夜雨聆风老周你应该不陌生，我之前在文章里提过他。做五金件，一百来号人，2021年以后利润率一路往下掉，掉到去年底已经开始亏了。他跟我说他最近在琢磨一件事，想让厂子的库存管理有点章法。
他跟我说，你能不能帮我看看，我现在仓库的数据全在Excel里，一张表，从2019年记到现在，快两万行了。我每个月月底打开看一眼，大概知道什么东西多什么东西少，但说实话，我也就看个总金额跟几个大项的库存天数，其他那些几百行的辅料、配件，我根本没时间细看。
他说完这句话，我脑子里冒出来的第一个念头是，这不就是典型的数据在Excel里睡大觉吗。
快两万行的数据，五年多的原材料进出库记录，里面藏着供应商的交货稳定性、采购单价的波动趋势、每个SKU的库存周转率、安全库存的合理水位...这些东西全都在Excel里面躺着，但老周每个月只看得见总金额。
我说你先别急，把你的表格发给我看看。坦率的讲，我自己也不是什么数据分析大神，但我就是好奇，这种最普通最常见的Excel数据，AI到底能处理到什么程度。
打开表的一瞬间，我还是忍不住说了句，我操。。。
一张Sheet，从A列到Z列，没有筛选器，没有冻结窗格，所有数据堆在一起。原材料采购入库、生产领料出库、退货、盘点调整，四种类型的记录全都在同一个Sheet里，用备注列手工标注「采购入库」「生产领料」。有些行的数量是负数，后来发现是老周自己手动调的，因为盘点的时候发现账面库存和实际对不上。
我说老周啊，你知道你这个表如果被老刘看到，他会怎么说吗。
老刘是我之前写MES那篇文章里的车间主任，Excel玩得特别溜的那个。他要是看到这张表，估计会先皱五分钟的眉头，然后说一句，你这表得救一救。
不过说实话，老周这张烂表格，恰恰是最适合接AI的那种数据。
你可能会觉得，我表格搞得这么烂，AI能看懂吗？
正好相反。
大语言模型最擅长的，就是在混乱的非结构化数据里找到规律。你给它一份格式完美的ERP标准报表，它分析出来的东西反而平平无奇。因为完美的结构已经把信息都压缩完了。但老周这张乱七八糟的表，里面有大量「噪声」，备注里随手写的「供应商发错货了退回去」「这批料受潮扣了15%」「临时补单加急采购」这些噪声，在AI眼里全是宝藏。
我花了大概半个小时，做了三件事。
第一步，把老周的Excel导成CSV。这一步没什么技术含量，就是另存为。
第二步，写了一段Prompt，把CSV文件跟Prompt一起扔给了Claude。
第三步，看着Claude的输出结果，我跟老周一样，整个人傻了。
在写那段Prompt之前，我先跟老周说好了，我说这个AI不是上来就给你一个什么深度报表什么智能看板。它先帮你做的，是五件事。这五件事，每一件都是你以前想做但没时间做的。
第一件事，自动清洗数据。
老周那张表里有很多乱七八糟的东西。入库类型写的不统一，有的是「采购入库」，有的是「采购入库单」，有的是「采购到达入库」。AI第一遍扫描就把这些全统一了，还给每一行打上了标准的类型标签。那些手工修改的负数量，AI自动识别出来是盘点调整，把它单独拆出来了。
我以前帮电子元器件厂做数据整理的时候，光清洗这一步，我们同事就花了一整周。现在AI给你洗完，五分钟。
第二件事，给每个SKU算了一组核心指标。
库存周转天数、安全库存建议值、近六个月用量趋势、采购提前期、缺货风险等级。
这些指标以前老周不是不想看，是他一个人，面对两百多个SKU，根本算不过来。VLOOKUP能帮他取数，但取完之后怎么分析，怎么下判断，全得靠人。
现在AI一次性全算完，还给每一行标了颜色，绿色的正常，黄色的注意，红色的再不补货明天产线要停了。
第三件事，它发现了一个老周完全没想到的问题。
有三个SKU，过去两年一直在采购，但是过去八个月完全没有领料记录。
再说一遍，这八个月，这三样东西的库存一动没动，钱压在那里，仓库空间占着，没人管。老周翻了一下采购记录，发现是两年前一个已经离职的采购经理订的货，当时说是「战略备货」，现在人都找不着了。
我问老周，这三样东西压了多少钱。
他算了算，七万多。
七万块对一个大厂来说不算什么，但对老周这种一百来人的五金厂来说，七万块的呆滞库存就是白花花的现金流。
第四件事，它发现了供应商的问题。
有一家供应商，过去三年一直在跟老周合作。AI对比了这家供应商和其他两家同类物料供应商的交付数据之后，发现了一个规律，这家供应商的交货准时率只有67%，而且每次延迟交货的时候，平均会多报3%到5%的数量。
我跟老周说，这家供应商你得注意一下。
老周沉默了几秒钟，说，其实我隐隐约约一直觉得这家不靠谱，但以前每次都是凭感觉，说不清楚到底哪里不对。
现在AI帮你把「隐隐约约的感觉」变成了数据事实。
第五件事，它直接给了一个采购建议。
AI把当前库存数据、过去六个月的领料趋势、每个供应商的交货提前期综合计算之后，给了一张表，上面写清楚了，三天之内需要采购的东西有哪些，下单量是多少，找哪家供应商，理由是什么。
老周看到这张表的时候，发了一段语音给我。
他说，你知道吗，我以前每个月底自己琢磨库存，得琢磨一整个周末，翻来翻去头都大了，最后基本上还是靠直觉下决定。现在AI花三分钟给我的东西，比我周末花两天琢磨出来的还清楚。
我说你先别感动得太早，这事还没完。
老周问我什么意思。
我说你现在得到的是「一次性分析」，就是你把数据扔进去，AI给你一个结果，结束了。但下个月呢？下个月你再导一次Excel，再扔一次？那跟以前每个月底打开Excel看一眼，有什么区别？
我跟老周说，关键不在于这一次分析有多惊艳，在于你能不能把Excel表跟AI的连接常态化。
老周说，怎么常态化？
我说你别急，我给你看一个东西。
我开了一个飞书多维表格。对，就是那个长得像Excel但其实比Excel强一万倍的东西。
我帮老周把Excel导进去之后，建了几个自动化的流程。每一次仓库有新数据录入，多维表格会自动同步。然后我用飞书的AI字段，直接把刚才那五件事，数据清洗、SKU指标计算、呆滞库存监测、供应商分析、采购建议，全写成了一套自动运行的公式。
现在老周每天打开飞书，第一件事就是看一眼库存看板。
哪个材料该补了，上面写着。
哪家供应商最近交得慢了，上面写着。
哪些货压在仓库里一个月没动了，上面写着。
他以前每个月月底焦虑一次的事，现在每天自动更新，三秒钟看完。
我说老周，这才是真正的「Excel接AI」。
不是你手动把表导出来扔给AI看一次，是你的业务数据跟AI之间，修了一条高速公路。
说完老周的事，我想顺着这个话题，再多聊两句。
坦率的讲，我今年走了不下十家工厂，几乎每一家都在用Excel管库存。大一点的厂可能有个ERP，但你问仓库的人他们平时用什么，他们大概率会告诉你，ERP上也记，Excel上也记。
因为ERP是为财务和老板设计的，Excel才是给自己用的。
所以Excel这个场景，它是一个「已经存在的事实」。你不需要说服工人用新工具，他们本来就在用。你只需要在他们本来就用的工具上面，接一层AI。
这个思路，其实跟我之前帮电子元器件厂做交接单的思路是一样的，蹲下来，看见人，做减法。
不要去颠覆工人的工作方式。在他们已有的工作方式上，加一个几乎无感的增强。
你可能想问，这个具体怎么做？
我把我帮老周用的那套Prompt的核心逻辑写下来，你有需要的话可以直接拿去用。
第一步，告诉AI你是谁。
这个听着很简单对吧，但很多人就是跳过这一步直接开始问。你不是一个通用问答机器人，你是「老周的五金厂库存分析助手」。你的任务是帮一家五金制造企业做库存数据分析。
第二步，给AI明确的数据规则。
告诉AI，你的Excel表里每一列代表什么。A列是日期，B列是SKU编码，C列是物料名称，D列是入库数量，E列是出库数量，F列是单价，G列是供应商名称，H列是备注。
不管你的表多乱，先把规则说清楚。
第三步，告诉AI你需要什么。
你需要AI做五件事，数据清洗、指标计算、呆滞预警、供应商评估、采购建议。每件事的需求写清楚，不要笼统地说「帮我分析一下库存」。
你写得越具体，AI给的东西越准。
第四步，让AI以表格形式输出。
你要的不是一篇分析报告，你要的是一张可以直接拿去用的表。告诉AI，输出格式是一个表格，每行一个SKU，每列一个指标，重要的数据用颜色标注。
第五步，持续迭代。
AI第一次给你的东西不可能完美。你把表拿回去对着自己的实际运营情况看一看，哪里不对你就告诉AI，它改。越对越多，越改越准。
这套东西做到最后，你会发现一件很有意思的事。
你以前觉得「数据分析」是个很高大上的词，好像得招一个数据分析师，得上一个BI系统，得花几十万。但现在呢？你只要有一张Excel表，一个愿意帮你写Prompt的人，你就已经可以做80%的数据分析工作了。
而我说的这些，不是未来，是现在。
写完这些Prompt的逻辑，我想再回到老周身上。
老周跟我说完那句「AI三分钟比我周末两天还清楚」之后，我说了一句话。
我说老周，你知道这背后真正的变化是什么吗。
不是你现在省了多少时间，也不是你发现了多少呆滞库存。
是你从一个「凭感觉做判断」的老板，变成了一个「让数据替你说话」的老板。
你的判断力没变，但你判断的依据变了。以前是靠经验积累出来的那种说不清道不明的「直觉」，现在是靠真实数据支撑的「决策」。
这个过程，其实就是数字化的本质。
1880年代，电力的普及不是靠多用几台发电机，是靠整个工厂的流程围绕「电」重新设计。2026年，AI的普及也不是靠多用几个大模型，是靠整个决策流程围绕「数据」重新设计。
而你的那张Excel表，那些你已经记了五年的数据，那些堆在电脑某个文件夹里从来没认真看过的行列，就是你的起点。
它不完美。
但它是你的。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标。
谢谢你看我的文章，我们，下次再见。