2(#):dt,int(~):cont3_num).to(7,) |

天然的大数据支持

SPL 提供了原生的大数据处理能力，支持游标以应对超出内存容量的外存计算，内外存计算代码几乎一致，不会额外增加工作量。比如，计算每支股票最长连涨天数，只要把 import 函数改为 cursor。

|---|--------------------------------------------------------------------------|
| | A |
| 1 | StockRecords.txt |
| 2 | =file(A1).cursor@t().sortx(CODE,DT) |
| 3 | =A2.group(CODE;~.group@i(CL<CL[-1]).max(~.len()):max_increase_days) |

SPL 支持基于线程的并行计算，充分利用多核 CPU。比如，找出股票连涨超过 5 天的区间，只要增加一个 @m 选项，性能直接起飞。

|---|------------------------------------------------|
| | A |
| 1 | StockRecords.txt |
| 2 | =file(A1).cursor@tm().sortx(CODE,DT) |
| 3 | =A2.group@i(CODE!=CODE[-1]||CL< CL[-1]) |
| 4 | =A3.select(~.len()>=5).conj() |

内嵌 Excel 的增强插件

esProc Desktop 提供了 XLL 插件，用户可以在熟悉的 Excel 环境中，利用 SPL 的强大计算能力，在 Excel 内直接写 SPL 公式，同时发挥 SPL 和 Excel 优势。比如连涨区间的计算，在 Excel 里写一句 SPL 代码就能算完。

再比如：找出每个月都能进 top10 的明星产品，Excel 做交集很麻烦，SPL 集合运算要强大得多，简短的公式可直接获得结果。

esProc Desktop 现在可以免费使用，还有图书、课程、Excel 例程集等丰富的资料，

免费下载