夜雨聆风有读者告诉我说，他不太理解如何透过Excel先行统计分析，然后再与AI协作进行绩效数据分析，得到有价值的绩效分析结果。
他的手上已经有各部门、每位员工的绩效考核分数与主管评语，接下来应该怎么分析？Excel应该先分析哪些数据？整理到什么程度，才适合交给AI？
这应该也是许多人会碰到的问题。
根据我的经验，这项工作不能单从工具角度思考，而是要按照分析目的、信息形成与人机分工来设计整个操作过程。
第一步：整理并确认初始资料是否可用
绩效初始数据通常包括部门、姓名、岗位、职级、考核期间、考核指针、考核分数、绩效等级与主管评语。
开始分析前，应先检查数据的正确性、完整性与可用性。例如：是否漏填或重复、部门与岗位名称是否一致、分数尺度是否相同、数字格式是否正确，以及评语能否对应到正确的人员与考核期间。
如果原始数据有问题，Excel只会准确地计算错误数据，AI也可能进一步把错误解读成看似合理的结论。
所以，第一步不是急着分析，而是先确保分析基础可信。
第二步：明确分析目的与结果需求
数据整理完成后，不要立刻建立透视表，而要先回答：
这次分析要了解什么？最后需要得到什么结果？
例如，想了解部门间的绩效差异，就需要比较各部门平均分、绩效等级分布与低绩效人员比例。
想发现特定群体的问题，就需要比较不同岗位、职级或年资人员的绩效结果。
想检查绩效考核的执行情况，则要观察不同主管评分是否过度宽松、严格或集中，以及分数与评语是否一致。
这一步的核心，是先确定要回答的管理问题，再决定需要哪些数据证据，而不是看到有哪些栏位就分析哪些栏位。
第三步：根据目的设计统计分析维度
分析目的明确后，要思考基于分析目的的达成，应该把哪些数据维度组合起来，才能支持后续的分析。
例如：
分析目的：了解各部门绩效差异。统计维度：部门＋人员绩效评估结果。需要信息：各部门人数、平均分、绩效等级分布与低绩效比例。
如果要了解不同岗位的共同问题，可以设计「岗位＋各项绩效指标得分」；如果要检查主管评分尺度，可以设计「主管或部门＋绩效等级分布」。
因此，透视分析不是单纯Excel操作，而是基于分析目，把绩效评估的初始数据，转化为可判读、可比较、可进一步分析的信息结构。
第四步：用Excel形成可信的统计信息
统计维度确定后，再使用Excel透视表进行分类、计数、平均、比例与交叉比较等等操作。
例如，把「部门」放入列区域，把「考核分数」放入值区域，可以比较各部门人数与平均分；加入「绩效等级」，可以进一步观察不同等级的人数与比例。
也可依分析需要，替换岗位、职级、主管、年资或绩效指标等字段，逐步形成不同角度的统计结果。
Excel在这个阶段的作用，是根据前面设定的分析目的，进一步产生可判读、可比较、可进一步分析的关键信息，以便发现：
差异在哪里？差异有多大？哪些现象值得进一步深入调查？
第五步：让AI解读与发现问题线索
完成Excel透视分析并核对数据后，再把透视分析所得的各项统计分析表，交给AI进行二次数据分析、归纳与判读，并提出判读的结论与需要进一步确认的问题。
例如，某部门低绩效比例偏高，AI可以提出人员能力、目标设定、资源支持或主管管理等可能方向；不同主管的评分分布差异过大，也可能反映评分尺度不一致。
但AI提出的问题反馈，只能视为数据支持的现象、问题线索与原因假设，不能直接当成已确认的问题。
第六步：由人确认问题并形成改善报告
最后，由HR与管理者结合业务情境、主管访谈、工作过程数据及管理事实，确认问题与原因的真伪与可参考度，进行确认。确认后，才能提出相应的改善措施，并形成真正有助于管理决策的绩效分析报告。
因此，完整的协作逻辑是：
确认数据质量 → 明确分析目的 → 设计统计维度 → Excel形成统计信息 → AI解读与发现线索 → 人确认原因并决定改善。
这套方法之所以有效，不是因为Excel比AI好，而是把不同工作交给最适合的工具与人。
Excel负责把数据算清楚，AI负责把现象整理清楚，人负责把原因判断清楚，并决定如何改善。
希望对你有帮助，若有不明白，欢迎进一步交流。