技能课堂

2026年6月27日 · 手把手教你用AI

上周一个读者私信我："公司要求每个月底交数据分析报告，我不会用Excel公式，更别说SQL了，每次都是手动复制粘贴到凌晨一两点。有没有什么办法让AI帮我做？"

这可能是2026年每个"被数据追着跑"的职场人最真实的写照。好消息是：你不需要成为数据分析师，你只需要让AI成为你的数据分析助手。今天这篇，我教你3个场景，每个场景一句提示词，搞定80%的日常数据分析工作。

教学部分 · 我教你

场景一：Excel数据清洗——把"脏数据"变成"干净表"（3分钟）

大多数人的Excel分析第一步就卡住了——不是不会分析，是数据太"脏"：日期格式不统一、空格到处是、数字里混着中文、空行空列散落各地。以前你要一个个手动清，现在我教你一句话搞定。

提示词：

数据清洗提示词

以下是我的Excel数据，请帮我做以下清洗：

【粘贴你的数据，至少10行（含表头）】

1. 将所有日期格式统一为YYYY-MM-DD

2. 删除所有列的前后空格

3. 删除完全为空的整行

4. 将金额类列转换为纯数字（去掉"元""¥"等字符）

5. 输出清洗后的表格，并用红色标出你修改过的单元格

实操效果：我让一个完全不会函数的朋友试了这个提示词，三分钟拿到了一张干干净净的数据表。他说："我花了两年没学会的数据清洗，AI三分钟给我弄好了。"

我踩过的坑

错误做法：只复制两三行数据给AI。数据量太少时AI无法判断你的数据结构，清洗结果容易出错。至少提供10-20行样例数据。

正确做法：复制完整的表头+至少10行真实数据。如果数据量大，可以说明"共有XX行数据，规则同上"。

场景二：AI直接"读"你的Excel文件——不用公式，用自然语言分析（5分钟）

这是2026年才真正普及的能力——绝大多数大模型（ChatGPT、Claude、豆包、Kimi）现在都支持直接上传Excel/CSV文件。这意味着你甚至不用复制粘贴，直接把文件丢给AI就行。

提示词：

文件分析提示词

我上传了一份Excel文件，请帮我完成以下分析（请逐一回答，每条控制在3句话以内）：

1. 整体概览：数据共多少行、多少列？每列的数据类型是什么？

2. 关键指标：各数值列的均值、最大值、最小值、空值数量

3. 异常检测：找出任何看起来异常的数据（如负数的金额、超出合理范围的值）

4. 趋势分析：按时间维度（如果有日期列）展示主要指标的变化趋势

5. 洞察提炼：3条最重要的发现——不需要长篇大论，只需要"这个数据告诉了你什么"

实操效果：一份112行、15列的月度销售数据表，传统做法：打开Excel→翻数据→做透视表→画图表→写分析结论——至少40分钟。用这个提示词+上传文件：2分18秒，AI给出了概览、均值、异常值、趋势线、3条洞察。结论虽然还需要人工微调，但骨架已经搭好了。也就是说，AI帮你完成了90%的"搬砖"工作，你只需要做最后10%的"判断"工作。

场景三：让AI帮你做"被动分析"——你不需要知道问什么（3分钟）

很多人不敢用AI做数据分析，不是AI不好用，而是"我不知道该问什么问题"。连分析什么都不知道，怎么让AI分析？

这个提示词专门解决这个问题：

"我不知道该分析什么"提示词

我上传了一份数据，但我不知道从哪些角度去分析它。请帮我做以下几件事：

1. 先告诉我这份数据里包含了什么信息（用一句话概括）

2. 基于这份数据的特点，推荐5个最值得分析的角度（每个角度用一句话说明"为什么这个角度重要"）

3. 对这5个角度，每个给出一个即时的初步发现

4. 最后告诉我：如果只能选一个角度深挖，你建议选哪个，为什么

实操效果：我故意给AI一份"杂乱的、看似没什么分析价值"的数据——一家小型餐厅的手写记账Excel。AI居然识别出了"周与周的波动规律"、"周末客单价明显高于工作日"、"下雨天的销售额平均下降30%"等5个有价值的分析角度。其中"有3个角度是我自己完全没意识到的"。这就是AI的价值——它不是替你思考，而是帮你看到你本来看不到的东西。

进阶技巧：如何让你导出的数据"喂"给AI效果更好？

一个实用性极强的小技巧：导出Excel前，先把数据格式化成"表格"（Excel的Ctrl+T功能）。为什么？因为"表格"会自动生成结构化的列名和行号，AI读起来更容易理解数据结构。

还有一个很多人不知道的：CSV文件比Excel文件更适合AI。因为CSV是纯文本格式，AI可以直接解析，不会出现编码兼容性或二进制格式问题。你把Excel另存为CSV（UTF-8编码），上传给AI，效果比直接上传xlsx好很多。

AI工具箱 · 数据分析工具推荐

上面的提示词可以用任何主流大模型，但如果你想更高效地做数据分析，下面这些工具可以大幅提升效率：

AI数据分析工具 · 对比清单

1. ChatGPT（文件上传+Code Interpreter） — 付费（$20/月）

GPT-5.5 pro 版本支持上传Excel/CSV后直接用自然语言分析，还能自动生成图表。2026年数据分析功能已相当成熟，适合日常报表分析。

2. Claude（文件上传+长上下文） — 付费（$20/月）

Claude Opus 4.7 的200K上下文窗口可以一次性处理超级大的Excel文件（甚至几十万行的CSV）。它对数据的洞察深度是目前几款大模型里最好的，擅长发现数据中的隐藏关联。

3. 豆包 / Kimi（国内推荐） — 免费

豆包2.1 Pro已支持文件上传分析，中文语境下对国内常见的数据格式（如含合并单元格的Excel、中文日期格式）理解更自然。Kimi的超长文本更适合分析复杂的多sheet报告。

4. Google Gemini（与Google Sheets深度整合） — 免费/付费

如果你用Google Sheets，Gemini可以直接在表格里回答问题。输入"帮我分析这个月的销售趋势"，它就自动生成了。不需要导出文件，不需要复制粘贴。

5. 通义千问（阿里云·DataWorks整合） — 免费

通义千问与阿里云DataWorks整合后，支持企业级数据分析场景——直接连接数据库、自动生成SQL、可视化报表。适合有一定数据基础但不会SQL的职场人。

6. Tableau + AI Agent — 企业付费

如果你需要做专业级的数据可视化，Tableau集成的AI Agent可以用自然语言生成交互式图表。2026年已支持"拖拽+自然语言"混合操作，门槛大幅降低。

核心总结：数据分析的范式正在从"我会用工具才能分析"变成"我理解业务就能分析"。AI帮你完成了90%的技术工作——数据清洗、指标计算、趋势识别——你只需要做最后10%的判断。我见过太多人把时间花在学Excel公式和SQL上，结果学会了，业务流程已经变了。与其成为一个"熟练的Excel操作工"，不如成为一个"懂业务的AI协作者"。这是2026年职场人最划算的技能投资。

你工作中最头疼的数据分析场景是什么？评论区说说你的痛点，我挑一个详细写解决方案。

工具说明：

以上工具均为独立推荐，无商业合作。提示词模板基于个人实测经验，效果因数据类型和AI版本而异。