AI Gemini+Colab业务商业分析

如下图是Gemini+Colab业务商业分析的界面截图，在Colab界面中，主要由三部分组成，左侧的页面工具视图栏，用于存放数据目录文件，中间的Colab生成脚本栏，会有Gemini Agent自动化生成Python脚本及分析结果，右侧的Gemini Agent对话栏，通过提示词与Gemini Agent完成企业商业分析的对应。

在使用Gemini+Colab之前，有几个细节提示一下，首先需要将数据导入到Colab中，当右上方是RAM磁盘连接成功时，可以从本地导入数据Excel等文件到左侧的文件夹下，如下图

另外在右侧对话框中，可以选择Gemini 3 Flash模型，这个模型是免费且满足企业商业分析实际工作需要。完成了上述准备工作，就可以开始进行Gemini Agent+Colab的商业分析了，例如给Gemini Agent提示词使用第一个单元格，做文件夹的表数据汇总分析，Gemini Agent首先会执行，然后给你确认是否接受Gemini Agent的执行，如下图，左侧是AI Gemini+Colab完成的结果，右侧是Gemini Agent生成的结果的汇总，分别对表进行了汇总说明，表字段及订单表的核心数据。

这里可以对Gemini Agent生成的代码做一个基础解释，首先导入库函数Pandas，然后读取文件，对读取文件的表进行for in 输出，通过items函数，包含工作表名称，行数，列数及字段名称，最后对订单表进行head()函数的表头输出及订单表信息输出，通过info()函数，

import pandas as pdfile_path = '/content/PowerBI业财一体数据分析数据源(2).xlsx'# 1. 读取所有工作表all_sheets = pd.read_excel(file_path, sheet_name=None)# 2. 自动化表数据汇总分析sheets_summary = []for name, df in all_sheets.items():    sheets_summary.append({        '工作表名称': name,        '行数': df.shape[0],        '列数': df.shape[1],        '字段列表': ", ".join(df.columns.tolist())    })summary_df = pd.DataFrame(sheets_summary)print("=== Excel 文件夹表数据汇总分析 ===")display(summary_df)# 3. 核心事实表 Fac_Orders 详细探查if 'Fac_Orders' in all_sheets:    print("\n--- 订单事实表 (Fac_Orders) 数据预览 ---")    display(all_sheets['Fac_Orders'].head())    print("\n--- 订单事实表 字段类型与缺失值统计 ---")    display(all_sheets['Fac_Orders'].info())

结果如下图

扫描增加微信备注来意说明

在5月23号，上海城区会做一场Power BI+AI(Gemini+Claude)零基础的业务分析线下课培训，在上午的培训内容中，通过销售，供应链，业财一体三大模块案例，结合Power BI全工作流完成实战演示。在下午的课程中，通过Gemini AI生态，教会大家如何应用最好的AI完成数据处理与分析及可视化，及在AI提示词与Agent中如何应用数字化思维进行系统全面的分析。通过Claude AI Skills自动化完成PPT生成报告的实践，从一周的工作缩短到半天甚至更少时间完成任务。具体详情如下