扔给AI一张 Excel 表,一键直出一个动态看板

一个真实场景：

某企业门店经营数据，Excel 六千多行，要出月度看板。

扔进 Excel → 它读完自己定出 6 个 KPI、4 个筛选维度，跑出如下动态看板：

做一份经营分析看板，时间都花在哪了？

不是画图。真正吃时间的是这些：指标怎么定、口径跟谁对齐、KPI 放几个、柱子太矮了要不要调量程、配色要不要跟公司 VI 一致。

画图本身可能 20 分钟，剩下的全是"每次都要重来一遍"的活。

所以我把这套流程固化成了一个 Skill：ops-analytics-dashboard，单文件经营分析看板生成器。

一句话描述它的工作：你给底表，它一键直出一个可以直接发出去的 HTML 文件。

一、它是通用的，不是某个业务的模板

这是它和"看板模板"最本质的区别。

底表数据可以随意换，字段也不固定。 你不用把数据整理成它要求的样子，反过来——它读完你的底表，自己判断：

哪些列是维度（门店、班次、品类）

哪些列是指标（销售额、客流、订单数）

指标之间该怎么派生（客单价 = 净销售额 ÷ 订单数，完成率 = 销售额 ÷ 目标）

给它门店数据，它是门店经营看板；换成客服通话数据，它就是客服质量看板；换成 HR 数据，就是人力结构看板。

同一套规则，不问业务。 这就是"完全通用"的含义——它不是 20 个模板让你挑，是一条生成规则适配所有明细表。

数据来源也不挑：Excel/CSV、连数据库取数，三条路都走得通。

二、渐进式：不是"生成完就结束"，是可以一直改

更关键的是：我们可以自由改动Skill，这些改动可以回灌进 Skill 本身。这一轮踩的坑、定的标准，写成规范存下来，下次生成就自带这套标准。

所以它有个特点——越用越准。你用它做第一个看板可能还要调三四轮，做到第五个的时候，第一版就基本对了。

目前 Skill 里已经固化了 12 条硬性规范、19 条踩坑清单，全是从实际项目里摔出来的，这些不是理论知识，是一个个像素量出来的。

三、口径你说了算，而且它会自己校验

做数据最怕的不是算错，是口径没对齐就交付了。

这个 Skill 的口径是可以逐条定义的：

客单价按净销售额算还是按销售额算，你定"较上月"是跟上月全月比，还是跟上月同日区间比，你定异常怎么判定（环比涨超 25% 算显著上升？客流跌 15% 算预警？），你定涨跌配色用涨绿跌红还是涨红跌绿，开工前它会先问你。

定完之后不是拍脑袋就过去了。它会做口径自洽校验：每个 KPI 都必须能从明细数据反算出来，Excel 底表里还会附一份「口径说明」，数字和定义对得上。

四、交付即终态：一个文件，双击就开

产出的看板是单文件 HTML，数据全部内嵌，图表库也内嵌在里面。

微信发给同事、丢共享盘、挂到内网，对方双击就能打开。

对比一下传统路径：BI 工具要开账号要配权限，Python 脚本要对方装环境，Excel 看板发过去还可能因为版本问题排版错位。

交付物的"可传播性"，是被严重低估的一个指标。

五、执行速度快，跑这样一个看板仅需要几分钟。

整个流程从"扔一个 Excel 进来"到"拿到看板"，是分钟级的。对比手搓一份同等质量的看板——半天到一天。

快的来源不是并行计算，是没有重复决策：版式固定、配色固定、量程算法固定、验证项固定，AI 不需要每次从零开始纠结"这个图该怎么画"。

六、可重复执行：这是它最大的隐藏价值

固定版式真正的意义在这里——它让看板变成了可以复制的东西。

这个月做完，下个月换一份底表重跑，输出的看板结构完全一致

团队里十个人用它，出来的看板长一个样，不用每次重新学习怎么读

"重复执行"这四个字，是一次性交付和可复用资产的分界线。

写在最后：

这类工具的价值，不在于"AI 会画图"。

在于它把一件每次都要从头决策一次的事，变成了一套可以沉淀、可以复用、可以交接的规则。

第一个看板省的是时间。第十个看板省的是决策。

而第十次和第一次的质量是一样的——这才是"可重复"真正的含金量。

注：该 Skill 为自建，未上 Skill 市场。

如有想学习AI自动化的同学，可以关注下面的课程，不仅讲解如何从0到1搭建Skill，还会把本社媒账号发布的全部看板、PPT、分析报告的Skill随赠给大家。