返回目录：excel表格制作
当excel不够用时，如何利用Access进行数据分析？
我们知道Excel2007及以上版本的数据存储量为1048576，但是要处理这么大量的数据，Excel本身就会非常卡，那么如何解决以上问题呢？我们现将数据存储进Access中，用Excel来调用Access中的数据来进行统计分析，非常的方便
接下来，我们就看具体实现步骤：
示例文件有4万多行数据，百万级以上数据可以轻松处理！
【Step1】任意新建一个新的工作表，点击数据选项卡--自Access
【Step2】找到Access目标数据存放的路径，点击打开
【Step3】在弹出的数据连接属性消息框中，直接点击确定
【Step4】在弹出的数据库引擎消息框中，直接点击OK
【Step5】在弹出的选择表格消息框中，选择我们储存数据的表
【Step6】在弹出的选择表格消息框中，选择我们储存数据的表双击，在弹出的导入数据消息框中，点击属性
此步可以选择输出类型为表、透视表、透视图等
【Step7】在弹出的连接属性消息框中，选择定义选项卡，在命令文本中输入SQL代码
此处以数据透视表为例，提取数据表中1月份数据进行分析
【Step8】点击确定后，就可以对当前数据进行透视操作，按需求进行布局汇总
【SQL语句解释】select * from Sheet1 where month(日期)=1 选择全部数据来自sheet1表中，条件为对日期求月份等于1月的数据
如有帮助，请点赞并关注本号，有任何疑问，欢迎评论区中留言讨论！
利用Access进行数据分析通常不是因为Excel不够用，因为，现在Excel能分析的数据远不止你所能看到的一个表里的1048576行——因为，现在Excel有了Power Query和Power Pivot两项极其强大的功能：
一、逆天给力的Power Query
二、引爆Excel数据分析、20年来最大革新的Power Pivot
没有尝试前先不要说Excel用不了
来看看大神用Power Query和Power Pivot做的1亿行的数据测试：
Excel 一亿行数据分析实践
高飞 PowerBI极客分析人员常用的大数据处理方式
本次演示的方式
这种方式的优点
降低成本。减少工具间的切换成本，直接使用Excel作为存储和分析工具。
展现灵活。展现端继续使用Excel，发挥它灵活、自定义程度高的优势。
便于交付。其他方式得到的结果为了便于交付，还要导出为Excel，而现在整个分析流都在Excel内部完成。
结果可交互。PowerPivot相当于一个存储了源数据的OLAP引擎，通过控制切片器等外部筛选条件，可以迅速、动态的查看结果，使用其他方法，可能需要返回分析端改变计算条件重新导出。
数据导入和耗时
向Excel导入大数据，有两种方式：
PowerPivot导入，直接导入，不支持数据转换和清洗操作。
PowerQuery导入，在导入前可以对数据做预处理。
为了直接对比PowerQuery和PowerPivot的加载效率，增加了一个*号方式，这种方式不对数据做任何清洗转换，直接加载到模型，与PowerPivot步骤相同。
对比前两行结果，PowerQuery的数据导入效率与PowerPivot不分伯仲。
PowerQuery没有数据量的限制，而PowerPivot不到导入超过2G的文件。
清洗步骤和数据量的增多，都会显著增加PowerQuery的导入时间，比如一亿行数据，即使三个简单的清洗步骤，用时已经超过了30分钟
结论
PowerPivot导入方式使用的是Access连接器，受限于Access文件本身的限制，不能导入超过2G的数据，这也说明，PowerPivot数据存储能力超过了Access。
PowerQuery是轻型ETL工具，处理大数据集性能不强（基于Excel版本的 PQ）。
如果尝试使用Buffer函数缓存数据，会发现这个缓存过程非常漫长，实际上，Buffer函数并不适合缓存大数据集，因为无法压缩数据，内存可能会很快爆掉。
简单分析的效率
我们真正关心的内容是，Excel能否快速、高效的对大数据集开展分析。
简单分析定义的场景是，逐月统计有多少位顾客发生了购买。做法是把年和月拖入透视表行字段，将CustomerKey拖入值区域，修改值汇总方式为统计不重复值。
测试发现，即便使用一亿行数据，这个计算过程的用时也很短，小于1s。于是我增加了一点难度，加入两个切片器对结果做交叉筛选，计算用时仍然小于1s，看来PowerPivot处理这类分析比较轻松，最终此项测试没有计时。
复杂分析的效率
新客统计：逐月计算当月产生购买的顾客中，有多少是新客户（第一笔购买发生在当月）
为了获取到PowerPivot引擎的计算时间，测试在DAX Studio内完成，同时为了模拟透视表的计算结果，需要对公式做一点改动。
计算用时（毫秒）
二次运算的用时指的是首次运算结束后，不清空缓存再次执行重复计算所花费的时间。相比第一次运算，节约时间在30%左右。原因是DAX的两个引擎中，有一个可以缓存计算结果，被缓存的内容可以在之后被公式内部调用，也可以跨公式调用。
结合这个知识，对DAX的表达式进行优化，可以获得更好的性能表现，下面是新客统计优化之后的写法，我们来对比计值时间的变化。
优化后计算用时（毫秒）
可以看出引擎的缓存起到了显著效果，二次计算直接调用首次运算的结果，计算时间不随数据量的增加而增加。
以一亿行数据集的结果为例，对比算法优化前后的用时：
复杂统计测试项目二，流失客户统计
与新客的呈现方式相同，依然是逐月计算当月的流失客户，不同的是流失客户的定义更为复杂。
自定义一个流失天数，被判定流失的客户需同时满足以下两个条件：
所有在当月之前最后一次购买的日期+自定义流失天数，落在当前时间区间内。
当月如果发生购买，第一次购买日期不能早于判定流失的日期。
流失客户公式和计算结果
计值流如此复杂的一个公式，PowerPivot会耗时多久呢，我只用了一亿行数据的文件做测试，结果是首次计算4093ms，二次计算1720ms。
说明：
1. 以上测试模拟了透视表的呈现布局，而且你可以加入切片器改变公式的上下文条件，迅速得出特定产品、特定商户和特定促销活动的新客户以及流失客户，非常方便。
2. 时间统计基于少量的测试结果，存在一定偶然性，仅供参考。
测试环境电脑配置也是影响计算性能的重要因素，需要说明的是，以上进行的所有测试都基于台式机，在做现场分享的时候，我在笔记本电脑上重新运行了一遍流失客户公式，两个环境的用时如下：
结合平时其他测试，我的笔记本执行同样的计算，用时平均在台式机的两倍左右。两台电脑的配置如下
注意：提升CPU主频、核心数、1、2、3级缓存；内存的大小和频率都会提升引擎的性能表现。
对于本地化大数据集的分析，本文提供了一种新的可能，严格来讲，2010年的时候你已经可以使用，只不过彼时它羽翼未丰，计算性能和稳定性难堪大任。
而现在，你已经见识到了这套工具（PowerPivot+PowerQuery）的能力，无论大数据还是复杂运算，Excel公式和VBA已经无法望其项背。
建议
从提问的方式来看，你本身应该就一直在用Excel做数据分析，只是现在当数据量变得更大了，如果真是这样，那么你完全可以去尝试使用新功能Power Query和Power Pivot来解决，而不需要考虑Access。
【私信“材料”直接下载系列训练材料】
【Excel必备基础小动画】
【60+函数汇总案例】
【数据透视基础精选10篇】
【Power Query入门到实战80篇】
【Power Pivot 基础精选15篇】