夜雨聆风摘要：Excel 不是一上传给 AI 就会自动变成结论。真正省时间的做法，是先把分析目标、字段口径、异常数据和输出形式讲清楚，再让 AI 下手。
大家好，我是何为。
我最近帮朋友看过一张 Excel 表。
他一上来就问我：“能不能直接丢给 AI，让它帮我分析一下？”
我问他：“你想分析什么？”
他说：“就看看有什么问题。”
这句话听起来很正常，但也是很多人用 AI 分析表格时踩坑的开始。
因为“看看有什么问题”太大了。
AI 当然可以给你一堆看起来像分析的内容：销售趋势、同比环比、异常值、TOP 排名、建议优化。
但如果你没有先说清楚目标，它很可能会分析得很热闹，却没有一句能帮你做决定。
Excel 分析这件事，最怕的不是 AI 不会算。
最怕的是，你自己还没想清楚这张表要回答什么问题。
所以今天这篇，我想讲一个很实用的方法：上传 Excel 前，先问清楚 5 个问题。
这 5 个问题问完，再让 AI 分析，结果会稳很多。
一、先问目标：这张表到底要帮我做什么决定
很多人打开表格，第一反应是“帮我分析一下”。
但分析不是目的，决策才是目的。
同一张销售表，如果你的目标不同，分析重点完全不一样。
如果你想看业绩复盘，AI 应该关注销售额、完成率、同比环比、区域差异。
如果你想找增长机会，AI 应该关注高转化渠道、高客单客户、复购变化。
如果你想排查问题，AI 应该关注异常下滑、退货率、缺失数据、重复记录。
表格没变，问题变了，答案就变了。
我现在会先让自己写一句话：
“我希望通过这张表，决定什么？”
比如：
“我想判断本月销售下滑主要来自哪个渠道。”
“我想找出最值得优先跟进的 20 个客户。”
“我想确认这份数据能不能直接用于周报。”
这句话比“帮我分析一下”有用得多。
因为它给了 AI 一个方向。
方向明确后，AI 才不会把表格里的每一列都平均用力。
二、再问字段：每一列到底是什么意思
Excel 里最容易被忽略的，是字段含义。
我们自己看表格时，会默认很多背景信息。
比如“金额”到底是订单金额、实收金额，还是含税金额？
“客户数”是新增客户、活跃客户，还是付款客户？
“日期”是下单日期、支付日期，还是发货日期？
“渠道”里的“自然流量”和“搜索”有没有重叠？
这些问题如果不说清楚，AI 会按字面理解。
字面理解最危险，因为它看起来没错。
我之前看过一张运营表，里面有一列叫“转化率”。
AI 按常规理解，把它当成访问到下单的转化。
但实际那家公司内部的“转化率”，指的是线索到预约的转化。
一个字段理解错，后面的结论就全偏了。
所以在上传之前，最好给 AI 一份字段说明。
不用写很长。
至少把关键字段讲清楚：字段名、含义、单位、计算方式、注意事项。
尤其是金额、比例、时间、状态、分类这几类字段，一定要说明。
如果你没有字段说明，也可以先让 AI 帮你做第一步：识别字段，并列出需要确认的问题。
这比直接分析更安全。
三、第三问口径：哪些数据能比，哪些不能比
很多表格看起来可以直接比较，其实口径并不一致。
比如不同月份的统计周期不一样。
比如有的区域包含加盟店，有的区域不包含。
比如某个渠道在月中改过投放规则。
比如去年同期有大促，今年没有。
如果这些背景不说明，AI 很容易给出一句看似合理的结论：
“华东区域表现明显优于华南区域。”
但真实原因可能只是华东统计了 31 天，华南只统计了 20 天。
这不是分析，是误判。
我建议在让 AI 分析前，先列出 3 类口径信息。
第一，时间口径。
统计的是自然日、工作日、财务周期，还是活动周期？
第二，范围口径。
数据包含哪些业务、哪些地区、哪些产品，排除了什么？
第三，计算口径。
关键指标是怎么算出来的，有没有四舍五入、去重、过滤规则？
这些信息听起来麻烦，但它能帮你避免很多“精致的错误”。
AI 最擅长在已有口径下做整理和推理。
但口径本身，需要人来确认。
四、第四问异常：哪些数字可能不是业务问题，而是数据问题
Excel 分析里，异常值不一定代表业务异常。
它也可能只是数据录入错误。
比如金额多了一个 0。
比如日期填成了 2099 年。
比如同一笔订单重复出现。
比如空值被当成 0 参与计算。
比如文本格式的数字没有被正确识别。
如果你不提醒 AI 先检查数据质量，它可能会直接基于错误数据写结论。
我比较推荐的流程是：先让 AI 做数据体检，再做业务分析。
体检包括：缺失值、重复值、极端值、格式不一致、分类名称混乱、时间范围异常。
举个例子。
表格里有“北京”“北京市”“北京地区”三种写法。
人一眼知道它们可能是同一个区域。
但如果不处理，统计时就可能被拆成三类。
这时候你让 AI 直接分析区域表现，它就会把清洗问题当成业务差异。
所以，别急着要结论。
先让 AI 告诉你：这张表能不能分析，哪里需要先清理。
这一步做完，后面的结论才更靠谱。
五、第五问输出：最后你要表格、结论，还是行动建议
很多 AI 分析结果不好用，不是因为分析错，而是输出形式不适合你。
你只是想发周报，它给你写了 3000 字长文。
你想给老板看结论，它给你列了 20 个技术指标。
你想找客户跟进名单，它给你讲市场趋势。
所以，输出形式也要提前说清楚。
我一般会按使用场景来指定。
如果是自己看，我会要“发现清单 + 下一步问题”。
如果是给团队开会，我会要“3 个结论 + 3 个风险 + 3 个动作”。
如果是发给老板，我会要“先给结论，再给证据，最后给建议”。
如果是做进一步处理，我会要“表格格式，包含字段、判断依据、优先级”。
AI 不是只会写文章。
它更适合帮你把杂乱数据变成可执行的结构。
前提是，你告诉它最终要服务什么场景。
可复制：上传 Excel 前的 5 问 Prompt
下面这段可以直接复制。
你可以先把 Excel 的字段说明、几行样例数据，或者表格内容贴给 AI。
如果文件比较大，也可以先让 AI 根据表头和样例帮你确认分析方案。
你是一名谨慎的数据分析助理。 我准备让你分析一份 Excel 数据。请不要急着给结论，先帮我完成“分析前确认”。 背景： 【这里写这份数据来自哪里，例如销售订单、客户跟进、活动报名、库存记录、财务流水等】 我的目标： 【写清楚我希望通过这份数据做什么决定，例如找出销售下滑原因、筛选高价值客户、检查数据是否能用于周报】 字段说明： 【粘贴字段名，并尽量说明字段含义、单位、计算方式。若不确定，请标注“不确定”】 样例数据： 【粘贴 5-10 行样例，注意删除隐私信息】 请你先完成以下 5 件事： 1. 判断我的分析目标是否清楚，如果不清楚，请追问我最多 5 个关键问题； 2. 检查字段含义是否存在歧义，列出必须确认的字段； 3. 检查可能影响比较的统计口径，例如时间范围、业务范围、计算方式； 4. 列出需要先检查的数据质量问题，例如缺失、重复、极端值、格式不一致； 5. 根据我的目标，建议最终输出形式：结论摘要、分析表格、异常清单、行动建议或可视化图表。 要求： - 不要编造表格里没有的信息； - 不要直接下业务结论； - 先告诉我“这份数据适合怎么分析”； - 输出要简洁，优先用表格和清单。如果你已经把完整 Excel 上传给 AI，可以再追加一句：
在正式分析前，请先生成一份数据体检报告。只有当字段、口径和异常问题确认后，再进入业务结论分析。一个更稳的操作步骤
如果你想实际用起来，可以按这个顺序走。
第一步，脱敏。
客户姓名、手机号、地址、身份证号、合同编号这类信息，能删就删，能替换就替换。
第二步，看表头。
先不要上传整份文件，先把字段名和 5-10 行样例给 AI，让它帮你发现歧义。
第三步，补口径。
把时间范围、统计范围、关键指标计算方式补上。
第四步，做体检。
让 AI 先查缺失、重复、异常、格式问题。
第五步，再分析。
明确输出你要的格式：给老板看的摘要、给自己看的问题清单，还是给团队执行的行动项。
这个流程看起来多了几步。
但它能减少大量返工。
尤其是当表格涉及业务决策时，宁愿前面慢 10 分钟，也不要后面拿着错误结论开会。
结尾：不要把 Excel 丢给 AI 之后就等答案
AI 分析 Excel，真正有价值的地方，不是替你按一下计算器。
而是帮你把问题拆清楚，把口径对齐，把异常揪出来，把结论整理成能执行的动作。
但前提是，人要先把问题问对。
下次你想上传 Excel 前，先停 2 分钟。
问自己 5 件事：目标是什么，字段是什么意思，口径是否一致，异常怎么处理，最后要什么输出。
这 5 个问题问完，AI 才更像一个数据分析助理。
否则，它只是一个很会写分析报告的猜谜选手。