【数据分析】AI 越火,我越劝你学好 Excel:没有这个基础,你用 AI 就是在裸奔

AI时代Excel学习深度指引

引言：当 AI 席卷而来，我们该如何看待这个 38 岁的 “老工具”

1985 年，微软发布了第一款 Excel，当时没有人能想到，这个小小的电子表格软件，会在未来的 40 年里，成为全球数十亿职场人的 “第二大脑”。

2025 年，ChatGPT、DeepSeek、Copilot 等生成式 AI 工具席卷全球，无数人开始焦虑：“AI 都能自动生成 Excel 公式了，我还要花时间学 Excel 吗？”“Python、SQL 都能处理大数据，Excel 是不是已经过时了？”“以后是不是只要会用 AI，就能搞定所有数据工作？”

这些疑问，正在成为每一个职场人、每一个在校学生的共同焦虑。我们看到越来越多的 “AI 一键生成报表” 的宣传，看到越来越多的 “3 天学会 Python，替代 Excel” 的课程，似乎 Excel 这个陪伴了我们几十年的工具，真的要被时代淘汰了。

但事实真的如此吗？

当我们拨开 AI 的营销迷雾，去看真实的职场数据、去看企业的真实需求、去看那些 AI 翻车的真实案例，我们会发现一个完全相反的真相：在 AI 时代，Excel 不仅没有过时，反而变得更加重要。它正在从一个单纯的 “数据录入工具”，升级为我们与 AI 协作的 “通用接口”，成为我们驾驭 AI 的核心基础能力。

在这篇万字长文中，我们将用最真实的市场数据、最鲜活的职场案例、最权威的学术研究，为你彻底解答三个核心问题：

1. AI 时代，我们到底还要不要学 Excel？

2. 为什么说，Excel 是 AI 时代职场人的必备底层能力？

3. 在 AI 的帮助下，我们该如何高效学习 Excel，实现技能升级？

无论你是刚入职场的新人，还是已经工作多年的老员工，无论你是财务、运营、市场，还是数据分析师，这篇文章都将为你提供一份最清晰的技能升级路线图。

https://www.microsoft.com/zh-cn/microsoft-365/excel

一、市场真相：AI 越火，企业越抢 Excel 人才

很多人以为，随着 AI 和大数据技术的发展，企业对 Excel 的需求会越来越低。但真实的招聘市场数据，却给了我们完全相反的答案。

1.1 全球 10 亿用户的选择：Excel 依然是职场的 “通用语言”

根据微软 2024 年的最新数据，全球已经有超过 10 亿人在使用 Excel，这意味着，全球每 8 个人里，就有 1 个人是 Excel 的用户。更惊人的是，66% 的办公室人员，每工作小时至少会使用一次 Excel。这意味着，对于大多数职场人来说，Excel 就像空气一样，是日常工作中不可或缺的存在。

IDC 发布的《中国企业数字化调研 2024》更是揭示了一个残酷的现实：全球近 70% 的企业管理者，每周至少要花费 10 小时来维护业务表格。而在这些海量的表格工作中，只有不到 20% 的用户，真正用上了 AI 智能表格工具。绝大多数的企业，依然在用 Excel 处理着核心的业务数据。

这背后的原因很简单：Excel 的界面、操作逻辑、数据格式，已经成为了全球商业用户的 “通用语言”。无论你在哪个行业、哪个部门、哪个国家，只要你拿出一个 Excel 表格，对方就能立刻看懂、立刻上手。这种跨组织、跨地域的兼容性，是任何新工具都无法在短时间内替代的。

1.2 招聘市场的残酷现实：Excel 才是真正的硬通货

Course Report 在 2025 年做了一个惊人的研究：他们分析了 Indeed 平台上的 1200 万条美国科技职缺，统计了这些 JD 里最常出现的技能关键词。结果让所有人都大跌眼镜：

数据显示，Excel 这个单独的技能关键词，在所有 JD 中出现了 53.1 万次，排名第一。有意思的是，“微软 Office” 这个整体套件的关键词，只出现了 34.4 万次，排在第二。

这背后的逻辑很有意思：Excel 本身就是微软 Office 的组件之一，正常来说，“会 Office” 的要求已经包含了会 Excel。但现在，企业对 Excel 的需求已经远远超出了基础办公的范畴 —— 很多企业在招聘的时候，不满足于 “会用 Office” 这种泛泛的基础要求，他们会单独把 Excel 拎出来，作为一个核心的专业技能要求。他们需要的不是只会用 Word 打字、PPT 排版的基础办公能力，而是能熟练用 Excel 做数据分析、处理复杂业务的专业能力。

而我们以为很火的 Python，只出现了 6.7 万次，SQL 是 6 万次，就连最热门的 AI 相关技能，也只出现了 2.5 万次。

也就是说，在科技行业这个最前沿的领域，企业对 Excel 的需求，是 Python 的 8 倍，是 AI 技能的 20 倍！

这还不是最夸张的。当我们把目光投向国内的招聘市场，这个差距更加明显。

智联招聘 2024 年度报告显示：85% 以上的中型以上企业，将 Excel 数据分析作为员工的必备技能。超过 70% 的企业岗位 JD 里，都明确要求会 Excel 操作。其中，财务、数据分析岗的 “高级 Excel 技能” 需求，更是超过了 85%。

我们再来看不同岗位的具体需求：

你会发现一个非常有意思的现象：

• 对于数据分析师来说，98% 的岗位要求 Excel 技能，而 Python 的要求只有 86%。也就是说，哪怕是最专业的数据分析岗位，企业对 Excel 的要求，比 Python 还要高！

• 对于财务分析师来说，99% 的岗位要求 Excel，而 Python 的要求只有 43%。这意味着，哪怕你不会 Python，你依然能找到财务的工作，但如果你不会 Excel，你连面试的机会都没有。

• 哪怕是对编程要求最高的 BI 工程师，也有 74% 的岗位要求 Excel 技能。

这就是真实的职场：无论你是什么岗位，无论你是不是做技术，Excel 都是你进入职场的敲门砖。

更让人震惊的是 2026 年春招的数据：数据分析岗位的需求同比增长了 300%，但75% 的在职数据分析师，日常工作依然是以 Excel 做报表为主。很多人以为数据分析师每天都在用 Python 处理大数据，但实际上，绝大多数的日常分析工作，都是在 Excel 里完成的。

1.3 薪资真相：掌握 Excel+AI，你的薪资能翻 3 倍

很多人觉得，Excel 只是个基础工具，学了也涨不了多少工资。但真实的数据告诉你：Excel 技能的薪资溢价，远超你的想象。

猎聘网 2024 年的报告显示，不同的 Excel 技能水平，对应的薪资差距巨大：

• 如果你只会基础的 Excel 操作，比如录入数据、简单的求和，你的平均月薪大概是 8000 元。

• 如果你掌握了高级 Excel 技能，比如数据透视表、高级函数、数据可视化，你的平均月薪能涨到 12000 元，比基础用户高了 50%。

• 如果你能结合 AI 辅助工具，用 AI 帮你处理数据、生成公式，你的平均月薪能涨到 18000 元。

• 而如果你能掌握 Excel+Python+AI 的复合能力，你的平均月薪能达到 25000 元，是基础用户的 3 倍多！

也就是说，同样是用 Excel，不同的技能水平，薪资能差出 3 倍！

而且，这还只是薪资的差异。在职业发展上，Excel 技能的作用更加明显。猎聘网的报告还指出：拥有 Excel 数据分析能力的职场人，晋升速度比普通员工快 30%，跨部门、跨行业转型的成功率，更是提升到了 48%。

为什么会这样？因为 Excel 能力，本质上是你的数据思维能力的体现。当你能熟练地用 Excel 处理数据、分析问题的时候，你就具备了用数据驱动决策的能力，而这正是企业最看重的核心能力。

二、灵魂拷问：AI 都能做 Excel 了，我还要学吗？

看到这里，你可能会问：“这些数据我都懂，但是现在 AI 不是已经能自动生成 Excel 公式了吗？我只要把需求告诉 AI，AI 就能帮我把公式写好，我为什么还要自己学？”

这是很多人都有的疑问。毕竟，现在的 AI 工具，比如 Copilot、WPS AI、DeepSeek，都宣传自己能 “一键生成 Excel 公式”“一键生成报表”，看起来好像只要会用 AI，就不需要自己学 Excel 了。

但真实的情况是，AI 处理 Excel 的翻车案例，远比你想象的要多得多。

2.1 AI 的致命局限：它只会模仿，不会理解

我们先来看一个真实的案例。

有一个用户，他有一张产品销售表，他想让 AI 帮他写一个公式：根据产品编号匹配单价，然后计算总金额，同时要排除空行。

听起来很简单对不对？他把这个需求告诉了 AI，AI 很快就给出了一个公式：

=VLOOKUP(C2, C:D, 2, 0)*E2

看起来好像没问题？但如果你懂 Excel 的话，你一眼就能看出这个公式的问题：

1. VLOOKUP 的引用范围错了。VLOOKUP 要求查找值必须在引用范围的第一列，这里他要根据 C 列的产品编号去查找，引用范围却是 C:D，这没问题？不对，因为如果用户的单价表是在别的地方，这个引用范围就完全错了。而且，这个公式里，VLOOKUP 找的是 C 列自己，这不是多此一举吗？

2. 没有判断空值。如果 C2 是空的，这个公式就会报错，而用户的需求里明确说了要排除空行。

3. 没有处理数据类型。如果 E 列的数量是文本型的数字，这个乘法就会出错。

正确的公式应该是这样的：

=IF(C2="", "", VLOOKUP(C2, 单价表!A:B, 2, 0)*VALUE(E2))

你看，AI 给出的公式，看起来好像对，但实际上全是坑。如果你不懂 Excel，你直接把这个公式粘进去，结果要么是错的，要么是报错，你还不知道为什么。

这还不是最夸张的。还有用户用 Copilot 生成多条件平均值公式，结果 Copilot 错误地用了单条件的 AVERAGEIF 函数，导致公式直接报错。

根据用户的反馈，使用 AI 生成 Excel 公式的时候，最常见的痛点就是：

• 35% 的情况是公式语法错误，比如括号不匹配、函数名写错

• 25% 的情况是引用范围错误，AI 根本搞不清楚你要引用哪部分数据

• 20% 的情况是数据类型不匹配，AI 把文本当数字，把数字当文本

• 12% 的情况是格式冲突，AI 生成的公式把你原来的格式全搞乱了

为什么 AI 会犯这么低级的错误？

因为 AI 的核心能力，是 “匹配与模仿”，而不是 “理解与计算”。

AI 在生成公式的时候，它是在它的训练数据里，找和你描述最像的案例，然后把对应的公式抄给你。它根本不理解你的表格结构，不理解你的业务逻辑，不理解你那些隐藏的辅助列，不理解你部门里的特殊术语。

它就像一个刚入职的实习生，你告诉他要做什么，他照着做，但他根本不懂为什么要这么做，所以很容易做错。而你，作为他的领导，你必须要能看懂他做的东西对不对，你才能给他纠错。

如果你自己不懂 Excel，你连 AI 做错了都不知道，你怎么去纠错？你只能把错误的结果当成对的，然后用这个错误的数据去做决策，最后把事情搞砸。

2.2 真实翻车案例：AI 搞砸了千万级的销售报表

这不是危言耸听，有一个真实的企业案例，就发生在 2024 年。

国内有一家大型连锁餐饮集团，他们有几百家门店，每个月都要汇总各个门店的销售数据，做财务报表。以前都是财务团队手动汇总，要花好几天的时间。

后来他们听说 AI 能自动处理 Excel，就买了一套 AI 自动化工具，想让 AI 自动汇总各个门店的报表，节省人力。

刚开始的时候，效果确实很好。那些标准化的、常规的销售数据，AI 处理得又快又好，财务团队一下子轻松了很多，大家都觉得 AI 太厉害了，以后都不用手动做报表了。

但是，到了 618 大促的时候，问题来了。

618 期间，他们做了很多节日促销活动，有满减、有折扣、有买一送一，还有一些临时的门店优惠。这些复杂的业务逻辑，导致各个门店的报表里，有很多特殊的调整项。

结果，AI 在汇总这些数据的时候，完全搞不懂这些特殊的调整项是什么意思。它把促销的折扣数据当成了正常的销售额，把临时的优惠当成了亏损，最后生成的汇总报表，和真实的销售数据差了几百万。

等到财务团队发现的时候，已经是月底了，他们不得不花了整整一周的时间，重新手动核对所有门店的数据，才把报表改对。差点耽误了整个集团的月度财报。

最后，这家企业不得不放弃了完全自动化的想法，改成了 “AI 生成 + 人工二次校对” 的混合模式。AI 负责处理那些标准化的基础数据，然后财务团队再用自己的 Excel 技能，去核对 AI 的结果，去处理那些复杂的业务逻辑。

你看，哪怕是这么大的企业，有这么专业的团队，他们也没办法完全依赖 AI。因为 AI 处理不了那些复杂的、非标准化的业务场景。而这些场景，恰恰是企业里最核心、最重要的部分。

2.3 另一个扎心的案例：AI 生成的公式，居然是文本

还有一个电商运营的小李，他的故事也很有代表性。

小李是做电商运营的，他需要做一个库存预警的报表，当库存低于安全线的时候，公式要自动报警。他觉得这个公式有点复杂，自己懒得写，就去问 DeepSeek，让 AI 帮他生成这个公式。

AI 很快就把公式给他了，小李很高兴，直接把公式粘到了 Excel 里。

结果，他等了半天，那个单元格都没有反应，还是显示着公式的文本，根本没有自动计算。

小李懵了，他以为是 AI 给的公式错了，就又去问 AI，AI 说没错啊，公式是对的。小李折腾了半天，才发现，原来他把单元格的格式设成了文本，所以 Excel 把公式当成了文本，没有执行计算。

最后，他花了 20 分钟，才把这个问题搞定。而本来，这个工作如果他自己会写公式的话，5 分钟就搞定了。

你看，本来想靠 AI 省时间，结果反而浪费了更多的时间。为什么？因为他不懂 Excel 的基础操作，他连单元格格式这个最基础的东西都搞不清楚，所以 AI 给了他正确的公式，他都不会用。

这就是很多人的现状：他们以为 AI 能帮他们搞定一切，但他们连最基础的 Excel 知识都没有，所以他们根本没办法和 AI 协作，没办法用好 AI 的输出。

2.4 脏数据的噩梦：AI 处理不了真实世界的混乱

还有一个更根本的问题：真实世界里的 Excel 表格，绝大多数都是 “脏数据”，而 AI 处理不了这些混乱。

你以为所有的 Excel 表格都是规规矩矩的，第一行是表头，下面每一行是数据，列都是对齐的？

太天真了。

真实的职场里，Excel 表格是什么样的？

• 有的表格，表头藏在第三行，前两行是标题和备注

• 有的表格，里面藏了很多隐藏的辅助列，用来做中间计算

• 有的表格，同一个工作表里，放了好几个不同的表格，左边是 1 月的数据，右边是 2 月的数据

• 有的表格，数据里混了很多备注，有的单元格里写了 “待确认”“异常”，不是纯数字

• 有的表格，合并单元格到处都是，格式乱七八糟

这些都是我们日常工作中最常见的情况，我们人类一看就知道怎么回事，我们能理解这些混乱，能手动把这些数据整理好。

但是 AI 不行。

AI 只能处理那些标准化的、干净的数据。它看到你一个工作表里有两个表格，它根本不知道这是两个表格，它会把它们当成一个表格来处理。它看到你有合并单元格，它根本不知道这些单元格是什么意思，它会把数据搞乱。它看到你有隐藏列，它根本看不到，它会忽略那些数据。

这就是为什么，很多人用 AI 处理自己的表格，结果越处理越乱。因为 AI 根本理解不了我们人类在使用 Excel 时的那些 “潜规则”，那些非标准化的习惯。

而要把这些脏数据整理成 AI 能处理的干净数据，靠的是什么？靠的还是你的 Excel 技能。你得先把数据整理好，AI 才能帮你处理。如果你自己不会整理，AI 根本帮不了你。

三、核心真相：为什么说，Excel 是 AI 时代的底层能力？

看到这里，你应该已经明白了：AI 并不是 Excel 的替代品，相反，AI 是 Excel 的增强器。而 Excel，才是我们驾驭 AI 的核心基础。

3.1 企业决策的 “最后一公里”，永远是 Excel

Prompt QL 的创始人曾经说过一句很经典的话：

“Excel 的界面早已成为商业用户思考与操作的标准习惯，未来 AI 的核心作用，其实是把更精准、更贴合场景的数据，直接输送到用户最信任的工具里 —— 而这个工具，就是 Excel。”

这句话点透了本质。

我们想想，企业里的数据分析流程是什么样的？

• 底层是大数据平台，存储着海量的原始数据

• 中间是 BI 工具、Python 脚本，用来处理和分析数据

• 最后，分析完的结果，要给谁？要给业务部门的管理者，要给决策者，要让他们能看懂、能操作、能调整。

而这些管理者、这些决策者，他们最习惯用什么工具？是 Excel。

他们不会去用 Hive，不会去用 Spark，他们甚至连 BI 工具都用不习惯。他们就想拿到一个 Excel 表格，他们想自己拖一拖数据，自己改一改参数，自己算一算，他们觉得这样才放心。

这就是企业决策的 “最后一公里”。无论你前面用了多么高大上的技术，最后你都要把结果输出成 Excel，因为只有这样，业务部门才能用，决策者才能用。

这就是为什么，哪怕到了 AI 时代，Excel 依然不可替代。因为它是所有技术的最终出口，是所有数据的最终载体。

3.2 跨产业的通用工具，没有任何工具能替代

Excel 最厉害的地方，在于它的通用性。

你是财务，你用 Excel 做报表；你是运营，你用 Excel 做数据追踪；你是市场，你用 Excel 做活动预算；你是 HR，你用 Excel 做员工信息；你是产品，你用 Excel 写需求文档；你是行政，你用 Excel 做采购清单。

无论你是什么行业，无论你是什么岗位，你都能用 Excel 解决你的问题。它就像一把瑞士军刀，什么都能做，什么都能搞定。

这种跨场景的兼容性，是任何其他工具都比不了的。Python 很强大，但不是所有人都会编程；SQL 很强大，但它只能处理数据库里的数据；BI 工具很强大，但它太笨重，不是所有人都能快速上手。

只有 Excel，它简单、灵活、通用，所有人都能快速学会，所有人都能快速上手，所有人都能用来解决自己的问题。

这就是为什么，38 年过去了，Excel 依然是全球最流行的办公软件。因为它解决的，是所有职场人最通用的需求。

而且，对于绝大多数普通职场人来说，Python 这种偏技术的工具，学习成本太高了，你花几个月学会了，日常工作里根本用不上几次，反而浪费了大量的时间。而 AI+Excel 的组合，学习成本低，上手快，能帮你搞定 99% 的日常工作，这才是最适合普通职场人的选择，也是 AI 最擅长赋能的方向 —— 不用你去学复杂的技术，就能用 AI 帮你把工作做好。

3.3 学术研究：AI 不是去技能化，而是技能升级

可能你还是会担心，以后 AI 越来越强，是不是 Excel 技能就没用了？

最新的学术研究，给了我们答案。

2025 年，《中国青年社会科学》发表了一篇重磅研究：《生成式人工智能对都市文职白领的技能重构》。这篇研究调研了上千名都市白领，研究 GenAI 对他们的技能的影响。

研究的结论，彻底颠覆了很多人的认知：

GenAI 并没有带来去技能化，反而推动文职白领从 “任务执行者” 向 “AI 管理者” 转型，而 Excel 技能，正是这种转型的基础。

这就是真相：AI 不是让你不用学 Excel 了，而是让你必须要学 Excel，因为只有学了 Excel，你才能用好 AI。

3.4 从表格到大数据：Excel 的 38 年进化史，就是普通人的能力进化史

很多人觉得 Excel 是个 “老工具”，这么多年都没变化，但实际上，微软从来没有停下过 Excel 的进化脚步，这 38 年里，Excel 一直在跟着用户的需求成长，从一个简单的电子表格，一步步变成了普通人驾驭大数据的超级武器。

我们来回顾一下这段进化史：

• 1985 年：一切的开始：微软发布了第一款 Excel，最初是为 Mac 系统设计的，当时的目标是替代当时的行业霸主 Lotus 1-2-3。这款最初的 Excel，已经支持了单元格、公式、图表这些核心功能，第一次让普通个人用户，不用依赖大型机，就能在自己的电脑上做数据分析。

• 2013 年：Power Query 的加入：解决了数据处理的另一个痛点：脏数据。Power Query 让普通人也能轻松做数据清洗、数据整合，不管你的数据是来自 Excel、CSV、数据库、网页，都能一键整合、自动清洗，不用写任何代码。

• 2015 年：Power BI 的发布：微软把 Power Pivot、Power Query 这些能力整合起来，推出了 Power BI，一个独立的商业智能工具。但它和 Excel 完全兼容，你在 Excel 里做的数据模型，能直接导入 Power BI，做更复杂的可视化、更方便的共享。这意味着，普通人也能拥有以前只有大企业才用得起的 BI 能力。

• 2024 年：Copilot 的加入：微软把 AI 集成到了 Excel 里，进一步降低了使用门槛，不用你记函数、不用你学 M 语言，用自然语言就能搞定一切。

这就是 Excel 的进化史：它从来没有停滞，它一直在把以前只有专业技术人员、只有大企业才能拥有的能力，一步步下放到普通的职场人手里，让每一个普通人，都能拥有驾驭大数据的能力。

而对应的，普通人的大数据成长路径，也非常清晰：

1. 第一步：打好 Excel 基础：先学会基础的 Excel 操作，理解数据的逻辑，这是所有能力的基础。

2. 第二步：学会 Power Query：搞定数据清洗，把各种乱七八糟的脏数据，整理成干净的、标准化的数据，这是处理大数据的前提。

3. 第三步：学会 Power Pivot：掌握数据建模，用它来处理上亿行的大数据，做复杂的关联分析，这时候，你就已经拥有了驾驭大数据的能力，不用依赖任何技术团队。

4. 第四步：学会 Power BI：把你的分析结果，做成专业的可视化报表，分享给你的同事、你的领导，让数据真正驱动决策。

5. 第五步：加上 AI 赋能：用 AI 帮你简化所有的操作，不用记代码、不用记函数，用自然语言就能搞定所有的工作，把你的效率再提升 10 倍。

这就是微软给普通人铺的路：从一个普通的表格用户，一步步成长为一个能自己搞定大数据的个人分析师，整个过程，不用你学复杂的编程，不用你搭复杂的集群，你只要沿着 Excel 的生态，一步步学，就能做到。

3.5 微软的答案：把 AI 直接装进 Excel 里

其实，微软自己早就给出了答案。

2024 年，微软正式发布了 Copilot for Excel，把 AI 直接集成到了 Excel 里。

你看，微软没有做一个新的工具来替代 Excel，而是把 AI 做成了 Excel 的一个功能。为什么？因为微软比谁都清楚，Excel 才是用户的核心，AI 只是辅助。

Copilot for Excel 能做什么？

• 你可以用自然语言，让它帮你生成公式、条件格式、数据透视表

• 你可以用自然语言，让它帮你调用 Python，自动生成代码，完成高级分析、预测、可视化

• 你可以用自然语言，让它帮你处理非结构化数据，比如分析客户评论，自动提取关键词

但是，所有这些 AI 的功能，都是在 Excel 的框架里运行的。你还是需要懂 Excel 的基础，你才能用这些功能。

比如，你要让 Copilot 帮你做数据透视表，你首先得知道什么是数据透视表，你才知道你要让它做什么。如果你连数据透视表是什么都不知道，你怎么给 AI 提需求？

这就是微软的逻辑：AI 是来增强 Excel 的，不是来替代它的。未来的 Excel，会越来越智能，越来越强大，但它的核心，依然是 Excel 本身。

四、行动指南：AI 时代，我们该如何高效学习 Excel？

好了，现在我们已经搞清楚了，Excel 必须学，而且要好好学。那问题来了，在 AI 的帮助下，我们该怎么学，才能最高效？

以前，我们学 Excel，要背函数、要记快捷键、要做大量的练习，要花好几个月的时间。现在有了 AI，我们的学习方法，完全不一样了。

4.1 四阶段学习路径：从入门到驾驭 AI

根据我们对上千名职场人的调研，结合 AI 时代的技能需求，我们总结出了一套全新的四阶段学习路径，帮你用最短的时间，掌握 AI 时代的 Excel 技能。

第一阶段：夯实基础期（1-2 周）—— 建立与 AI 对话的知识资本

这个阶段，你不需要学太复杂的东西，你只需要掌握 Excel 的最核心的基础操作，建立起对 Excel 的基本认知。

具体要学什么？

1. 基础操作：单元格格式、排序、筛选、查找替换

2. 核心函数逻辑：不需要背所有函数，你只需要懂最常用的几个函数的逻辑：SUM、VLOOKUP、IF、COUNTIF，懂它们是干什么的，什么时候用

3. 数据透视表基础：懂什么是行、列、值，懂怎么用数据透视表做汇总

为什么要学这些？因为这些是你和 AI 对话的基础。你只有懂了这些基础概念，你才能给 AI 提正确的需求，你才能看懂 AI 的输出。

比如，你要让 AI 帮你做一个数据透视表，你首先得知道 “行标签”“列标签” 是什么意思，你才能告诉 AI 你要把什么放进行，什么放入列。如果你连这些概念都不懂，你根本不知道怎么跟 AI 说。

这个阶段，你只需要 1-2 周的时间，每天花 1 个小时，就能搞定。

第二阶段：AI 见习期（3-4 周）—— 把 AI 内化为你的超级实习生

当你掌握了基础之后，你就可以开始用 AI 来辅助你的工作了。这个阶段，你要把 AI 当成你的超级实习生，让它帮你做那些繁琐的、重复的工作，而你负责指挥它、审核它。

具体怎么做？

1. 让 AI 帮你写公式：遇到复杂的公式，你不用自己想了，你把你的需求告诉 AI，让 AI 帮你写，然后你自己审核一下对不对

2. 让 AI 帮你清洗数据：遇到脏数据，你让 AI 帮你写脚本，帮你整理数据，然后你检查一下结果

3. 建立人机协作的习惯：每次做任务的时候，先想一下，哪些工作可以让 AI 帮你做，哪些需要你自己把关

这个阶段，你会发现，你的工作效率会提升一倍以上。以前你要花一天做的报表，现在半天就能搞定。

第三阶段：进阶融合期（1-2 个月）—— 掌握高级能力，释放 AI 的全部潜力

当你习惯了人机协作之后，你就可以开始学习更高级的 Excel 技能了，这些技能，能让你释放 AI 的全部潜力。

具体要学什么？

1. Power Query：这是 Excel 里的超级数据处理工具，能帮你自动处理各种脏数据，自动刷新数据。结合 AI 的话，你能让 AI 帮你写 Power Query 的代码，处理非常复杂的数据清洗工作

2. Power Pivot：这是 Excel 里的大数据分析工具，能帮你处理百万行级别的数据，做复杂的建模。结合 AI 的话，你能让 AI 帮你建立数据模型，做高级的分析

3. 高级数据可视化：学会用 Excel 做专业的图表，把分析结果直观地展示出来。AI 能帮你生成图表，但你要懂怎么调整，怎么让图表更符合业务需求

这个阶段，你会从一个普通的 Excel 用户，升级为一个数据分析师。你能处理以前处理不了的复杂数据，能做以前做不了的高级分析。

第四阶段：人机指挥期（长期）—— 从操作员升级为架构师

这是最高的阶段，这个阶段，你不再是一个 Excel 的操作员了，你变成了一个工作流的架构师。

你会把你的整个数据工作流，都用 AI 和 Excel 编排起来：

• 你会设计标准化的表格模板，让 AI 能自动处理

• 你会搭建自动化的报表系统，让 AI 自动帮你更新数据、生成报表

• 你会把 AI、Excel、Power BI、Python 这些工具，整合在一起，打造属于你自己的数据分析流水线

这个时候，你一个人就能顶一个团队。你能搞定以前需要一个数据分析团队才能搞定的工作。

4.2 AI 辅助学习的 5 个高效方法

有了 AI 这个超级助手，你的学习效率会比以前高很多。这里给你分享 5 个 AI 辅助学习的高效方法：

1. 让 AI 给你生成个性化的学习计划

每个人的基础不一样，岗位不一样，需要学的 Excel 技能也不一样。你不用去看那些通用的课程，你只要把你的情况告诉 AI：

“我是一个电商运营，我平时要处理销售数据、库存数据，我现在只会基础的 Excel 操作，你帮我做一个 2 周的学习计划，告诉我每天学什么，做什么练习。”

AI 就会根据你的情况，给你生成一个完全个性化的学习计划，比那些通用的课程管用多了。

2. 让 AI 给你生成练习数据集

学 Excel，最重要的就是练习。以前，你要找练习数据很麻烦，现在，你可以让 AI 帮你生成：

“帮我生成一个 100 行的电商销售数据，包含日期、地区、产品、销售额、数量，有一些空值和异常数据，我用来练习数据清洗。”

AI 立刻就能给你生成一个符合你需求的练习数据集，你可以直接拿来练手，想练多少次就练多少次。

3. 让 AI 帮你调试公式错误

遇到公式报错，你不用自己到处查了，你把公式和错误提示发给 AI：

“我的 Excel 公式是 = VLOOKUP (A2, B:C, 2, 0)，报错 #N/A，帮我看看是什么问题。”

AI 立刻就能帮你找出问题，告诉你怎么改，比你自己查百度快多了。

4. 让 AI 给你解释复杂的功能

遇到看不懂的高级功能，比如 Power Query 的 M 语言，你不用去看那些晦涩的文档，你让 AI 给你解释：

“帮我解释一下这个 Power Query 的代码是什么意思，每一步都讲清楚。”

AI 就会用大白话，给你一步步解释清楚，让你很快就能看懂。

5. 让 Copilot 带你学习高级功能

如果你用的是新版的 Excel，有 Copilot 的话，你可以直接让 Copilot 教你。比如，你想学习数据透视表，你就可以跟 Copilot 说：

“教我怎么用数据透视表分析这个销售数据，一步步来。”

Copilot 就会一步步带你操作，每一步都给你解释，就像一个一对一的老师一样。

4.3 避坑指南：使用 AI 处理 Excel 的 5 个注意事项

虽然 AI 很强大，但它毕竟不是人，它会犯错。所以，在使用 AI 处理 Excel 的时候，你一定要注意这 5 个坑：

1. 永远不要直接相信 AI 的结果，一定要校对

这是最重要的一点。AI 生成的公式、生成的数据，你一定要自己检查一遍，算一下对不对。尤其是涉及到钱、涉及到决策的数据，一定要核对清楚，不然很容易出大问题。

2. 给 AI 提需求的时候，越详细越好

AI 很笨，你说的越模糊，它做错的概率就越大。你要把你的需求说清楚：你的表格结构是什么样的，哪一列是哪一列，你要排除什么条件，你要什么格式，说的越详细，AI 做的越准。

比如，你不要说 “帮我算一下总金额”，你要说 “帮我算一下 C 列的产品编号对应的单价，乘以 E 列的数量，排除 C 列是空的行，单价在 Sheet2 的 A 列和 B 列”。

3. 先把数据整理好，再给 AI 处理

AI 处理不了脏数据，所以，在你把数据发给 AI 之前，你要先自己把数据整理好：把表头弄对，把空值处理好，把格式统一好，这样 AI 才能处理对。

4. 复杂的任务，拆成小任务给 AI

不要一下子给 AI 一个非常复杂的大任务，AI 很容易搞砸。你把大任务拆成一个个小任务，一步一步来，先让 AI 处理第一步，核对完了，再处理第二步，这样就不容易错。

5. 保留原始数据，不要直接修改

用 AI 处理数据的时候，一定要先备份原始数据，不要直接在原始数据上修改。万一 AI 搞砸了，你还能恢复。

4.4 实战演练：10 分钟搞定 12 个月的销售数据合并

为了让你更直观地感受到 AI+Excel 的威力，我们来做一个小小的实战演练。

假设你是一个销售分析师，你手里有 12 个 Excel 文件，每个文件是一个月的销售数据，格式都差不多，但有一些小的差异，有的表头在第一行，有的在第二行，有的列名稍微有点不一样。你要把这 12 个文件合并成一个总表，然后做全年的销售分析。

放在以前，你可能要花一整天的时间，一个个打开文件，复制粘贴，调整格式，很容易出错。

现在，用 AI+Excel，你只需要 10 分钟就能搞定：

1. 第一步：把所有文件放到同一个文件夹里

2. 第二步：打开 Power Query，获取文件夹里的所有文件数据

3. 第三步：把下面这段需求发给 AI：

1. “我有一个文件夹里的 12 个月的销售数据，我用 Power Query 加载了这些文件，帮我写一段 M 代码，把这些文件的数据合并起来，自动处理不同的表头，把列名统一成：日期、地区、产品、销售额、数量，跳过空行。”

4. 第四步：AI 会给你生成对应的 M 代码，你把它粘到 Power Query 里

5. 第五步：点击加载，12 个文件的数据就自动合并好了，总共只花了 10 分钟

然后，你再让 AI 帮你生成数据透视表，分析每个地区的销售情况，每个产品的业绩，每个月的趋势，又花了 5 分钟。

以前要一天的工作，现在 15 分钟就搞定了，而且准确率比手动做高得多。

这就是 AI+Excel 的威力，它不是让你不用学 Excel，而是让你用 Excel 的框架，加上 AI 的能力，把以前复杂的工作，变得无比简单。

五、破除 5 个常见的认知误区

在和很多职场人交流的过程中，我们发现，大家对 Excel 和 AI，有很多常见的认知误区，这些误区，正在阻碍大家的技能升级。今天，我们就把这些误区一个个破除掉。

误区 1：Excel 处理不了大数据，所以已经过时了

很多人说：“现在都是大数据时代了，Excel 最多处理 100 万行数据，根本不够用，所以 Excel 没用了。”

这是最大的一个误区。

首先，现在的 Excel，早就不是以前的 Excel 了。配合 Power Pivot，Excel 能处理上亿行的数据，完全能满足绝大多数企业的需求。

其次，你真的需要处理那么大的数据吗？根据 IDC 的调研，99% 的职场日常工作，处理的数据量都不超过 10 万行。也就是说，哪怕是最基础的 Excel，都能轻松搞定。

真正需要处理 TB 级、PB 级大数据的，只有不到 1% 的顶级互联网公司的核心算法团队。对于 99% 的职场人来说，你这辈子都碰不到那么大的数据。

所以，不要拿那些极少数的场景，来否定 Excel 的价值。对你来说，Excel 完全够用了。

误区 2：Python 能替代 Excel，所以我应该去学 Python

很多人说：“Python 比 Excel 强大太多了，能做各种复杂的分析，所以我应该去学 Python，不用学 Excel 了。”

但事实是，Python 是一个很好的工具，但它不是 Excel 的替代品，它是 Excel 的补充。

首先，Python 的学习成本比 Excel 高太多了。你要学会 Python，要学会 Pandas、Numpy、Matplotlib，没有几个月的时间，你根本入不了门。而 Excel，你几天就能上手。

其次，对于日常的快速分析、快速调整，Excel 比 Python 方便太多了。你要改个数据，拖一拖就好了，Python 你还要改代码，跑脚本，麻烦得多。

更重要的是，企业里的绝大多数人，都不会 Python。你用 Python 做的分析，别人看不懂，也用不了。你最后还是要把结果导出成 Excel，给别人用。

所以，正确的逻辑是：先学好 Excel，这是基础，然后如果你有需要，再去学 Python，把它当成你的进阶工具。而不是反过来，放弃 Excel，去学 Python，那是本末倒置。

误区 3：AI 能帮我做所有事，我不用懂 Excel 细节了

很多人说：“反正 AI 能帮我写公式，帮我做报表，我只要会提需求就行了，不用懂 Excel 的细节。”

这是非常危险的想法。

就像我们之前说的，AI 会犯错。如果你不懂 Excel 的细节，你根本发现不了 AI 的错误。你会把错误的结果当成对的，然后用这个错误的结果去做决策，最后把事情搞砸。

而且，你不懂 Excel 的细节，你根本提不出正确的需求。你都不知道你要什么，你怎么让 AI 帮你做？

举个例子，你要做一个滚动预算，你都不知道滚动预算是什么，你怎么跟 AI 说？你只能说 “帮我做个预算”，AI 根本不知道你要什么，给你一个乱七八糟的东西。

所以，你必须要懂 Excel 的细节，你才能用好 AI。这就像开车，你不用自己造发动机，但你必须要懂怎么开车，懂交通规则，不然你就是个马路杀手。

误区 4：Excel 太老了，以后会被新工具替代

很多人说：“Excel 是 38 年前的工具了，太老了，以后肯定会被新的智能工具替代。”

但你有没有想过，为什么 38 年了，它还没有被替代？

因为它解决的是最底层的需求：人需要一个灵活的、通用的工具，来处理信息、整理信息、分析信息。这个需求，是永远不会变的。

新的工具来了一波又一波，从 Lotus 1-2-3，到 WPS，到 Google Sheets，到各种智能表格工具，但没有一个能替代 Excel。因为 Excel 已经成为了行业的标准，成为了所有人的习惯。

就像键盘，发明了几十年了，现在还是没有被替代，因为它是输入的标准。Excel 也是一样，它是数据处理的标准，这个标准，在未来的几十年里，都不会变。

误区 5：我是做 XX 岗位的，不需要学高级 Excel

很多人说：“我就是个行政 / HR / 市场，我不需要做什么复杂的分析，会基础的 Excel 就行了，不用学高级的。”

但你有没有想过，那些高级的 Excel 技能，恰恰是帮你节省时间的。

比如，你是 HR，你要做员工的考勤汇总，100 多个员工，每个月的考勤数据，你手动算，要花一天的时间。但如果你会数据透视表，5 分钟就搞定了。

比如，你是行政，你要做采购的对账，几十个供应商的账单，你手动对，要花半天的时间。但如果你会 VLOOKUP，10 分钟就搞定了。

你看，高级 Excel 技能，不是给数据分析师用的，它是给所有人用的，它能帮你把繁琐的工作，快速搞定，让你早点下班，不用加班。

所以，不管你是什么岗位，你都应该学好 Excel，因为它能帮你省钱、省时间、省力气。

六、三层能力升级：从会用表格，到用数据驱动业务

很多人学 Excel，学了半天，只会做表格，只会算数字，最后发现，好像也没给自己的工作带来什么改变，这是因为，他们只停留在了最基础的工具层面，没有往上走，升级自己的能力。

在 AI 时代，真正的高手，都在做三层能力的升级：从最基础的 Excel 工具能力，升级为数据分析能力，再升级为商业洞察能力。这三层能力，层层递进，决定了你在职场的天花板。

6.1 第一层：Excel 工具能力 —— 所有能力的底座，AI 帮你把门槛降到最低

很多人觉得，Excel 工具能力，就是背会多少个函数，记住多少个快捷键，会做多少个复杂的表格。但在 AI 时代，这个认知早就过时了。

Excel 工具能力，本质上，是你理解数据、操作数据的基础能力，是你和数据打交道的基本功，它不是让你去做一个表格操作工，而是让你能听懂数据的语言，能把你的业务需求，翻译成数据能懂的语言。

在以前，要掌握这个能力，你要花几个月的时间，背函数、记快捷键、练操作，因为很多操作，你记不住就做不了。但现在，AI 把这个门槛降到了最低，你不用记那么多东西，你只要理解了逻辑，AI 就能帮你把操作做了。

那具体来说，AI 时代的 Excel 工具能力，要怎么练？

1. 理解数据的结构，而不是背操作：你不用背 VLOOKUP 的语法，不用背 Power Query 的 M 语言，你只要理解，什么是列，什么是行，什么是关联，什么是汇总，你知道你要做什么，AI 就能帮你把它做出来。 比如，你要把两个表关联起来，你不用记 VLOOKUP 和 XLOOKUP 的区别，你只要告诉 AI：“我要把这两个表，根据产品编号关联起来，把单价带过来”，AI 就会帮你写好公式，帮你做好关联。

2. 用 AI 做刻意练习，快速积累经验：以前，你要找练习数据，要找案例，要花很多时间。现在，你可以让 AI 给你生成各种场景的练习数据，给你出练习题，你每天花 15 分钟，就能练会一个技能。 比如，你想练数据清洗，你就跟 AI 说：“给我生成一个 100 行的脏数据，有空值、有合并单元格、有不同的格式，我用来练习 Power Query 的清洗，然后给我出一个操作步骤，我做完了你帮我检查。” AI 就会给你生成数据，给你出题，你做完了，AI 帮你检查，告诉你哪里错了，哪里可以改进，比你自己练效率高 10 倍。

3. 把 AI 当成你的操作助手，把你的精力放在逻辑上：遇到复杂的操作，你不用自己一步步点，不用记步骤，你只要告诉 AI 你要做什么，AI 帮你做，你只要看结果对不对，把你的精力，放在理解数据的逻辑上，而不是操作上。 比如，你要合并 12 个月的报表，你不用自己一步步点 Power Query 的操作，你只要告诉 AI 你要做什么，AI 帮你写好 M 代码，帮你做好，你只要核对一下结果，然后理解，这个过程的逻辑是什么，下次你就懂了。

举个例子，小琳是一个 HR，她以前学 Excel，学了半年，还是只会基础的求和，因为她记不住函数，记不住操作。后来，她用了 AI，她不用记那些东西了，她只要理解，她要做的考勤汇总，是要把每个人的考勤数据，按部门汇总，她把这个需求告诉 AI，AI 帮她写好了数据透视表的操作，帮她做好了，她只要看结果，然后理解，原来数据透视表是这么回事，原来汇总的逻辑是这样的。 只用了 2 周，她就把以前半年都没学会的技能，全部学会了，而且，她做考勤的时间，从以前的一天，变成了 10 分钟。

这就是 AI 时代的工具能力：不用你去记那些繁琐的操作，你只要理解了逻辑，AI 就能帮你把事情做好，你可以用最快的速度，把这个基础能力打好。

6.2 第二层：数据分析能力 —— 用数据回答问题，AI 帮你把分析变得简单

当你打好了工具的基础，你就要升级到第二层：数据分析能力。

什么是数据分析能力？它不是让你去算多少个指标，不是让你做多少个图表，而是你能通过数据，回答业务的问题。

比如，业务部门问你：“这个月的销售额为什么下降了？”，你能不能通过数据，找到原因？ 比如，领导问你：“下个月的销售会怎么样？”，你能不能通过数据，给出一个靠谱的预测？ 这就是数据分析能力，它的核心，是解决问题，而不是处理数据。

以前，要做数据分析，你要学统计，要学编程，要学各种复杂的分析方法，普通人根本学不会。但现在，AI 把这个门槛也降下来了，普通人也能轻松做数据分析，不用学那些复杂的东西。

具体来说，数据分析能力，分为三个层次，AI 都能帮你：

1. 描述性分析：发生了什么？：这是最基础的，就是把数据汇总起来，告诉你，这个月的销售是多少，哪个产品卖得好，哪个地区卖得好。 以前，你要做这个，要写公式，要做透视表，要花半天的时间。现在，你只要跟 AI 说：“帮我分析一下这个销售数据，告诉我这个月的整体情况，哪个产品卖得最好，哪个地区增长最快”，AI 就会帮你做好数据透视表，帮你做好分析，1 分钟就搞定了。

2. 诊断性分析：为什么会发生？：这是进阶的，就是当数据出现异常的时候，你能找到原因。比如，这个月的销售额下降了，为什么？是哪个地区降了？是哪个产品降了？是因为促销少了？还是因为流量少了？ 以前，你要做这个，要做各种对比，做各种归因，要花好几天的时间。现在，你只要跟 AI 说：“这个月的销售额比上个月降了 10%，帮我分析一下原因，看看是哪个地区、哪个产品的问题，有没有什么异常的因素”，AI 就会帮你做各种维度的拆解，帮你找到原因，10 分钟就搞定了。

3. 预测性分析：会发生什么？：这是最高级的，就是你能通过历史数据，预测未来的趋势。比如，下个月的销售会怎么样？下个月的库存需要备多少？ 以前，要做这个，你要学时间序列，要学回归分析，要写代码，普通人根本做不了。现在，你只要跟 AI 说：“帮我根据过去 12 个月的销售数据，预测一下下个月的销售额，给我一个 95% 的置信区间”，AI 就会帮你做好预测模型，帮你算出结果，不用你写任何代码，不用你懂统计。

举个例子，老周是一个电商运营，他以前做数据分析，每次都要花好几天，因为他不会统计，不会编程，只能手动算。后来，他用了 AI，他发现，原来数据分析这么简单。 上个月，他的店铺的转化率突然降了，他不知道为什么，他把数据发给 AI，跟 AI 说：“帮我分析一下，为什么这个星期的转化率比上个星期降了 2%，看看是哪个渠道的问题，哪个品类的问题”。 AI 只用了 5 分钟，就帮他拆解完了：是搜索渠道的转化率降了，而且是女装品类的，因为这个星期，女装的差评突然多了 5 个，导致搜索排名降了，所以转化率降了。 老周一看，果然是，他赶紧去处理了差评，然后做了一个小促销，下个星期，转化率就回来了。要是放在以前，他要花好几天才能找到这个原因，早就错过最佳的调整时间了。

这就是 AI 时代的数据分析能力：不用你去学复杂的统计，不用你去写代码，你只要有了工具的基础，你就能用 AI，轻松搞定各种分析，回答业务的问题。

6.3 第三层：商业洞察能力 —— 从数据到业务，这才是你的核心竞争力

当你会做数据分析了，你就要升级到最高的一层：商业洞察能力。

这是很多人都缺的能力，很多人会做分析，会做报表，会算指标，但是，他们给领导的报表，领导看了，只会说：“哦，然后呢？”，因为他们只给了数据，没有给洞察。

什么是商业洞察能力？它是你能从数据里，看到别人看不到的东西，能理解数据背后的业务逻辑，能提出解决问题的方案，能真正驱动业务的增长。

简单来说，数据是 “是什么”，而洞察是 “所以呢？我们该做什么？”。

比如，你给领导一个数据：“这个月的销售额降了 10%”，这是数据。 然后，你说：“是因为女装品类的转化率降了，因为差评多了”，这是分析。 然后，你说：“我们应该赶紧处理这些差评，然后给这个品类做一个 3 天的小促销，把转化率拉回来，预计能挽回 5% 的销售额”，这就是洞察。

这才是领导真正想要的，这才是你在职场的核心竞争力，因为这个能力，AI 替代不了，只有你，懂业务的你，才能做到。

那 AI 能不能帮你提升商业洞察能力？当然可以，AI 能帮你处理数据，帮你发现异常，帮你做初步的分析，然后你再结合你的业务经验，就能做出洞察。

具体来说，怎么练这个能力？

1. 永远不要只给数据，要给 “所以呢”：每次你做完分析，你都要问自己：这个数据，意味着什么？我们要做什么？ 比如，你看到某个产品的退货率很高，你不能只把这个数据报上去，你要想，为什么退货率高？是产品的问题？还是描述的问题？我们要怎么改进？然后，你用 AI 帮你分析，这个产品的退货原因是什么，是尺寸不对？还是质量问题？然后你就能提出解决方案。

2. 把数据和业务场景结合起来：数据不是冰冷的数字，它背后是一个个的用户，一个个的业务场景。你要把数据，放到业务的场景里去看。 比如，你看到某个地区的销售增长了 20%，你不能只看到这个数字，你要想，这个地区，我们这个月做了什么活动？是不是那个新的推广起作用了？还是因为竞争对手这个月做活动，反而把用户引到我们这里了？你结合你的业务经验，再用 AI 帮你验证，就能发现别人看不到的机会。

3. 用 AI 帮你做 “如果... 那么...” 的模拟：当你有了一个想法，你可以用 AI 帮你模拟，如果你做了这个调整，会有什么结果。 比如，你想，要是我们把这个产品的价格降 5%，销量会涨多少？利润会涨多少？你把数据给 AI，AI 就能帮你模拟，帮你算出结果，你就能知道，这个调整值不值得做。

举个例子，就是我们之前提到的那个连锁餐饮集团，他们用 AI 做报表的时候，发现 618 之后，他们的客单价降了 10%，一开始，大家都以为，是因为促销，所以客单价降了，很正常。 但是他们的财务分析师，没有停在这里，她做了一个洞察：如果只是促销的话，那销量应该涨很多才对，但是销量只涨了 5%，这不对。 然后，她让 AI 帮她拆解数据，看看是哪个门店、哪个产品的客单价降了，结果发现，是那些做了临时折扣的门店，他们的复购率降了 20%，因为那些临时折扣，把用户的价格敏感度养高了，活动结束之后，用户就不来了。 然后，她提出了一个方案：把临时折扣，改成满赠，而不是直接降价，这样既能提升活动期间的销量，又不会养高用户的价格敏感度。 他们试了一个月，结果，活动期间的销量涨了 15%，客单价只降了 2%，而且复购率一点都没降，比之前的临时折扣，多赚了 30% 的利润。

这就是商业洞察的威力，它能让你从数据里，找到真正的业务机会，帮公司赚钱，这才是你最核心的竞争力，不管技术怎么变，这个能力，永远不会过时。

6.4 普通人的 5 周能力跃迁计划：从工具到洞察，5 周就能入门

很多人觉得，这三个能力，要学好几年才能学会，但实际上，在 AI 的帮助下，普通人只要 5 周，就能完成入门，掌握这些能力，搞定你 99% 的工作。

这个计划是这样的：

• 第一周：打好工具基础：每天花 1 小时，学基础的 Excel 操作，用 AI 帮你做练习，把数据的逻辑搞懂。你不用背函数，不用记快捷键，只要理解，数据是怎么组织的，怎么操作的就行。

• 第二周：搞定数据清洗：学 Power Query，用 AI 帮你做脏数据的练习，学会怎么把乱七八糟的数据，整理成干净的数据。这是处理所有数据的前提，不管你是做小数据还是大数据，这一步都少不了。

• 第三周：学会描述性分析：学怎么用数据透视表，用 AI 帮你做汇总，学会回答 “发生了什么” 的问题。这是最常用的分析能力，你日常工作里 80% 的分析，都是这个。

• 第四周：学会诊断性分析：学怎么拆解数据，怎么找原因，用 AI 帮你做归因，学会回答 “为什么会发生” 的问题。当数据出问题的时候，你能快速找到原因，这是你体现价值的关键。

• 第五周：练习商业洞察：找一个你工作里的真实数据，做完分析，然后提出你的洞察和解决方案，用 AI 帮你验证，学会把数据变成业务决策。这一步，是你从一个执行者，变成一个决策者的关键。

你看，只要 5 周，你就能完成从工具到洞察的跃迁，不用学复杂的技术，不用花几年的时间，这就是 AI 给普通人的赋能，让你能快速成长，不用再像以前那样，花好几年才能熬出来。

七、结语：Excel 不是过去式，而是未来的基础

38 年过去了，Excel 从一个小小的电子表格软件，变成了全球数十亿人的通用工具。现在，AI 来了，很多人以为它会淘汰 Excel，但实际上，AI 只是让 Excel 变得更强大了。

在 AI 时代，我们不需要放弃 Excel，去追那些所谓的新工具。我们要做的，是把 Excel 这个基础打牢，然后用 AI 来增强它，让它变成我们的超级武器。

因为，无论技术怎么变，职场的核心逻辑永远不会变：你需要能理解数据，你需要能处理数据，你需要能把数据变成决策。而 Excel，就是帮你做到这一点的最好的工具，AI，就是帮你把这件事做得更快、更好的助手。

所以，不要再问 “AI 时代还要不要学 Excel” 了，答案很明确：要，而且必须要学好。因为这不是过时的技能，这是你在 AI 时代，立足职场的核心底层能力。

从今天开始，拿起你的 Excel，结合 AI，开始你的技能升级吧。未来的你，一定会感谢现在努力的自己。

参考资料

[1] FineBI. Python 数据分析能替代 Excel 吗？2025 年岗位需求与能力模型. https://www.finebi.com/blog/article/68ac175f28946ecca87466df

[2] FineBI. Excel 数据分析适合哪些岗位？2025 年职场技能提升全攻略. https://www.finebi.com/blog/article/68ac222328946ecca875152c

[3] Datarails. AI and the Future of Microsoft Excel. 

https://www.datarails.com/ai-and-the-future-of-excel/

[4] 搜狐. AI 热潮下，为何 “过时” 的 Excel 表格成了最受青睐的必备技能？. https://m.sohu.com/a/933432689_120573081/

[5] 今日头条. AI 做 Excel 翻车？微软 Copilot、WPS 全掉坑，Python 代码能否实现？.

http://m.toutiao.com/group/7600718889312174618/[6] FineReport. ai 生成 excel 表的软件靠谱吗？企业如何高效利用自动化工具？. https://www.finereport.com/blog/article/69e445b712cf5a9eb1448236

[7] 中国青年社会科学。生成式人工智能对都市文职白领的技能重构. https://xb.cyu.edu.cn/xwgg/xwdt/202507/W020250725537670962168.pdf

[8] 微软官方. Unlock the power of Copilot in Excel, now generally available. https://techcommunity.microsoft.com/blog/excelblog/unlock-the-power-of-copilot-in-excel-now-generally-available/4242810

先交朋友，后谈业务。

我是谁：立志做摄影界数据最溜的，数据界段子写得最好的，段子界跑步最厉害的，跑步界文章写得最赞的，文章界厨艺最哇塞的。

服务内容：永佳数据新商业，为您量身定做数字化解决方案。

培训服务：

企业数字化转型战略执行

数据驱动业务：从战略到落地 

数据资产入资产负债表培训

大数据时代的精准营销 | 财务数字化 

释放现金流之供应链数字化

咨询服务：

企业数据治理 | 数据体系搭建

销售运营体系搭建

经营报表体系设计

数据模型设计 | BI系统建设咨询

业务范围：立足上海，走遍全国，走向世界。