很多人看到 Excel 就头疼。
不是不会打开表格，而是不知道该看哪里。
一张销售表，几百行数据。客户、日期、金额、渠道、地区、负责人，全挤在一起。老板问：“这个月有什么问题？”你盯着屏幕，先把颜色调了半天。
AI 在这种时候很好用。
但先说清楚：不要把表格丢给 AI，就问“帮我分析一下”。
这个问法太大。
AI 很可能给你一段看起来很懂的总结：整体销售呈现波动，不同地区表现存在差异，建议进一步优化渠道策略。
每个字都认识。
没有一句能拿去汇报。
我更建议你只问 5 个问题。
第一个问题：这张表每一列是什么意思
很多分析失败，不是算错，而是一开始就没读懂字段。
先让 AI 帮你读表头：
请先根据这张表的字段名，解释每一列可能代表什么。不要开始分析数据。请指出哪些字段适合做维度，哪些字段适合做指标，哪些字段可能需要清洗。
这一步看起来基础，但很有用。
比如“销售额”是指标，“地区”是维度，“日期”可以按周或月汇总，“备注”可能不适合直接统计，“客户编号”要注意重复。
你先把这些分清楚，后面才不会乱。
如果 AI 解释错了，你也能马上纠正：
你理解错了，“订单金额”是含税金额，“实收金额”才是实际到账。请按这个规则重新分析。
别怕纠正 AI。
它不是财务，也不是你们公司的老员工。很多业务口径只有你知道。
第二个问题：有没有明显异常
表格分析最适合先找异常。
不用一上来做复杂模型。
你可以问：
请帮我找出这张表里可能异常的数据。重点看：金额特别大或特别小、重复记录、缺失值、日期不合理、同一客户多次出现、同一订单状态冲突。请用表格列出异常类型、对应行、为什么可疑。
这类问题很容易出结果。
比如金额为 0，日期在未来，客户名重复但电话不同，订单状态是“已退款”但实收金额不为 0。
这些不是高级分析。
但很多业务问题就是从这里冒出来的。
老板问“这个月为什么利润低”，你可能不用先建模型。先看有没有异常退款、异常折扣、重复录入，往往就能找到线索。
第三个问题：按什么维度汇总最有用
表格里最常见的坑，是平均值骗你。
总销售额上涨，不代表每个渠道都好。
客单价变高，不代表客户质量变好。
整体转化率稳定，不代表某个地区没有掉得很厉害。
你可以让 AI 帮你找切法：
请根据这张表，建议 5 个最值得汇总分析的维度组合。比如按月份、地区、渠道、产品、负责人等。每个组合请说明它能回答什么业务问题。
它可能会给你这样的方向：
按月份看趋势。
按渠道看投放效果。
按地区看市场差异。
按负责人看执行情况。
按产品看利润结构。
这一步的价值，是帮你从“看一整张表”变成“带着问题看表”。
你不是在分析数据。
你是在回答业务问题。
第四个问题：哪些变化最值得解释
如果表里有不同月份、不同周、不同批次，可以直接让 AI 找变化。
请比较本期和上期的数据变化，找出变化最大的 5 个指标或维度。请不要只列百分比，也要列绝对值变化。最后告诉我哪些变化值得进一步追问原因。
为什么要加“绝对值变化”？
因为百分比很会骗人。
一个渠道从 1 单变 3 单，增长 200%，看起来很猛。但对业务没多大影响。另一个渠道从 1000 单掉到 850 单，只跌了 15%，可能才是真问题。
AI 如果只看百分比，容易把你带偏。
所以要让它同时看比例和规模。
这句话可以直接加进提示词里：
请同时考虑百分比变化和绝对值变化，不要把基数很小的变化排在最前面。
很实用。
第五个问题：如果要汇报，应该说哪 3 件事
分析到最后，还是要说人话。
老板通常不想听你解释每一列怎么算。他想知道：发生了什么，为什么可能发生，下一步怎么办。
你可以问：
请把上面的分析整理成 3 条可以汇报给老板的结论。每条都按“发现-可能原因-建议动作”来写。不要写空话，不要写无法执行的建议。
比如：
发现：华东区销售额下降明显，主要集中在 A 渠道。
可能原因：A 渠道订单数下降，而客单价变化不大，问题更可能出在获客量。
建议动作：检查 A 渠道近两周投放、活动排期和线索分配。
这就比“建议优化渠道策略”强多了。
一套完整提示词，可以直接复制
如果你想一次性跑完，可以用这版：
你是我的 Excel 数据分析助手。请根据我提供的表格，按下面步骤分析：1. 解释字段：每一列可能代表什么，哪些是维度，哪些是指标。2. 找异常：金额异常、缺失值、重复记录、日期异常、状态冲突。3. 建议汇总维度：告诉我最值得按哪些维度分析，以及能回答什么问题。4. 找变化：如果有时间字段，请比较不同时间段的变化，同时看百分比和绝对值。5. 写汇报结论：输出 3 条“发现-可能原因-建议动作”。要求：- 不要编造表格里没有的信息。- 如果数据不足，请直接说需要补哪些字段。- 公式、金额、行号要尽量标清楚。- 不要写“整体表现良好”“建议持续优化”这类空话。
这条提示词适合销售表、库存表、运营数据、报名表、客户名单。
但它不是万能的。
AI 分析表格，最容易错在这 3 个地方
第一，口径错。
AI 不知道你们公司“成交金额”“回款金额”“合同金额”的差别。你必须提前告诉它。
第二，公式错。
有些 AI 会给出看似合理的公式，但引用范围、字段名、汇总方式可能不对。重要数据一定要抽样核对。
第三，结论太顺。
AI 很擅长把东西说圆。哪怕数据只能说明一点点，它也可能写出一段完整分析。你要警惕这种“太像汇报”的文字。
我的做法是，让 AI 先列证据，再写结论。
可以加一句：
每个结论后面必须标出依据来自哪几列数据。如果没有依据，请不要写这个结论。
这句话能过滤掉很多漂亮废话。
表格分析不是炫技，是找问题
很多人以为数据分析很高级，要会函数、透视表、SQL、Python。
这些当然有用。
但对大多数普通办公场景来说，第一步没那么复杂：看懂字段，找异常，按维度汇总，比较变化，写出能执行的建议。
AI 可以帮你把这条路走快一点。
它不会替你理解业务。
但它能帮你少盯半小时表格，少在一堆数字里乱转。
下次老板再丢来一张 Excel，不要先慌。
先问 AI 这句话：
请先告诉我，这张表最值得检查的 5 个问题是什么。
很多分析，就从这 5 个问题开始。
