

很多数据分析师每天与Excel打交道，但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“表格结构数据和表结构数据有什么区别”时，却常常答不上来。其实，表格结构数据是数据分析的“第一战场” ——企业80%以上的结构化数据以表格形态呈现，从零售门店的销售明细到电商平台的用户行为表，表格数据贯穿业务全流程。精准掌握其特征，是CDA数据分析师从“会看表格”升级为“会用表格”的必修课。

”

引言：为什么“读懂表格结构”是数据分析的第一步？

小孙是某零售企业的数据分析师。一天，主管发来一张Excel销售表：“分析一下近半年各品类的销售趋势。”小孙打开文件，3万多行数据扑面而来。订单金额、商品名称、下单时间、客户ID、支付渠道……数据很全，但他却有点不知所措：哪些列是维度？哪些列是指标？为什么用VLOOKUP时总返回#N/A？两张表怎么关联？为什么“2024/01/01”在排序时乱成一锅粥？

这几乎是每一位数据分析新人的真实写照。会“看表格”和会“用表格”之间，隔着一条叫做“理解表格结构数据特征”的鸿沟。

本文将从CDA认证的知识体系出发，系统拆解表格结构数据的核心特征与实操要点，帮助你构建从“看懂”到“驾驭”的完整能力。

一、表格结构数据的核心认知

1. 什么是表格结构数据？

表格结构数据是指以“行存样本、列储属性”的规范形态组织起来的数据集合。每一行代表一个业务样本（如一笔订单、一个用户），每一列代表一个属性字段（如订单金额、用户年龄）。在Excel中打开一张工作表，看到的就是典型的表格结构数据。

表格结构数据与表结构数据（以字段为处理单位、面向数据库）不同，它以单元格为基本操作单位，灵活性高但处理批量数据效率较低。理解这一差异，有助于CDA分析师根据业务场景选择合适的工具和分析路径。

2. 层级关系：从单元格到工作簿

表格结构数据具有清晰的层级结构：

工作簿 → 工作表 → 单元格区域 → 单元格

• 工作簿：一个独立的电子表格文件（.xlsx）
• 工作表：工作簿中的一页（Sheet1、Sheet2等）
• 单元格区域：矩形连续单元格的集合（如A1:C10）
• 单元格：最小的数据单元，通过“列号+行号”唯一定位（如B4表示第2列第4行）

表格数据表现出层级关系，工作簿是最顶层，包含多个工作表，每个工作表由多个单元格区域组成。单元格区域的特征包括：单元格区域需要由连续的单元格构成，且必须是一个方形区域。

二、核心特征一：数据类型——表格的“基因密码”

表格结构数据类型包括数值型、字符型（文本型）、逻辑值三大类。

1. 三大数据类型

表格结构数据的一个关键特征：每个单元格只能有一种数据类型。数值列做求和、均值等计算，字符列做分组、占比等分析。

2. 数据类型误判的常见陷阱（CDA考试高频考点）

• ID编号陷阱：ID编号（如订单ID、用户ID）虽然看起来是数字，但应视为文本型（不能求和）
• 日期型陷阱：日期型常被误存为文本型，导致无法排序或绘图，需转换为日期型
• 文本型陷阱：文本型数据中需注意空格、大小写、错别字——如“北京”和“北京市”被视为两个不同类别

✅ 实操验证：在Excel中常用=TYPE()函数判断单元格的数据类型，返回值1代表数字，2代表文本。养成“上手先看类型”的习惯，可以避免大量低级错误。

三、核心特征二：行列规范，维度明确

表格结构数据的最大优势在于其形态规范、维度明确、可量化、易关联。这是CDA分析师快速定位分析对象、标准化数据处理的基础。

1. 行与列的本质含义

在表格结构数据中：

• 行：对应唯一样本（如一笔订单、一个用户）
• 列：对应明确属性（如订单金额、年龄）

每一行代表一个完整的业务事件，每一列的数据类型必须一致。列名清晰定义数据含义，无歧义。

2. 维度与度量——“看懂表格业务语言”的关键

维度和度量是表格结构数据分析的核心能力：

• 维度：描述“谁、何时、何地”的分类字段，多为文本型。例如：用户ID、城市、日期、产品类别
• 度量：描述“多少、多大”的业务结果数值，多为数值型。例如：订单金额、点击次数、登录时长

维度用于分组，度量用于汇总计算（求和、平均等）。分析“各城市销售额”时，“城市”是维度，“销售额”是度量。

✅ 实操要点：拿到任何一张表格，先问自己三个问题——这一行代表什么业务事件？这个粒度能满足分析目标吗？哪些是维度、哪些是度量？快速定位后，分析路径自然清晰。

四、核心特征三：获取、引用、查询与计算——表格的“功能工具箱”

表格结构数据的获取方法、引用方法、查询方法、公式和常用函数。

1. 数据获取的三大渠道

表格结构数据通常来自三大渠道：

① 企业后台数据库系统：最核心的数据来源。分析师通过SQL查询语言或ETL工具提取数据，导出为Excel可以处理的表格结构数据。

② 前端操作平台：业务人员日常使用界面自带的导出功能。

③ 企业外部渠道：公开数据集、第三方数据服务、行业报告等。

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

2. 引用——从“单点”到“联动”

表格结构数据的单元格四种核心引用方式：

3. 查询——VLOOKUP的核心应用

以经典的VLOOKUP为例，它是CDA考试中的高频考点，用于从另一个表格中查找匹配的数据并返回对应信息。

函数的基本构成是：“=”+函数表达式+参数+操作符+返回值。VLOOKUP的典型场景：在订单表中通过“产品ID”查询产品名称。

4. 计算——五类常用函数

表格结构数据的公式和常用函数，涵盖五大类别：

五、核心特征四：透视分析与条件格式——从数据到洞察

掌握表格结构数据透视表的使用和条件格式的使用。

1. 数据透视表——多维分析的“万能钥匙”

数据透视表将一维原始数据转换为由行列构成的二维值汇总表，用户可以通过鼠标拖拽快速更改图表显示结果。CDA大纲要求能够根据业务需求选择创建正确的透视规则，并将透视规则应用在正确的数据模型下描述业务问题。

2. 条件格式——数据的“视觉预警器”

条件格式的核心作用是设置规则，让符合特定条件的单元格自动改变显示格式。在分析订单明细时，设置条件格式“利润为负→红色背景”，可瞬间标记亏损产品。

六、表格结构数据 vs 表结构数据

两者都是结构化数据，但以下维度存在显著差异：

表格结构数据的最小单位是单元格；表结构数据中的基本引用、操作、计算单位是字段或记录行。

七、实战演练：从一张“销售订单明细表”完成完整的规范化分析

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

• 检查各列数据类型，将“下单日期”列从文本型转换为日期型
• 确认“订单ID”为文本型，避免误求和
• 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

第二步：引用与查询

• 使用结构化引用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

第三步：计算衍生指标与透视汇总

• 创建“利润”（=单价×数量—成本）等新列
• 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



这就是一套完整的“类型识别→清洗→引用关联→查询匹配→函数计算→透视汇总”的表格结构数据标准化分析流程。

”

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处理单位是什么”“数值型和文本型如何区分”“表格结构数据和表结构数据的本质区别是什么”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、引用、查询、计算与功能运用，才是CDA数据分析师的专业功底。

在2025年新考纲的背景下，表格结构数据特征作为PART 2的核心内容，贯穿了数据接入、清洗、分析、输出的全过程。CDA分析师的核心竞争力之一，正是精准把握表格数据的特征，将表格数据从“数字集合”转化为驱动业务决策的“价值洞察”。

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. 拿到任何一张表格，先问自己三个问题——这一行代表什么业务事件？这个粒度能满足分析目标吗？哪些是维度、哪些是度量？
3. 练习使用VLOOKUP或XLOOKUP完成一次跨表查询



看懂表格结构是本能，精准驾驭表格结构数据的每一次处理与建模，才是CDA数据分析师的专业魅力。

”

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