AI 做数据分析:从 Excel 到报告的实用笔记
Excel 里面可能有合并单元格、公式、多个 Sheet、隐藏列、格式样式，这些东西都会干扰AI读取。CSV 可以理解成一种很朴素的表格文本：一行就是一条记录，一列就是一个字段。它没有复杂格式，也没有公式干扰，AI 或 Python 读取起来更稳定。如果数据来自多个 Excel，最好先统一命名和存放位置。文件名也尽量写清楚，比如销售明细、客户记录、月度汇总，不要叫“新建表格1”“最终版2”。很多人用 AI 分析数据时，第一句话就会说：“帮我分析这个表。”这个指令太宽了，AI 很容易给出一堆看似有道理但不一定有用的结论。- 从时间、产品、客户、地区、异常值这些角度，能做哪些分析？
这一步的价值在于：先确定分析框架，再进入计算。否则 AI 可能一上来就开始“编洞察”，但这些洞察不一定贴合业务。数据量一大，直接让 AI 在聊天窗口里算，很容易出错。因为聊天模型擅长理解和生成，不擅长对大量数字做稳定计算。更可靠的做法是根据上一步列出的全部指标，让 AI 写 Python 或 SQL 脚本，由程序去读取文件、计算指标、输出结果。脚本最好明确做三件事：读取哪些 CSV、计算哪些指标、把结果输出到什么文件。指令越具体，生成的脚本越可用。我们只需复制AI生成的代码，保存为.py文件，无需理解每行代码。运行脚本后，先看有没有报错，再看输出结果是否合理。比如同比增长、客户数、最高销售产品这些数字，要用业务常识快速判断一下。电脑、手机、平板基本都能用浏览器打开，不需要对方装专业软件。它也更适合做可视化。柱状图、折线图、饼图、地图、热力图、仪表盘、词云、关系网络这些，都可以放在网页里展示。如果只是写结论，Word 也够用；但如果要让别人快速看懂数据变化、指标对比和异常点，HTML 会更直观。还有一个现实好处：HTML 文件可以单独分享，或者放到服务器上生成链接。对团队协作来说，比反复传 Excel 截图更清楚。如果数据涉及客户、订单、合同、个人信息、内部经营指标，就不要随便上传到外部平台。比较稳的做法是：敏感原始数据尽量留在本地，只把字段说明、脱敏样例、报错信息或统计后的结果给 AI。让 AI 帮你写脚本和报告模板，而不是把所有原始明细都交出去。可以这样理解：AI 需要知道“怎么分析”，但不一定需要看到“全部真实数据”。同一份数据，如果每次都让 AI 从零开始分析，结果可能每次都不太一样。一次说重点是产品，一次说重点是客户，一次又说重点是地区。整体趋势、产品结构、客户变化、区域差异、异常波动、结论建议。顶部放核心指标卡，中间放趋势和对比图，下面放明细表和结论区。你只说“运行不了”“页面空白”“图表不显示”，它只能猜。- 你现在在做什么，比如运行 Python 脚本、打开 HTML 报告、读取 CSV 文件。
- 错误出现在哪里，比如浏览器页面、终端窗口、Excel 文件读取阶段。
再补一句你想达到的目标，比如“我希望页面正常显示图表”或“我希望脚本能读取这个文件夹里的所有 CSV”。这样 AI 才能判断问题是文件路径错、依赖没装、权限不够、代码写错，还是数据格式不匹配。比如页面空白、按钮没反应、图表没出来、样式乱了。这种通常可以按F12，打开浏览器开发者工具，看 Console（最常用）、Elements、Network。针对页面空白、按钮无反应、图表失败，看Console，看红色报错信息，直接复制给AI。针对文字没显示、模块没出来，Elements 看页面元素有没有生成，针对数据没回来，图片没加载，Network 看数据和图片有没有加载成功。比如 Python 运行失败、缺少依赖包、文件路径找不到、没有权限读取或写入、某一行代码报错。遇到这种，终端里的完整报错最有价值。把最后一段报错信息，复制给AI。比如列名对不上、文件不存在、CSV 内容为空、格式不匹配。
10个月宝宝每天需要喝多少奶粉？
