很多人把乱表丢给 AI 后，第一句话就是“帮我分析一下”。
但字段、格式和重复项还没处理好时，结果很容易看似合理，实际不稳。先说明：这次用的是模拟 Excel 乱表
这篇文章用的是一张模拟 Excel 表。
它不来自真实公司，也不包含客户姓名、手机号、订单号和内部数据。
我把它设计成一个很常见的办公场景：同事从不同渠道汇总了一批报名数据，准备交给运营同事统计来源、城市和跟进状态。
原始表格的问题不复杂，但很烦：
同一个字段有不同叫法。日期格式不统一。城市里混着省份、区县和空值。手机号有空格，也有缺位。跟进状态有人写“已联系”，有人写“联系过”，有人只写“已电”。同一个人还可能重复提交。
这类表格不一定很大，却很容易让人来回改半天。
我测试的目的不是证明 AI 能替你做完 Excel，而是看一张乱表交给 AI 前，先让它做哪几步，能减少后面的返工。
01
先看一小段模拟数据
为了方便理解，这里放一小段简化后的原始数据：
姓名 | 手机 | 城市 | 报名时间 | 来源 | 跟进
张三 | 138 0000 1234 | 北京朝阳 | 6/1/26 | 朋友圈 | 已联系
李四 | 13900005678 | 上海 | 2026-06-01 | 微信群 | 联系过
王五 | 13700009999 | 杭州西湖区 | 2026.6.2 | 公众号 | 未跟进
张三 | 13800001234 | 北京 | 2026-06-01 | 朋友圈 | 已电
赵六 | 空 | 广东深圳 | 6月2日 | 小红书 | 待联系如果直接问 AI：
它可能会立刻总结：
这批报名数据主要来自朋友圈、微信群、公众号和小红书，城市集中在北京、上海、杭州和深圳。这句话看起来没错。
但问题还在。
张三是不是重复？北京朝阳和北京要不要合并？“已联系”“联系过”“已电”算不算同一个状态？空手机号怎么处理？
这些事情不先定下来，后面的统计就不稳。
所以，Excel 表格很乱时，我不会一上来让 AI 分析。我会先让它做下面 3 件事。
02
先让 AI 识别字段：这张表到底在记录什么
乱表最麻烦的地方，不一定是数据多。
很多时候，是字段没说清楚。
比如一列叫“来源”，它可能指报名渠道，也可能指客户来源，还可能指负责跟进的人从哪里拿到线索。
一列叫“状态”，里面可能混着付款状态、联系状态、审核状态。
字段不清楚，AI 后面再会分析，也只能顺着模糊字段猜。
我会先这样问：
请先不要分析结果。
只帮我识别这张表的字段含义。
对每一列说明：
1. 这列可能记录什么。
2. 是否存在命名不清或容易误解的地方。
3. 建议改成什么标准字段名。
4. 哪些列不适合直接用于统计。这一步会得到一张更清楚的字段表。
例如，“手机”建议改为“手机号”，“跟进”建议改为“跟进状态”，“城市”目前混有城市、区县和省份，统计前需要统一，“报名时间”格式不统一，需要先转成同一种日期格式。
这一步看起来慢，其实很省事。很多 Excel 返工，都是从字段没定义清楚开始的。
03
再让 AI 写清洗规则：不要直接替你改
第二步，不是让 AI 直接改表。
我更愿意先让它写规则。
因为 AI 有时会把“看起来像”的数据合并掉，但你未必同意。
比如：“北京朝阳”要不要统一成“北京”？“广东深圳”要不要统一成“深圳”？“已联系”“联系过”“已电”是否都算“已联系”？没有手机号的记录，是删除、保留，还是单独标记？
这些不是技术问题，是业务规则。
规则没定，AI 改得越快，错得越隐蔽。
我会这样问：
请根据这张表，先生成一份数据清洗规则，不要直接改数据。
规则要包含：字段名统一规则、日期格式统一规则、城市字段拆分或归一规则、跟进状态归一规则、重复记录判断规则、缺失值处理建议。
对每条规则标注：可以自动处理 / 需要人工确认。这时 AI 给出的东西，才开始有用了。
它不会只说“数据需要清洗”，而是会把清洗动作拆出来。
例如：日期统一为 YYYY-MM-DD，可以自动处理；手机号去掉空格，可以自动处理；城市字段去掉区县，仅保留城市，需要确认统计口径；“已联系”“联系过”“已电”统一为“已联系”，需要人工确认。
这份规则很重要。它让你知道哪些地方能放心交给工具，哪些地方必须自己拍板。
04
最后让 AI 找异常：先查错，再统计
很多人整理 Excel，最容易跳过的一步是查异常。
表格看起来整齐了，不代表数据可信。
尤其是报名、销售、客户跟进这类表，几个小错误就会影响后面的判断。
我会让 AI 先列出异常，不急着做结论：
请根据清洗规则，先找出这张表里可能影响统计的异常。
按下面格式输出：
- 异常类型
- 涉及行或示例
- 为什么会影响统计
- 建议处理方式
不要替我删除数据，只做标记。在这张模拟表里，它会指出几类问题。
重复记录：张三出现两次，手机号去掉空格后相同。如果直接统计报名人数，重复记录会让人数变高。
缺失手机号：赵六没有手机号。如果后续要做电话跟进，这条记录不能当作完整线索，但也不应该直接删除。
城市口径不一致：北京朝阳、北京、杭州西湖区、广东深圳混在一起。如果按城市统计，区县和省份前缀都要先处理。
跟进状态不统一：“已联系”“联系过”“已电”可能指同一类状态。但如果团队里“已电”只代表打过电话，没有接通，就不能随便合并。
这一步的价值，是让你在统计前先看到坑。否则你很容易得到一个漂亮的汇总表，但里面有不少口径问题。
我会保留的提示词模板
请先不要分析结论，也不要直接改数据。
我会给你一段从 Excel 复制出来的表格。
请按 3 步处理：
1. 识别字段：说明每一列的含义、问题和建议标准字段名。
2. 生成清洗规则：字段名、日期、城市、状态、重复项、缺失值分别怎么处理，并标注“可以自动处理”或“需要人工确认”。
3. 查找异常：列出可能影响统计的异常类型、示例、影响和处理建议。
要求：
- 不要编造不存在的数据。
- 不要自动删除任何记录。
- 不要把没有明确口径的内容直接合并。
- 不确定的地方标注“需要人工确认”。
- 最后再告诉我，这张表适不适合进入统计分析。这段提示词的重点，是把 AI 从“分析结果”拉回到“整理数据”。
表格还没干净时，结论越早出现，越容易误导人。
先把表格变干净，再谈分析
这篇文章用的是模拟数据。
如果是真实工作表，至少要注意三件事。
第一，含有客户姓名、手机号、身份证号、地址、订单金额、合同信息的表，不要直接上传到不确定的数据环境。
第二，涉及公司内部经营数据、财务数据、报价表、员工信息的表，要按公司规定处理，不能为了方便直接丢给外部工具。
第三，AI 给出的清洗规则不能自动等于公司口径。尤其是销售状态、客户阶段、渠道归因这些字段，要以团队内部定义为准。
AI 能帮你把乱表拆开。
但哪些记录保留，哪些字段合并，哪些口径算数，仍然要人确认。
我这次最大的感受是：AI 整理 Excel，最有用的地方不是帮你立刻生成图表。
它更适合先做三件小事：
识别字段。
写清洗规则。
找异常。
等这三步做完，再去统计来源、城市、转化、跟进状态，结果才更稳。
很多表格问题，不是公式不会写。是前面字段和口径没整理好。
