ARTICLE · 1101889
Databricks花大价钱买了个Excel:你的企业最大的数据黑洞,AI正在帮它放大
你让AI帮你分析一下上个月的销售数据，它打开了共享盘里那个"销售汇总_最终版_v3_改.xlsx"，然后给你一个看起来很专业的结论。
但那个文件里的口径是去年的，价格表是销售自己改的，你甚至不知道还有一个"销售汇总_最终版_v4_真的最终.xlsx"躺在另一个人的桌面里。
这不是笑话，这是每天都在发生的事。
9月24日，Databricks宣布收购了一家叫Row Zero的创业公司。
Row Zero是干啥的？做电子表格的。对，就是Excel那种东西。
你可能会问：Databricks是做数据湖和AI平台的，估值千亿美元级别的公司，买一个做Excel的创业公司图啥？
"每次数据导出，都在增加企业中可以说是最大的一组未治理数据管道。"
—— Databricks官方公告，2026年9月24日
翻译一下：你企业里最大的数据安全隐患，不在数据仓库里，不在BI工具里，而在那些被导出到Excel、然后在共享盘和个人电脑之间传来传去的文件里。
这些文件有个专门的名字，叫"spreadmarts"——影子数据表。它们起始于一个便利的权宜之计（"我先拉个数到Excel里看看"），然后慢慢变成了任务关键（"老板要看的数就在这个文件里"），最后变成了谁也不敢动的基础设施（"改坏了谁负责？"）。
Row Zero的创始人Breck Fresen（前AWS和Tableau工程师）说得很直白："我们做Row Zero，是因为我们热爱电子表格，但我们意识到它们需要无缝连接到企业级数据，并且把治理和安全放在核心。"
注意这个词："治理和安全放在核心"。
这说明什么？说明连最顶尖的数据平台公司都承认了一件事：Excel不是数据治理的边角料，它是企业数据治理的主战场。你绕不开它，你只能管好它。
图：数据仓库（治理的）与Excel影子层（未治理的）对比
以前Excel乱，问题还可控。
毕竟人看Excel，多少还知道"这个数可能不对"，还会打个电话问一下"你这个口径是啥"。
但AI Agent不一样。AI读Excel，它默认文件里的数就是对的，它不会质疑，不会打电话，它直接基于这些数给你结论。
这就把Excel的老问题放大了三倍。
第一倍：口径混乱被放大。同一个"销售额"，销售按订单确认时间算，财务按入账时间算，运营按支付时间算。三个Excel，三个数字，开会的时候三个人吵半天。以前人吵完了还能定一个口径，现在AI直接选了它打开的那个文件的口径，然后给老板汇报。老板问"这个数准吗"，AI说"准"。
第二倍：版本失控被放大。"销售汇总_最终版_v3_改.xlsx"和"销售汇总_最终版_v4_真的最终.xlsx"，差了一个版本，差了一个月的数据。人打开之前还会看一眼修改日期，AI不会。它打开哪个，哪个就是"真相"。
第三倍：安全风险被放大。这不是吓唬人。今年2月，安全研究人员披露了Ramp的Sheets AI存在间接提示注入漏洞——攻击者把恶意指令藏在外部数据里，AI读Excel的时候被劫持，生成了泄露敏感财务数据的公式，整个过程不需要任何人批准。Ramp在3月16日修了这个洞，但这只是被发现的一个。
（以上Ramp案例来自安全研究机构PromptArmor的公开报告，非教学假设。）
所以你看，AI Agent不是来解决Excel问题的，它是来把Excel问题放大成系统性风险的。
图：AI Agent将Excel的口径混乱、版本失控、安全风险放大三倍
说了这么多问题，怎么办？
别慌，不需要买Databricks，也不需要上什么复杂平台。Excel治理的核心就四步，从最小动作开始，一个人一周就能做完第一步。
图：Excel数据治理四步落地法
01 盘点关键Excel
不是所有Excel都要管。
你企业里可能有上万个Excel文件，但真正支撑决策的、成为"流程运行时"的，可能就几十个。
怎么判断一个Excel是不是"关键"？问三个问题：
● 这个文件里的数，会不会出现在给老板的汇报里？
● 这个文件如果丢了或者错了，会不会影响业务决策？
● 这个文件是不是某个流程唯一的状态存放处（比如审批记录、预算执行、佣金计算）？
三个问题里有一个答"是"，它就是关键Excel。
把这些关键Excel找出来，列一个清单：文件名、存在哪、谁负责、里面有什么关键指标。这一步不复杂，但90%的企业没做过。
虚拟案例 · 以下数据为教学假设某电商公司盘点后发现，真正关键的Excel只有17个，其中8个在共享盘，5个在个人桌面，4个在微信聊天记录里。
02 口径锁定
找到关键Excel之后，第二步是把里面的关键指标口径写下来。
不是写在Excel的某个隐藏sheet里，是写在一个所有人都能看到的文档里（共享文档、Wiki、甚至就是一个Excel的"口径说明"sheet，但必须所有人都知道它存在）。
每个指标写清楚四件事：
●定义：这个指标到底是什么意思（比如"销售额"=已支付订单金额，不含退款）
●公式：怎么算的（=SUMIF(订单表, 状态="已支付", 金额)）
●数据来源：从哪个系统/表来的（ERP订单表，每日凌晨同步）
●负责人：谁对这个口径负责，有问题找谁
你不需要一次把所有指标都写完。先写最常用的20个，放在一个文档里，这就是你企业的"语义层1.0版本"。
注意！
口径文档不是写完就完了，它需要有人维护。谁改了口径，谁就要更新这个文档。最好的方式是：改口径必须先改文档，再改Excel，顺序不能反。
03 版本和权限
口径锁定之后，第三步是管住版本和权限。
这一步不需要上什么复杂的版本管理系统，用最简单的方式就行：
版本：关键Excel统一放在共享盘的指定目录，文件名规范统一（比如"销售汇总_20260930.xlsx"，日期就是版本号）。旧版本不删，移到"历史版本"子目录。个人桌面里的关键Excel，要么移到共享盘，要么标注"个人副本，非官方版本"。
权限：关键Excel明确谁能看、谁能改。不是所有人都能改，改的人越少越好。需要数据的人，给"查看"权限；需要维护的人，给"编辑"权限。含敏感数据（薪资、客户信息、财务明细）的Excel，额外限制访问范围。
修改记录：每个关键Excel里加一个"修改记录"sheet，记录谁、什么时候、改了什么。不需要很复杂，三列就行：日期、修改人、修改内容。
这三步看起来简单，但能解决80%的版本混乱和权限黑洞问题。
04 AI接入边界
最后一步，也是AI时代新增的一步：明确哪些Excel可以给AI读，哪些不行。
不是所有Excel都能丢给AI。你需要给关键Excel分个级：
可直接给AI读口径已锁定、版本受控、不含敏感数据的Excel。AI可以直接读、直接分析。
AI读了需要人复核口径已锁定但数据可能有延迟、或者含轻度敏感信息的Excel。AI可以读，但输出结论必须有人复核后才能用。
不能给AI读含高度敏感数据（薪资、个人信息、未公开财务数据）、或者口径混乱还没治理的Excel。这些Excel，AI不能碰，至少在治理完成之前不能碰。
这个分级不需要很复杂，在你第一步盘点的那个清单里加一列"AI可读级别"就行。
图：AI接入Excel的三级分级边界
还有一条铁律：AI基于Excel给出的任何结论，只要涉及决策，必须有人看一眼原始数据和口径，不能直接用。AI是加速器，不是责任人。
Excel不是敌人。
把Excel当流程运行时，才是问题。
一个Excel文件，用来做个临时计算、拉个数看看，完全正常。但当它变成唯一存放流程状态的地方、当审批只是推断、当版本历史替代了真实的审计追踪，它就不再只是一个工具了——它变成了基础设施，而且是你最不放心的那种基础设施。
AI时代，你不需要消灭Excel。
你需要让Excel里的数据有出处、有口径、有权限。
（本文中"销售汇总_最终版_v3_改.xlsx"等文件名为教学假设场景，不指代任何真实企业。Databricks收购Row Zero的事实来自Databricks官方2026年9月24日公告。Ramp Sheets AI安全事件来自PromptArmor公开研究报告。四步落地法为基于公开资料分析的方法建议，非任何厂商官方方法论。）