仓库管理革新：WPS之PIVOTBY函数引领出入库数据转型新篇章

优秀创作者

在仓库管理中，物料的出入库管理极为关键。常见的表格设计有两种方式：一种是将出库和入库信息合并显示在一列中，利用每条记录的“入库类型”字段区分操作性质，判定是出库还是入库；另一种设计则是将入库与出库分开列示，分别设置“入库”和“出库”列为标题。

这两种设计方法各具优势。前者，依托“入库类型”来标注出入库行为的策略，通常被称作单一维度数据管理法；而后者，通过设立多个列（即独立的入库、出库列）来区分信息的做法，则被称为多维度数据管理法或二维数据法。

在仓库管理的实际操作中，频繁需要将单一维度数据表迅速转换为多维度数据管理模式。此类数据转换技巧多样，但传统方法往往包含复杂的函数运用及多层级嵌套，给许多仓库管理人员带来了较大的学习障碍。为此，可利用WPS办公软件最新版本中引入的PIVOTBY函数（简称为PBY），以更加高效便捷的方式完成这类转换任务。

转换思路

在数据转换之前，首先要清晰界定目标结构：即将一维数据转变为多维格式。观察表1所示的一维数据布局，其中B列指示入库类型，涵盖了“出库”和“入库”两种情况，而C列记录了相应的数量信息，形成一系列连续的流水条目。

要求是将B列的入库类型沿水平方向展开为单独的列，即创建“出库”和“入库”两列，并确保C列中的数量数据根据新列标题（出库/入库）对应分配。深入分析后，不难发现这一需求与函数PBY的应用场景高度契合。

具体而言，PBY的列参数恰能满足对入库类型的划分需求，而值参数则直接对应出入库的流水记录。挑战在于确定行参数，解决之道是借助统计函数COUNTA来计算入库流水的总记录数。利用得到的计数结合SEQUENCE函数生成对应的序列号，这些序列号即可作为PBY的行参数。一旦这些关键参数（列参数、值参数、行参数）准备就绪，利用PBY即可迅速实现数据从一维到多维表格的转换。

创建行字段

经过上述思路的梳理，我们认识到满足这一需求的关键步骤在于生成一个行标识列，具体操作是输入以下公式：

=SEQUENCE(COUNTA(B3:B19))

该公式的工作原理如下：

首先，COUNTA(B3:B19)计算B列中从第3行至第19行非空单元格的数量，即得出出入库记录的总数。随后，SEQUENCE函数利用这个总数生成一个连续的数字序列，起始于1，依次递增，如1、2、3......直至达到计算出的记录数。这样就成功创建了一个与出入库记录一一对应的行序列，为后续的数据转换奠定了基础。

效果如下图所示：

聚合转换

在具备行标识列之后，我们可以着手进行数据聚合转换，采用以下公式实现这一目标：

=PIVOTBY(SEQUENCE(COUNTA(B3:B19)),B3:B19,C3:C19,N)

这将生成一个二维的汇总结果，体现了PIVOTBY函数的功能，它需要精确地输入四个参数：

第1参数：行字段：由一系列连续数字构成，这里通过SEQUENCE(COUNTA(B3:B19))生成，代表每一行的唯一标识，如1、2、3等。

第2参数：列字段：涵盖了B列第3行至第19行的数据，代表着出入库的类型，区分“出库”与“入库”记录。

第3参数：值字段：对应C列第3行至第19行的数据，即每条出入库记录的具体数量。

第4参数：函数："N"，此参数指定了汇总的方式，这里选择"N"表示直接展示数值，不对数据进行额外的计算处理。

如此一来，PIVOTBY函数便能基于提供的参数，高效地完成数据的透视与汇总展示。效果如下图所示：

聚合参数

已经对PIVOTBY函数的基本四参数进行了设定，接下来需配置可选参数以精准控制转换效果。为了达成这一目的，我们调整公式如下

=PIVOTBY(SEQUENCE(COUNTA(B3:B19)),B3:B19,C3:C19,N,,0,,0)

在这里，我们特意设定了两个可选参数：

第六个参数设为0，意在禁止显示行字段的汇总行。

第八个参数同样设为0，目的是不展示列字段的总计列。

通过这样的设置，我们有效地规避了汇总行与总计列的出现，使得转换结果更加符合特定需求。下图展示了应用此设置后的实际效果

去除第1列

在完成行和列总计的移除后，为了达成最终的数据转换目标，还需剔除由PIVOTBY函数生成的、专用于聚合操作的辅助行字段列。这一操作可以通过集成DROP函数实现，迅速摒弃不需要的第一列。

录入以下公式：

=DROP(PIVOTBY(SEQUENCE(COUNTA(B3:B19)),B3:B19,C3:C19,N,,0,,0),,1)

此公式首先执行透视转换，并随即利用DROP函数去掉结果中的第一列，确保输出数据的整洁与实用性。

效果如下图所示：

最后总结：

综上所述，在仓库管理的复杂环境中，通过巧妙运用现代办公软件提供的高级功能，如WPS中的PIVOTBY和DROP函数，我们能够显著优化和简化原本繁琐的数据处理流程。这种创新方法不仅克服了传统数据转换技术的局限性，还极大地降低了操作难度，提高了工作效率。PIVOTBY函数通过灵活的参数配置，实现了从单维度到多维度数据视图的无缝过渡，而DROP函数的介入，则是对转换结果进行精细化修整的关键一步，去除了冗余信息，使报表直接聚焦于核心业务数据。

这一系列步骤展示了数字化工具如何赋能仓储管理，让即便是非技术背景的管理人员也能轻松驾驭数据转换，促进决策的精准性和及时性。此外，这一过程还强调了在数据处理中逻辑思维的重要性——从明确转换目标、构造辅助序列、应用高级函数到微调结果，每一步都是基于对业务需求深刻理解之上的精密布局。

总之，借助WPS办公软件中强大的PIVOTBY函数与辅助函数的组合策略，我们不仅解决了仓库管理中的一项典型痛点，也为其他类似的数据重塑任务提供了可借鉴的解决方案框架。这一实践不仅提升了仓库运营的效率与效能，还为推动仓储管理的智能化、自动化转型铺垫了技术基石，彰显了现代信息技术在提升工厂管理水平方面的巨大潜力。

339 BYROW & XLOOKUP革新：采购数据分析的智能提速策略

338 GROUPBY函数：WPS革新二维转一维，数据处理新高效

337 统筹兼顾，双线并进：解析100万订单背后的连续生产与拉动式策略

336 产能解析与智能排程：制程一Semi爬坡至稳产之路

335 产能优化：工作日历、UPH与直通率助力1M订单高效排产

334 全面解读PMC面试难题：基于WPS表格构建有效工作日历与排产

331 破解多车型适配难题：汽车零配件厂PMC数据转换与决策支持

330 告别繁琐计算：GROUPBY函数引领采购价格监控新时代

329 提升仓库管理水平：一键式物料编码打印标识设计与应用

328 从一维到二维：教你灵活运用GROUPBY与PIVOTBY优化零件工艺排程

327 革新数据透视体验：WPS PIVOTBY函数在销售订单分析中的实战运用

326 数据洞察：PMC中的单条件与多条件筛选技巧与案例剖析