I love Alteryx

I love Alteryx

摘要

Alteryx是我用过很棒的数据自动化处理工具，在我自己手搓的个人数据工作台里，用 Vibe Coding 学习了里面常用的功能，以此来替换我学习Power BI构建的前端应用的数据建模功能。这一篇就来看一下用国产智能体和大模型目前搞出来的样子。

接下来上图，首先是系统主界面：

记在前面

和上一篇一样，我是在 Mac 上玩的。整个东西是 Vibe Coding 出来的：Trae + 火山 Agent Plan 里的 DeepSeek V4.1 Flash，一边翻 Alteryx 的界面一边和 AI 描述行为。工作流引擎底层用的是 DuckDB，每个节点执行完就是一张中间表，所以链路能一步步往下走，也能随时回到某一步看数据。

这一篇里的工作流是现搭的一条，数据也是临时造的，全部功能点都在这条链路上用到了：15 个转换类节点、3 个输入（两个 CSV 加一个 Text Input）、5 个输出（数据模型、Excel、CSV 各写一份，再加两个 Browser）。SQL Server 的输入输出和 Excel 输入这次先跳过。

案例数据长这样：

文件	行数	埋的脏数据
总部花名册 employees_hq.csv	16	姓名首尾有空格、部门代码小写 d01、城市为空、2 人已离职、办公点写成「武汉-3」
分公司花名册 employees_branch.csv	10	同样结构，城市换成长沙，2 人已离职，部分城市为空
部门码表（A 手工录入）	4	部门代码 / 部门名称 / 业务条线

一、设计器布局

新建之后进设计器，界面分四块，基本学习Alteryx的布局来构建：

这套布局基本是 Alteryx 的肌肉记忆：左边改参数、下面看数据、中间连。不同的是我把「运行」放在了右上角，可以不保存直接试跑，跑完再决定要不要存。

二、从空白画布开始，节点在 Ribbon 里找

新建画布是空的，中间会提示「从左侧节点库拖拽节点到画布」，按「输入 → 转换 → 输出」的顺序搭就行。

节点库三个页签分别装了这些：

页签	分组	节点
输入	文件 / 数据库 / 手工	CSV、Excel、SQL Server、Text Input
转换	选择 / 组合 / 汇总 / 数据准备 / 拆分重组	Select、Filter、Join、Union、Aggregation、Sort、Running Total、Formula、Find Replace、Unique、Sample、Data Cleansing、Text to Columns、Cross Tab、Transpose
输出	数据模型 / 文件 / 数据库 / 浏览	Data Model、CSV、Excel、SQL Server、Browser

跟Alteryx一样，转换页签是主力，15 个节点按用途分了五组。这次要用到全部 15 个，正好可以一次讲完。

三、输入：CSV 双源 + 手工码表

Text Input 在 Alteryx 里是我最常用的节点之一，很多「口径」其实就是一张小码表，能直接敲进去比维护一个 Excel 文件省事。

四、数据预览：每一步都能停下来看一眼

这一步是整条链路里最影响效率的设计。搭工作流最怕的是「跑完发现中间某步是空的」，能随时点开某一步看数据，问题基本一眼就能定位。

五、数据清洗与选列

两个来源先合并（Union 放到第九章讲），接下来做标准化。**数据清洗（Data Cleansing）**这个节点处理的是录入脏数据：

紧接着是选列重命名（Select） ：12 列里去掉用不上的 Phone、IDCard，剩下的 10 列顺便改成业务口径------MonthlySalary 改名 BaseSalary。列的顺序可以上下调整，输出就是最终列序。

这两步都不改变行数（26 行进、26 行出），属于「整理」而不是「计算」，也是我觉得最该被自动化掉的一类活。

六、过滤与公式：只算在职员工，顺便派生指标

在职筛选（Filter） 用一句表达式搞定："LeaveDate" IS NULL。Filter 有两个输出端口，T 是命中的行，F 是不命中的行------22 行走 T 继续往下，4 个已离职的人从 F 单独引出去，后面用来做离职核对。

表达式框里是原生 SQL 风格的条件，写在里面的列名会在下方面板里列出来，不用背字段名。

然后是派生字段（Formula），这次加了三个：

新字段	类型	表达式
Tenure	int64	date_diff('year', CAST("HireDate" AS DATE), DATE '2026-10-01')
AnnualSalary	double	"BaseSalary" * 12
AgeBand	string	CASE WHEN ... THEN '资深' / '骨干' / '新人' END

一个节点里可以加多条表达式，按顺序执行，后面的表达式能用到前面刚算出来的字段。日期类型的计算要先 CAST 成 DATE，这个坑和 Alteryx 里 Date 类型的处理逻辑差不多。

七、查找替换与文本分列

花名册里的部门代码是 D01 这种编码，人看着费劲，想先拿到一列中文部门名，所以先做一次代码转名称（Find Replace）：

• 查找字段（F 输入）：DeptCode；
• 查找表（R 输入）：部门码表；
• 替换值字段：DeptName；
• 输出方式：追加为新字段，新字段名叫 DeptName，区分大小写关掉。

清洗那步已经把代码统一成大写了，这里再把「区分大小写」关掉，两边写法不一致也不会漏匹配；输出的行里多一列中文部门名。

办公点字段是「武汉-3」这种拼接串，用**文本分列（Text to Columns）**拆开：

• 要拆分的字段：WorkLocation；
• 分隔符：自定义 -；
• 拆分方式：拆分为列；
• 拆分后的根名称：Office，列数 2。

结果就是 Office1 = 武汉、Office2 = 3。同一个节点也能选「拆分为行」，那就变成纵向展开。

八、关联码表

关联（Join） 是左连接：左边是花名册、右边是部门码表，连接键都选 DeptCode。输出字段可以逐列勾选、改别名、调整顺序，来源标明 L（左）还是 R（右）。

这次关联只为把码表里的「业务条线 BizLine」带进来，后面的排序要用它；中文部门名交给链路下一步的 Find Replace 去补。22 行进、22 行出，没有放大，说明码表是唯一的。

九、合并两个来源

16 + 10 = 26 行。这个节点放在最前面，所以后面的清洗只需写一次。

十、去重与抽样

离职那 4 行从 Filter 的 F 端口出来，用去重（Unique） 按 EmpNo 检查有没有重复记录------唯一值字段可以勾多列，选多列就是联合唯一。

接着用**抽样（Sample）**取「前百分之 N 行」，N=20，抽 1 行出来人工核对。Sample 支持前 N 行、后 N 行、跳过前 N 行、每 N 行中的第一行、随机概率、前百分之 N 六种模式，还能按列分组每组各取 N 行------审计抽样那种「每个部门抽 2 条」就是用它。

十一、排序与累计

排序（Sort） 按两个键：BizLine 升序、AnnualSalary 降序，空值统一排在后面。

累计（Running Total） 是个容易被忽略但很好用的节点：对 AnnualSalary 做累计，按 DeptName 分组------也就是每个部门内部各自从头累计出一列 RunningAnnualSalary。它和 Alteryx 一样不会自己排序，累加顺序就是记录进入节点的顺序，所以需要固定顺序时得先把 Sort 接在它前面（这次上面正好接了排序节点，顺序是确定的）。

十二、按部门 × 职级汇总

汇总（Aggregation） 两个分组字段：DeptName、JobLevel，四个聚合：

聚合	字段	输出字段名
COUNT	EmpNo	Headcount
SUM	BaseSalary	TotalBase
AVG	BaseSalary	AvgBase
MAX	AnnualSalary	MaxAnnual

22 行汇总成 14 行。汇总节点支持 SUM / COUNT / AVG / MIN / MAX 五种聚合，这次用到了其中四个。

十三、交叉表与转置

**交叉表（Cross Tab）**把「部门 × 职级」的明细转成宽表：

• 表头字段：JobLevel（P3/P4/P5/P6 会变成列）；
• 值字段：Headcount；
• 取值方法：求和；
• 列名前缀：L；
• 分组字段：DeptName。

14 行变成 4 行 × 5 列（DeptName + LP3/LP4/LP5/LP6）。这里踩了个坑：第一次运行报「Cross Tab 字段不存在: EmpNo」，原因是值字段必须引用上游已经存在的列，得选 Headcount 而不是原始字段。

转置（Transpose） 再把它转回长表：键字段 DeptName，数据字段勾选 LP3/LP4/LP5/LP6，输出固定是「键字段 + Name + Value」三列，4 行 × 4 职级 = 16 行。宽表给人看，长表给 BI 工具吃，这两个节点基本是配套用的。

十四、输出：数据模型、文件与浏览

一条链路可以挂多个输出，这次挂了五个（其中两个是 Browser）：

写入模型（Data Model） ：填模型名称 HR_Headcount_By_Dept，「同名模型已存在时」选覆盖。运行后节点卡片上照样显示 16 行，但它不在画布里留可预览的中间表------点开底部预览会提示没有可预览的输出表；结果要到「数据模型」模块里看，之后可以被仪表板直接当作数据集用。

导出到文件 ：Excel 输出写 hr_headcount.xlsx，可以指定工作表名（这里是 HC）；同一条链路上还挂了一个 CSV 输出，用来给外部系统对接。

浏览（Browser）：不写任何东西，只是把数据停在面板里，方便人工看一眼。搭流程的时候我会在每个关键节点后面挂一个 Browser 看结果，确认没问题再删掉。

十五、运行：状态、行数与日志

右上角的「运行」是全量执行：按拓扑顺序跑完所有节点。跑的时候画布和配置会锁住，顶部提示「运行中，画布与配置已锁定」，节点整体置灰、底部面板显示「等待运行完成」。

跑完之后：

• 每个节点卡片底部多出一行行数，右侧出现绿色对勾、边框变绿，右上角徽章变成「运行成功」；
• 配置不完整的节点右下角会出现橙色感叹号，悬停告诉缺哪一项------校验规则和真正执行前的校验是同一套；
• 点中任意节点，底部预览就只显示这一步的输出（没选节点时是空的）。

每次运行都会留一条记录：回到工作流详情页，在「运行历史」里点「查看日志」就能进到运行详情页，拿到这次运行的结构化结果------节点、类型、状态、行数、耗时、错误，以及完整执行日志（这次 23 个节点、72 条日志）。日志按 info / success / error 分级，哪一步慢、哪一步空，一眼就能看出来。

十六、右键菜单与缓存冻结

在节点上点右键，有三个动作：

• 运行至此：只跑这个节点和它的全部上游，改完中间某一步不用从头来；
• 缓存至此：跑一遍并把结果冻结住，后面的调参不再重复计算上游；
• 取消缓存：解冻。

冻结之后，上锁的节点右上角会出现一个带锁的小圆点，底色变成淡蓝，并且不可编辑；已经缓存过的部分直接跳过，相当于 Alteryx 里把大表缓存下来的做法。数据量大的时候，这个功能能把「改一个下游参数、等三分钟」变成「改一个参数、等三秒」。

十七、全景

最后把画布缩到能看全的样子。整条链路是：

总部花名册 ┐
           ├→ 合并 → 数据清洗 → 选列重命名 → 在职筛选（T，22 行）→ 派生字段 → 拆分地点
分公司表   ┘                                                              ↑
                                                                     部门码表

拆分地点 → 关联码表 → 代码转名称 → 排序 → 累计薪酬 → 职级汇总 ┬→ 导出汇总表（Excel）
                                                              └→ 职级交叉 → 交叉转行 ┬→ 写入模型
                                                                                     ├→ 导出 CSV
                                                                                     └→ 浏览结果

在职筛选（F，4 行）→ 离职去重 → 抽样 → 复核浏览

23 个节点，左边一路清洗，中间一分为二做两种视角：一条走「明细 → 汇总 → 交叉 → 转行 → 输出」，另一条拿离职数据做核对；输出端同时写了数据模型、Excel、CSV，还留了两个 Browser 给人看。

感受

回想起一年前，如果想这么顺利的实现到目前的效果，工作量会很大。现如今虽说从智能体和大模型跟顶流产品还有差距，但追赶的脚步从来没停下过。

后续会结合Power BI以及Alteryx的交叉功能，进一步探索个人工作台的功能。