

数据分析师八成以上的时间在和数据表格打交道，但许多人拿到Excel后习惯性地先算、先分析，结果回头发现漏了一列关键数据，日期格式混乱，跨表计算反复出错——根源在于没有建立完整的“表格六步法”意识。读数据、取数据、引数据、查数据、算数据、控数据，是从看懂表格到驾驭表格的六门必修课。

”

表格结构数据以“行存样本、列储属性”的规范形态，成为数据分析师最核心的工作载体。分析师的核心能力，正是在表格数据“类型识别—获取—引用—查询—计算”的全生命周期中，精准把控每个环节，让数据从“原始素材”转化为业务决策依据。

一、数据类型识别：表格分析的“第一道门槛”

表格数据的价值挖掘始于类型精准识别，分析师需根据列属性快速归类，为后续处理奠定基础。表格结构数据主要包含三种核心数据类型：

CDA常见陷阱：ID编号虽然看起来是数字，但应作为文本型处理，业务逻辑上不允许求和。同样，日期型常被误存为文本型，导致无法排序或绘图。文本型数据中还需注意空格、大小写、错别字（如“北京”和“北京市”被视为两个不同维度）。

实操建议：在Excel中，用=TYPE()函数可以快速判断单元格的数据类型——=TYPE(100)返回1（数值），=TYPE("100")返回2（文本）。养成“上手先看类型”的习惯，可以避免大量低级错误。

二、数据获取：筑牢表格数据的“可靠根基”

分析师需从多渠道获取表格数据，确保数据的全面性与时效性。

表格结构数据的三大来源

① 企业后台数据库系统：最核心的数据来源。企业通过CRM（客户关系管理）、ERP（企业资源计划）等系统，将业务活动产生的结构化数据存储在后台数据库中。分析师可通过SQL查询语言或ETL工具提取数据，导出为Excel可处理的表格结构数据。

② 前端操作平台：业务人员日常使用的操作界面自带的导出功能，如电商后台订单管理页面、财务系统报表等。适合获取已加工好的汇总数据。

③ 企业外部渠道：包括公开数据集、第三方数据服务、行业报告等。常见数据文件格式包括CSV文件（逗号分隔）、TXT文本文件（制表符分隔）、Excel文件（.xlsx）及WPS表格文件（.et）等。

关键文件类型区分：CSV/TXT为纯文本文件，仅包含数据本身，不涉及公式、格式或图表；XLSX/ET为电子表格工具文件，可保存公式、多种格式及图表操作记录。数据量巨大时，优先使用CSV/TXT格式，因为文件体积更小、读取速度更快。

数据获取阶段的质量把控：分析师在获取数据的同时，应同步开展数据字典建设，明确表格中每列的定义（如“新客”为“首次消费用户”）、来源系统及更新频率，确保口径统一、溯源可查。

三、数据引用：从“单点”到“联动”的精准连接

引用是表格结构数据处理中最基础也最频繁的操作。

表格结构数据的层级关系

从宏观到微观，表格结构数据有着清晰的层级结构：

工作簿（Book） → 工作表（Sheet） → 单元格区域（Range） → 单元格（Cell）

• 工作簿：独立的电子表格文件，一个工作簿包含一个或多个工作表
• 工作表：每个工作表由纵横交错的单元格组合构成
• 单元格区域：矩形连续单元格的集合
• 单元格：最基本的操作单元，每个单元格通过“列号+行号”唯一定位

理解这一层级关系，后续的引用技巧才能真正落地。

四种核心引用方式

进阶技巧：结构化引用

当数据被转换为Excel的“表格”（快捷键Ctrl+T）后，可以使用结构化引用，用表格名称和列名代替传统单元格坐标。例如，=SUM(销售表[销售额])比=SUM(C2:C100)更具可读性，而且在数据新增行时，引用范围会自动扩展。

四、数据查询：从“大海捞针”到“精准定位”

方法一：表格工具搜索功能

在Excel中按Ctrl+F打开查找对话框，输入关键词即可定位，适合小规模数据的快速定位。

方法二：查询函数（VLOOKUP/XLOOKUP等）

这是表格结构数据查询的核心技能。以经典的VLOOKUP为例：

=VLOOKUP(查找值, 表格数组, 返回列号, [匹配方式])

这个函数可以从另一个表格中查找匹配的数据并返回对应信息。例如，在订单表中通过“产品ID”查询产品名称，就是用VLOOKUP的典型场景。

XLOOKUP函数（Excel 2021及以上版本支持）是VLOOKUP的升级版，支持向左查找、更灵活的错误处理等。

引用与查询的辨析：引用是针对单元格级数据的直接定位，查询是通过特定函数在数据集中按条件交换信息。二者在逻辑上有重叠，但功能层级存在区别。

五、数据计算：让表格“活”起来

表格结构数据的公式和函数是CDA大纲明确评价的内容，要求达到应用级别。

基础计算操作

• 算术运算：单元格之间使用（+、-、*、/、^）直接完成基础指标计算
• 比较运算：使用（>、<、>=、<=、=、<>）快速识别对错
• 文本连接：用&符号合并多个字段的内容

五类常用函数

函数的基本构成是：“=”+函数名称+(参数1, 参数2, …)。

常见公式错误排查

六、其他重要功能：透视分析与条件格式

1. 数据透视表——多维分析的“万能钥匙”

数据透视表是必须掌握的汇总分析工具，能够将多行多列的明细数据快速按多维度、多层次分类展示。

操作四步法：

1. 选择数据区域 → 2. 插入 → 数据透视表 → 3. 拖拽字段到行/列/值区域 → 4. 调整汇总方式和格式

字段配置：

• 行标签：定义行分组（如产品类别、地区）
• 列标签：定义列方向的交叉分析（如月份、年份）
• 值标签：放置需要汇总计算的度量（如销售额、数量）
• 筛选器：添加维度控制（如时间段、支付状态）

常用汇总方式：求和、平均值、计数、占比（占总计的百分比）。

数据透视表的核心价值在于：不需要写任何代码，只需将字段拖到正确的位置，汇总结果就会瞬间呈现。

2. 条件格式——数据的“视觉预警器”

条件格式是数据质量控制和结果展示的高效工具：

• 数值预警：基于阈值设置单元格底色，如用红色填充色对过低指标值进行预警
• 图标集：用三色红绿灯动态显示指标综合表现
• 数据条：直观展示数值大小对比

例如，在分析订单明细时，设置条件格式：销售额 < 成本 → 红色背景，瞬间标记亏损订单。条件格式能帮助业务方在展示和沟通中快速定位异常数据，提升沟通效率。

七、实战演练：从一张“销售订单明细表”完成完整的数据处理流程

背景

某电商平台运营团队需要分析销售额下滑的原因。原始销售订单明细表存在数据质量问题：订单金额有负值，下单日期列格式不统一，部分关键属性列为空。

完整操作流程

第一步：识别数据类型

• 用=TYPE()函数核实每列的数据类型
• 将“下单日期”列从文本型转换为日期型（YYYY-MM-DD），确保能够进行时间排序和趋势分析
• 确认“订单ID”为文本型，避免误求和

第二步：数据获取与清洗

• 从ERP系统导出近半年的订单数据，选择CSV格式（大文件处理更高效）
• 筛选“客户姓名”列的空值，决定补充或删除
• 统一维度项描述，确保“产品名称”列中不存在“手机”和“智能手机”等不一致表述
• 取消合并单元格，还原为标准行数据

第三步：引用与查询

• 将已标准化的表格转为动态表格（Ctrl+T），确保后续公式自动扩展
• 使用VLOOKUP从商品信息目录库中匹配产品名称和二级类别，补充销售数据的分析维度

第四步：计算衍生指标

• 创建“利润”（=单价×数量—成本）和“是否高价值客户”等新列
• 使用IF函数判断逻辑状态

第五步：透视分析与条件格式

• 使用数据透视表按“产品名称”与“下单月份”汇总销售额，并生成月度趋势图
• 设置条件格式：利润为负 → 红色背景，快速识别亏损产品



这就是一套完整的“类型识别 → 获取 → 引用关联 → 查询匹配 → 函数计算 → 透视汇总与条件预警”的表格结构数据全流程标准化分析。

”

结尾

很多数据分析师会看表格、会写公式，但当被问到“表格结构数据的基本操作单位是什么”“VLOOKUP的正确使用场景和参数含义是什么”“数据类型误判会导致哪些分析错误”时，却常常答不上来。

看懂表格是基础，精准驾驭表格结构数据的每一次类型识别、获取、引用、查询、计算与功能运用，才是CDA数据分析师的专业功底。

2025年新考纲将“表格结构数据类型、获取、引用、查询、计算与其他重要功能”作为PART 5的核心考核内容，覆盖了从数据接入到分析输出的全链路。表格结构数据的每一项核心功能，都对应着CDA的具体工作场景——从数据采集阶段的类型区分，到数据预处理阶段的引用整合，再到数据分析阶段的查询计算，每一步都离不开对这些功能的精准驾驭。

CDA需打通“类型识别→数据获取→灵活引用→快速查询→精准计算”的完整链路，结合业务场景灵活组合运用各类功能，才能最大化发挥表格数据的价值。

下一步行动：

1. 找到一张日常使用的业务表格，用=TYPE()函数快速诊断各列的数据类型
2. 为常规分析中使用的多张表建立主键映射机制，确保关联步骤有坚实的数据基础
3. 练习使用VLOOKUP或XLOOKUP完成一次跨表查询
4. 使用数据透视表对日常数据做一次多维度汇总分析



数据类型是底色，合理引用是骨骼，精准查询是导航，高效计算是引擎，六关全通才是专业。

”

图文含有广告内容

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0