AI分析Excel前,别急着清表,先确认这4件事

我平时用 AI 分析 Excel，表格里也有合并单元格。

有时小计和总计放在行上，有时放在列上。AI 读取以后照样能分析，没有因为这些结构出错。

这件事提醒了我：不能拿过去处理普通数据表的经验，去低估现在 AI 读取工作簿的能力。

合并单元格不等于 AI 一定会丢失归属。表里有小计、总计，也不等于 AI 会把明细重复计算。

现在的 AI，已经能理解不少带多张工作表、公式、引用关系和复杂版式的 Excel。

所以，分析前先把合并单元格全部拆开、把小计总计全部删掉，这个动作没有必要。

更实用的办法，是先确认 AI 怎么理解这张表。

OpenAI 目前对 ChatGPT for Excel 的说明里，已经把多工作表、公式、引用和假设列为可以处理的内容。

另一份数据分析指南仍然建议：列名尽量清楚，一行放一条记录，避免空行空列把数据切断。

这两件事并不冲突。

结构规整，分析通常更稳定。但这是一条最佳实践，不是硬门槛。不能反过来说，只要用了合并单元格或行列汇总，AI 就看不懂。

真实工作里的 Excel，本来就不只是明细表。

管理报表需要分组，需要横向比较，也需要小计和总计。只要 AI 能识别这些结构，就没有必要为了“喂给 AI”，先把一张正常使用的报表拆得面目全非。

真正要做的，是确认下面四件事。

— 复杂不等于错误。先看 AI 是否正确理解，再决定要不要调整。

一个工作簿里，可能同时有销售明细、退货记录、月度汇总和口径说明。

你问“哪个区域表现最好”，AI 可能只需要销售明细，也可能还要扣除退货。

所以先确认：

如果 AI 读的范围正确，继续分析就行。

发现漏了一张表、时间范围不对，再补充说明。没必要一开始就重新整理整个工作簿。

合并单元格经常用来表示归属。

例如「华东」纵向合并三行，下面分别是上海、苏州和宁波。人能看懂这三座城市属于华东，现在的 AI 也可能直接读懂这种层级。

小计和总计也是一样。

有的表按行汇总不同地区，有的表按列汇总月份或品类。只要标题、公式和位置关系清楚，AI 可以区分明细与汇总。

不要先假设 AI 会读错。

先让 AI 用一句话复述：哪些单元格表示分组，哪些是行小计，哪些是列总计，哪些是公式计算出来的结果。

复述正确，就保留原表。

— 不先拆表，先让 AI 说清楚读到了什么。

只有发现归属错了、把汇总当成明细，才需要取消局部合并、补充标签，或者告诉 AI 哪些行列不要重复计算。

表格结构读对了，也不代表业务问题只有一个答案。

比如“复购率”，有人按客户人数计算，也有人按订单次数计算。

“销售额”可能含税，也可能不含税。退货是在当月扣，还是按原订单月份冲回，也会影响结果。

普通读者不需要先把所有公式、分子和分母写好，再请 AI 工作。

更合理的方式是：让 AI 先说明采用了什么口径。

如果表头、公式和说明已经足够清楚，AI 可以直接继续。只有出现两种以上合理理解时，再把差别列出来，请你确认。

— 读对表格不等于口径唯一。有歧义时，AI 应先说明，再由人确认。

人负责拍板业务含义，AI 负责按确认后的口径计算。

普通分析不需要把每个数字都写成一篇数学证明。

但如果一个结论会影响进货、预算、客户跟进或人员安排，至少要知道：

OpenAI 也建议，重要数字要检查假设、计算方法、缺失数据和异常值。使用结果前，可以抽几个关键数重新核对。

恰恰是因为 AI 算得快、写得顺，错误也可能显得很像正确答案。越是准备拿去做决定的结论，越要能回到原表找到依据。

你可以直接这样说：

这段提示词没有要求你先把表格拆干净，也没有要求你先成为数据分析师。

AI 能读懂的部分，直接交给 AI。只有真正存在歧义的地方，再由人确认。

不是永远不清。

出现下面几种情况，再动手：

即使出现这些问题，也优先局部修正。

补一个标签，说明一个口径，指定一块数据区域，往往就够了。没有必要为了追求所谓“标准表”，先重做整个工作簿。

AI 能力变强以后，人的工作不是先把所有复杂结构拆掉。

人的工作变成了对齐问题、确认口径、检查关键结果。

下一次分析 Excel，可以先把现有工作簿原样交给 AI。让 AI 说清读了什么、怎样理解、准备怎么算。

理解一致，就继续。出现歧义，再调整。