| 场景描述 | 推荐工具 | 理由 (Why?) | 反面教材 (Don't) |
| 数据量 < 5万行，且需要手动修改具体数值（如修正拼写错误、填补备注）。 | Excel | 所见即所得。 鼠标点一下就能改，极其灵活，适合“一次性”的小修补。 | 用 Python 写代码去改一个错别字，效率太低。 |
| 数据量 > 100万行，存储在公司数据库中，需要多表连接 (Join)。 | SQL | 原生且极速。 数据库就在那里，让服务器去跑连接，不要把数据拉到本地再处理。 | 把两张百万行的表导出为 CSV，然后在 Excel 里用 VLOOKUP。电脑会直接卡死。 |
| 逻辑复杂的清洗（如：先拆分列，再分组求和，再过滤，再跟另一张表合并），且下周还要再做一次。 | Tableau Prep / Alteryx | 可视化流 + 可复用。 你能清晰看到每一步的变化，且流程图建好后，下周点一下“运行”即可，自动化满分。 | 在 Excel 里手动操作 50 个步骤，下周数据更新了，你忘了第 18 步做了什么，只能重头再来。 |
| 非结构化数据（如：提取网页文本、处理复杂的 Log 日志、正则表达式提取）。 | Python | 灵活性之王。 字符串处理是编程语言的强项，Pandas 和 Regex 能处理任何奇怪的格式。 | 试图用 Excel 的 MID, FIND, LEN 嵌套几十层公式来提取一个邮箱地址。 |
| 合并 50 个结构相同的 Excel 文件。 | Python / Power Query | 批量处理。 写个简单的循环（Loop）或者用文件夹读取功能，几秒钟搞定。 | 打开每一个文件，复制，粘贴到汇总表... 重复 50 次。 |
