在使用K-Means进行异常消费行为识别时，不能对数据进行的处理步骤是：C: Tukey转换。

**分析：**
K-Means是一种基于距离的聚类算法，因此数据的标准化和单位转换是非常重要的步骤，以确保不同特征之间的尺度一致。以下是对每个选项的详细分析：

A: **学生标准化**（即Z-score标准化）：这种方法将数据转换为均值为0，标准差为1的标准正态分布。这有助于消除不同特征之间的量纲差异，使得K-Means算法能够更好地计算距离。

B: **极差标准化**（即Min-Max标准化）：这种方法将数据缩放到一个固定范围（通常是0到1）。这同样有助于消除不同特征之间的量纲差异，对于K-Means算法是有益的。

C: **Tukey转换**：这种方法是一种用于处理非对称数据的非线性转换。K-Means算法假设数据是线性可分的，使用非线性转换可能会破坏这种假设，从而影响聚类效果。

D: **所有货币单位换算为统一标准**：这是一个数据预处理步骤，确保所有货币单位一致，以便进行合理的比较和计算。这是非常必要的步骤。

综上所述，**Tukey转换**（选项C）不适合在使用K-Means进行异常消费行为识别时进行，因为它可能会破坏数据的线性结构，影响聚类效果。