一、案例定位

依原書「Excel 並非永遠是最佳工具」的觀點，建立 data extraction／analysis 與 planning 工具選擇案例。

二、學習目標

• 判斷何時 Excel 足夠、何時應使用 Power Query／Power Pivot 或其他 purpose-built tools。
• 區分建模、資料整備與企業級 planning 的需求。
• 避免因熟悉 Excel 而把所有問題硬塞進 Excel。

三、案例情境

某公司需要每月整合 600,000 筆資料、4 個來源、做長期 planning，且有多人共同更新。原書列出的 alternatives／supplements 包括資料抽取與分析工具，以及雲端 planning／performance management 工具。

四、開始資料

五、Excel／VBA 分析方法

把工作拆成三層：資料擷取／清理、模型計算、planning／collaboration。依原書，Power Query／Power Pivot 適合補強 Excel 的資料處理；Alteryx、KNIME、SAS、Tableau、Oracle-based tools 等可提供更 robust 的 data extraction／analysis；Anaplan、Causal、Tagetik、Visyond 等則屬 planning／performance management alternatives。

六、計算結果

此案例的結論是混合式架構：大型資料不應全部靠 worksheet formulas 處理；可將 extraction／cleaning 移出普通 worksheet，再保留 Excel 作為需要的財務模型／scenario layer。若多人 planning、治理與 scale 成為主要需求，應評估 purpose-built platform。

七、結果分析與管理解讀

工具選擇的核心不是「哪個軟體最好」，而是哪個工具最符合工作層級。熟悉 Excel 會降低 adoption friction，但也可能形成「什麼都用 Excel」的慣性。

八、AI Prompt

請只根據 600,000 rows、4 sources、需要 refresh、多人 planning 與模型 scenario 的條件，將工作拆成 data preparation、financial modeling、planning 三層，並根據原書列出的工具類型提出配置。

九、思考／What-if

**問題：**若資料量只有 20,000 rows、單一使用者、沒有多人 planning，只需要一個簡單 pricing model，是否有必要直接改用 enterprise planning platform？