有时候我们需要导入超过百M的数据，这个时候Excel打开通常是无法响应的状态，大数据处理已经成为目前职场数据处理的一个难题，可以预见随着目前企业级业务的增长，后续的数据量会持续激增，这更加考验数据分析人员如何处理大文本数据。
比如这里的淘宝用户购物行为数据包含1万用户量级的完整行为数据，共计469M大小，常规地打开Excel的方式已经不适用，无法打开和响应，若强制打开，电脑会被“卡死”，无法响应。
本节会用一种数据处理方法来处理这种大文本数据，如下的用户行为数据共包含用户标识、商品标识、用户对商品的行为、商品分类标识、行为时间共计五个字段，要研究每个用户对商品的行为转化情况。
下面研究该大文本数据每个用户对商品的行为转化情况，首先，新建一个新的空Excel表，在数据选项卡下点击新建查询，选择从文件，点击从csv ，使用的是Excel中Power Query组件。
找到需要导入的文件目录后，点击导入即可。
会弹出如下界面，该界面就是我们熟悉的PQ 编辑界面，点击编辑可对数据进行清洗。
如上我们知道，这里的用户行为数据是用数字代表用户的行为，手动将用户行为数据转化为文本格式。
更改列类型点击下面的替换当前转化。
数据类型转化后，可以将具体的用户行为数字标识替换为具体的用户行为，在数据选项卡下点击替换值。
将用户行为数字标识1、2、3、4依次替换为浏览、收藏、加购物车、购买。
将用户行为数字标识2替换为收藏。
点击筛选按钮，如下已经替换完成，将数字标识转化为具体的用户行为。
将处理好的数据在开始选项卡下点击关闭并上载至…
在加载到中勾选将此数据添加到数据模型。
将数据加载到表格中后在设计里可点击通过数据透视表汇总，对数据进行数据透视。
由于用户标识存在重复值数据，所以要分析每个用户行为需要去重处理，以此来统计每个淘宝用户的实际行为。
数据透视完以后，右键点击降序排列。
如下我们可以看到，一个淘宝用户从浏览、加购物车、购买、收藏呈漏斗形转化，与用户分析模型AARRR相似，符合用户行为理论，从浏览到加购物车这个行为转化率较低，需要优化浏览界面，提升加购物车的转化率。
如上，使用Power Query完美解决大文本数据打开和处理问题，并借助案例数据研究淘宝用户商品行为，如果你也感兴趣数据分析，想提升Excel数据技能，提高个人技能和职场竞争力，不妨关注我，持续分享数据分析知识~
掌握一项技能，精进一个领域，成为更好的自己