一、前期准备的Excel如下：
(1)9月份原始资管数据表
(2)9月份高负荷、高流量小区表（目前统一使用处理好的 9月份高流量小区日报表_20190902.xlsx）
(3)本周最新处理好的资管数据表
(4)本周最新的2019KPI关键运行指标日报表（高负荷小区明细表）
(5)当前最新不均衡扇区统计表（使用sheet为【不均衡小区扇区下对应所有小区】）
(6)汇总合并山东17地市上报的5G反开3DMIMO的小区表
(7)7天LTE分区域流量报表（qiri.csv）
二、处理步骤
第一步处理最新资管:
1、将经纬度进行统一Clean 使用公式 Left（）经度、纬度的小数点后四位即：经度=left（目标单元格,8），纬度=left（目标单元格,7），然后合并经纬度；
注：然后将合并后的经纬度依次通过小区名依次VlookUp到【反开表、2019KPI高负荷日报表、不均衡扇区表】
2、处理17地市上报的17张Excel数据表，每张Excel只保留该地市的相关数据，其他数据全部删除，处理好后使用工具进行合并得到（退频、反开及搬迁明细【日期】-汇总）
注：K列数据为空的需要删掉该列。
第二步处理【反开后依然高负荷4G小区】的小区：
3、将汇总好的反开小区表打开,在【反开明细】sheet将前7天的的流量通过经纬度挨个新建列V到反开明细里面来。
筛选去除前7天流量为#N/A的和0的数据，筛选后接着复制【经纬度、地市、小区名】至 9月份高流量小区日报表_20190902.xlsx 中【反开小区sheet（日期）】
然后再将【不均衡扇区excel】中的【网管中网元名称 、最新资管经纬度】列复制到 9月份高流量小区日报表_20190902.xlsx 中【不均衡扇区sheet】
然后再将2019KPI关键指标运行报表中的【高负荷小区、地市、厂家、最新经纬度】复制到Sheet当前高负荷-第一二步中
然后在sheet【当前高负荷-第一二步】中新建四列，表头为【V最新反开3DMIMO小区】（备注:VlookUp反开小区中的经纬度）【V9月份高负荷】【V9月份高流量】【V最新不均衡扇区】
最后依次全部通过经纬度来VlookUp到4列中
第三步筛选结果（1）反开后依然高负荷：
4、(1)筛选【V最新反开3DMIMO小区】列有用的数据（即：非#N/A）
(2)在此基础上再筛选【V9月份高负荷】列有用的数据（即：非#N/A）
即该数据为：反开后依然高负荷4G小区XX个
(3)在第2步基础上筛选【V最新不均衡扇区】列有用的数据（即：非#N/A）
即该数据为：主要原因为负荷不均衡XX个
在第2步基础上筛选【V最新不均衡扇区】列无用的数据（即：是#N/A）
即该数据为：主要原因为反开力度不足XX个
筛选结果（2）反开后新增高负荷：
(1)筛选【V最新反开3DMIMO小区】列有用的数据（即：非#N/A）
(2)在此基础上再筛选【V9月份高负荷】列无用的数据（即：是#N/A）
(3)在第2步基础上筛选【V9月份高流量】列有用的数据（即：非#N/A）
即该数据为：反开后新增高负荷XX个
在第3步基础上筛选【V最新不均衡扇区】列无用的数据（即：是#N/A）
即该数据为：负荷不均衡XX个
在第3步基础上筛选【V最新不均衡扇区】列有用的数据（即：非#N/A）
即该数据为：业务自然增长XX个
第四步：日均流量XXXGB, 流量吸收效果较好，解决高负荷4G小区XXX个。
此时用到Sheet【0902高负荷明细】新建两列【得到反开3DMIMO小区4-16(V反开小区)】、【V当前高负荷经纬度】通过经纬度来VlookUp得到数据
筛选：筛选【得到反开3DMIMO小区4-16(V反开小区)】有用的数据（即：非#N/A）
在此基础上再筛选：【当前高负荷经纬度】#N/A的数据，得到结果就是：解决高负荷4G小区XXX个。
日均流量就是直接对前七天反开小区所有流量数据进行求平均值！（去除#N/A和0）
