AI 实战系列|数据分析与 Excel:别再把时间耗在公式和对表上

AI 工作台实战指南 · 05

数据分析与 Excel

从脏表格到业务结论让 AI 从"装了没人用"变成"每天真干活"

你可能遇到的问题

做表最慢的部分，几乎都在出图之前

表格真正费时间的，往往不是最后那张图

而是前面一连串琐碎动作：统一日期、拆分姓名和电话、合并不同部门的台账、找出重复项，再判断某个异常到底是业务变化还是填错了。

你可能正卡在这些地方：

· 十几张表字段叫法不同，合并时总错列

· 数字里混着空格、文本和单位，公式算不动

· 会做透视表，但不知道该看哪个指标

· 图表做出来了，汇报时说不清结论

· 每月都做同一套清洗，下个月还得重来

· 涉及客户、财务或员工数据，不敢随便上传网页工具

AI 可以帮你写公式、清洗数据、生成图表，也能解释异常。

但它不能替你决定统计口径，更不能替你确认原始数据是否真实。

这篇要解决的是：把重复处理交给 AI，把口径确认和业务判断留给人。

AI 工作台 vs 网页聊天

差别不只在会不会写公式

网页聊天

· 每次重新上传文件、解释字段

· 不记得公司里的指标口径和表格模板

· 改完一张表，处理方法没有沉淀

· 敏感数据是否适合上传，要另外判断

AI 工作台（本地文件 + 三层记忆）

第 1 次使用：先把规则说清楚

你说：

合并这 12 张报名表。手机号作为去重主键，空手机号不要删除；日期统一为 YYYY-MM-DD；原始文件不覆盖，结果放进"输出"文件夹。

AI 回应：

（检查 12 个文件）

发现问题：

- 3 个文件字段名不一致（"联系方式" vs "手机号"）

- 发现 47 条重复手机号

- 有 8 条日期格式无法识别

清洗方案：

1. 统一字段映射关系

2. 重复项保留最新一条

3. 无法识别日期保留原值并标红

确认后执行吗？

第 1 次花时间：你要解释规则、确认映射、检查结果 → 用时约 30 分钟

第 2 次使用：直接按既定口径处理

你说：

这是本月报名表，按上个月的规则处理，再对比两个批次的渠道变化。

AI 回应（自动套用已记住的规则）：

- 沿用字段映射：联系方式→手机号

- 去重主键：手机号（保留最新）

- 日期格式：YYYY-MM-DD（无法识别标红）

- 输出目录：/输出/

新增任务：渠道对比表

检测到 3 个无法匹配的渠道名称：【微信朋友圈】【公众号推文】【朋友圈广告】建议合并为【微信渠道】？

第 2 次直接用：AI 自动套规则，你只处理新问题 → 用时约 10分钟，提效 60%

三层记忆在数据分析里记什么？

· 用户记忆：你习惯保留原始数据、先预览再改文件、不擅自删除异常值

· 项目记忆：指标定义（"成交客户=已签约且首款到账"）、字段映射表、统计口径

· 专项记忆：本月清洗规则、已确认的渠道合并逻辑、历史异常记录

网页聊天帮你解一道题。

AI 把这道题的解法留到下个月继续用。

模型怎么选

任务	推荐选择	原因
口径梳理、复杂异常分析	Claude Opus / GPT-5.6 Sol	推理和解释能力更强
多表合并、公式与脚本	GPT-5.6 Sol	适合代码、结构化处理和校验
简单公式、字段改名	GPT Luna / Claude Haiku	任务明确，响应更快
重要经营数据复核	强模型 + 人工复核	模型只能辅助，不能代替业务确认

判断方法很简单：先看任务里有没有"为什么"。只是批量改格式，可以用轻量模型；要解释波动、判断异常，换强模型。实在拿不准，先用 Claude Opus，它能兜住大部分场景，再按需要往轻量模型退。

完整操作步骤

五个场景，照着做就行

📝 场景 1 · 清洗一张"脏表格"

第 1 步：先检查，不急着改

读取"活动报名表.xlsx"，先不要修改。

请检查：

1. 每列的数据类型和空值数量

2. 手机号、日期、渠道字段的格式问题

3. 完全重复和疑似重复记录

4. 可能影响统计的异常值

输出问题清单和处理建议，我确认后再执行。

第 2 步：确认清洗规则

按以下规则处理：

- 手机号仅去掉空格和连字符，不擅自补位

- 日期统一为 YYYY-MM-DD，无法识别的保留原值并标红

- 以手机号作为去重主键，保留更新时间较晚的一条

- 渠道名称按映射表统一

- 原文件不覆盖，另存为"活动报名表_清洗版.xlsx"

第 3 步：要求交付处理日志结果不能只有一张新表。让 AI 同时列出：处理了多少行、删除了哪些重复项、哪些记录需要人工确认。这样出了问题能回查。

按上面三步跑完的结果：格式统一、重复标出、异常留痕不删

📊 场景 2 · 合并多个部门的台账

文件夹里有销售一部、销售二部和渠道部三张跟进表。

先生成字段映射建议，不直接合并。目标字段为：

客户名称、联系人、联系方式、负责人、当前阶段、最近跟进日期、下一步动作、来源部门。

要求：

- 原字段无法对应时写"未映射"

- 同名客户不要自动判定为同一客户

- 合并后增加"来源文件"和"原始行号"两列

- 给出合并前后行数校验

"来源文件"和"原始行号"很重要。它们让每条数据都能追溯，而不是合并后找不到出处。

合表结果：字段自动映射、来源文件和原始行号可追溯、缺失项单独标记

🔍 场景 3 · 从数据里找异常

分析"月度销售明细.xlsx"。

先确认指标口径，再做以下分析：

- 按产品、区域、渠道汇总销售额和订单数

- 对比上月，列出变化最大的项目

- 检查客单价、退款率和缺失数据的异常

- 每个结论都标注对应工作表、字段和计算方式

不要把相关性写成因果。原因不明时，请列出需要业务人员核实的问题。

AI 可以指出"华东渠道订单下降"，但不能凭空认定是价格、竞品还是人员变动。好的分析会把"已知事实"和"待核实原因"分开。

已知事实和待核实原因分列两栏，不把相关性写成因果

📄 场景 4 · 把分析结果写成汇报

基于已确认的数据分析结果，生成一页经营简报：

- 开头只写 3 条最值得关注的发现

- 每条发现包含数据、变化方向和业务影响

- 给出建议动作，但标明建议依据

- 附一张趋势图和一张结构图

- 不使用"显著增长"等模糊词，写具体数值

开头就是三条发现，每条带数据、方向和影响，不写"显著增长"

🔄 场景 5 · 每月重复处理同类报表

第一次做完后，让 AI 保存一份"月报处理说明"：输入文件放哪里、字段如何映射、先后执行哪些检查、输出有哪些文件。

下个月只需要替换源数据，再让它按说明运行并报告差异。

第 1 次 40 分钟建规则，第 2 次起 15 分钟，只处理变化部分

进阶技巧

让 AI 记住你的数据规则

① 建立数据字典

把以下内容记录为本项目数据字典：

- "成交客户"：统计期内已签约且首款到账

- "新增客户"：首次进入客户库，不等于成交

- "销售额"：含税合同金额

- "回款额"：统计期内实际到账金额

以后分析前先引用口径；发现文件字段与口径冲突时先提醒，不自行替换。

② 固化字段映射

把"客户名/企业名称/公司"对应到哪个标准字段记下来。映射表要由业务人员确认，不能让 AI 自己猜。

③ 设置不可越过的边界

永久遵守：

- 不覆盖原始文件

- 删除行前必须说明规则

- 无法识别的数据保留并标记

- 金额、人数、日期汇总必须做前后校验

- 涉及个人信息时先提醒脱敏

④ 把人工修正写回专项记忆

如果业务人员确认"华东一区"和"上海区"不是同一口径，就把这个结论记下来。

下次少踩一次坑，比多学一个公式更值钱。

常见问题 Q&A

Q1：AI 会不会把我的原表改坏？

会，尤其是指令含糊、没有备份时。明确要求"只读检查、确认后执行、另存新文件"，并保留处理日志。

Q2：AI 算出来的数字能直接用吗？

不能直接用。至少核对总行数、关键金额、分组汇总和抽样记录。重要数据还要让业务负责人确认口径。

Q3：不会写 Excel 公式也能做吗？

可以。直接描述想得到什么结果，让 AI 解释公式含义并写进副本。看不懂的公式不要直接铺满整列。

Q4：客户名单、工资表能交给 AI 吗？

先看公司的数据安全要求。能脱敏就先脱敏；不能上传外部服务的数据，只在符合公司规定的环境里处理。

Q5：数据太乱，AI 能一次处理好吗？

不要追求一次完成。先检查，再定规则，处理一小份样本，确认无误后批量执行。

实际案例

12 张活动报名表月度合并

场景

每个月从微信、公众号、合作渠道收到 12 张报名表，要合并成总表用于活动统筹。

以前怎么做（手工处理）

1. 打开第一张表，复制到汇总表

2. 打开第二张表，发现字段名不一样（"联系方式" vs "手机号"），手动调整列

3. 粘贴时发现有重复，要回去一条条查

4. 粘贴完发现忘记标来源，要重新加一列填渠道名

5. 日期格式五花八门，要逐列统一

6. 核对总行数，发现少了几条，又要重新找

耗时：3-4 小时，还容易出错（漏粘贴、重复导入、来源信息丢失）

现在怎么做（AI 工作台）

第 1 次（建立规则）

你说：

合并"报名表"文件夹里的 12 个 Excel，按这些规则：

- 手机号作为去重主键（保留最新一条）

- 空手机号不删除，单独标记

- 日期统一为 YYYY-MM-DD

- 增加"来源文件"和"原始行号"两列

- 原始文件不覆盖，输出到"汇总表_2026年7月.xlsx"

AI 回应（30 秒扫描完成）：

发现问题：

- 文件 A/B/C 用"联系方式"，其他用"手机号" → 建议映射

- 发现 47 条重复手机号 → 将保留时间最晚的

- 有 8 条日期无法识别（"10月5号"格式） → 将保留原值并标红

生成字段映射表和异常清单，确认后执行？

你说：

确认

AI 回应（执行完成）：

- 合并 12 个文件，1248 行数据

- 删除重复 47 条（已记录到日志）

- 标记 8 条日期异常

- 输出：汇总表_2026年7月.xlsx + 处理日志.txt

第 1 次耗时：30 分钟（5 分钟确认规则 + 20 分钟执行 + 5 分钟抽查验证）

第 2 次（下个月直接用）

你说：

这是 8 月的报名表，按 7 月的规则处理。

AI 回应（自动套用已记住的规则）：

- 字段映射：联系方式→手机号 ✓

- 去重主键：手机号（保留最新） ✓

- 日期格式：YYYY-MM-DD ✓

- 增加列：来源文件、原始行号 ✓

- 输出位置：/输出/ ✓

（完成）

- 合并 12 个文件，1356 行数据

- 删除重复 52 条

- 标记 5 条日期异常

- 新增 3 个未识别的来源名称：【微信视频号】【抖音】【小红书】建议合并到【社交媒体渠道】？

第 2 次耗时：10 分钟（5 分钟确认新问题 + 5 分钟抽查验证）

维度	手工处理	第 1 次	第 2 次起
耗时	3-4 小时	30 分钟	10 分钟
出错率	高（漏粘贴、重复导入）	低（有校验和日志）	极低（规则固化）
可追溯	难（凭记忆）	完整日志	完整日志
下次复用	重新摸索	规则已沉淀	直接套用

第 1 次：省 2.5-3 小时，提效 75%

第 2 次起：省 3 小时，提效 85%

关键改进点

1. 第 1 次就把规则固化：字段映射、去重逻辑、异常处理写进专项记忆

2. 来源可追溯：每条数据都标记来自哪个文件第几行

3. 异常不丢失：无法识别的日期保留原值+标红，不擅自删除

4. 有完整日志：删了哪些重复项、哪些异常需要人工确认，都有记录

真正省下来的，不是第一次合表的几分钟，而是第二个月不用重新摸索规则、不用担心出错、不用回忆上次怎么处理的。

总结

一次性处理 vs 可复用的数据流程

对比维度	临时处理	AI 工作台
原始数据	容易直接覆盖	默认保留，只生成副本
统计口径	靠人临时回忆	数据字典持续沿用
异常处理	看见一个改一个	先列规则，再批量执行
结果校验	做完才发现不对	行数、金额、抽样同步检查
下月复用	重新操作一遍	沿用流程，只处理变化