AI 做数据分析：让表格开口说话

你开了一家奶茶店，收银系统能导出半年的销售明细：三千多行，每行是日期、产品、杯数、金额，以及堂食还是外卖。你隐约觉得「周末生意好」「杨枝甘露卖得最多」，但说不出具体好多少，也不知道下个月该主推什么。表格就摆在那里，可它不会自己开口。

以前，让表格「开口」得会公式、会透视表、会画图。现在，这些活可以请 AI 当助手——但有一件事永远不能交出去：核对。这一节讲一套从整理数据到得出结论的完整流程，不会公式也能上手。

AI 在数据分析里能做什么，不能做什么

用 AI 分析数据，通常有两种方式：

1. AI 直接算：把表格上传给支持文件分析的 AI 工具，它读取数据、计算、出图。快，但中间过程你看不见。
2. AI 当老师，你来算：你描述表格，AI 告诉你用什么公式、怎么做透视表，你在 Excel 或 WPS 里操作。慢一点，但每一步都看得见。

无论哪种，都要记住：大模型本质上是在「预测文字」，不是计算器。让它直接「心算」一长串数字的总和或平均值，出错并不少见。能调用计算工具的会可靠得多，但同样可能读错列、漏掉行，所以都需要你抽查。

第一步：把表格「介绍」给 AI

AI 看不到你的屏幕，也不了解你的生意。介绍得越清楚，它给的方法越对路。一份合格的介绍包括：每一列是什么、大概有多少行、示例几行、你想回答什么问题、用的是什么软件。

我有一张销售明细表，用的是 WPS 表格，约 3000 行。各列如下：
A 列 日期（格式不统一，有「2026/3/1」也有「3月1日」）
B 列 产品名称
C 列 杯数
D 列 金额（元）
E 列 渠道（堂食或外卖，有些写成了「外送」）
下面是前 5 行示例：……
我想回答三个问题：1. 哪几款产品销售额最高；2. 周末和工作日有什么差别；3. 外卖占比有没有变化趋势。
请先告诉我需要做哪些数据清洗，再一步步教我操作。

注意：上传或粘贴数据之前先脱敏。顾客姓名、手机号、地址等信息删掉或换成编号；公司数据要遵守单位对外部工具的使用规定。

清洗和公式：让 AI 当你的 Excel 老师

真实数据很少是干净的。日期写法不统一、「外卖」和「外送」混用、数字被存成了文本、同一笔订单导出了两次——这些不处理，后面算出来的结果全都不对。你可以直接问 AI：「这几种情况分别怎么处理？」它会告诉你用「分列」统一日期、用「查找替换」统一渠道写法、用「删除重复项」去重。

写公式时，关键是说清三件事：结果放在哪、按什么条件、算出什么。

• 错误示范：「帮我写个公式统计销量。」
• 正确示范：「在 G2 单元格算出产品『杨枝甘露』的总金额，产品名在 B 列，金额在 D 列。」

AI 会给出类似下面的公式，并解释每一部分：

=SUMIFS(D:D, B:B, "杨枝甘露")
意思：在 B 列里找出所有等于「杨枝甘露」的行，把这些行 D 列的金额加起来。

=IF(WEEKDAY(A2,2)>5, "周末", "工作日")
意思：WEEKDAY 第二个参数填 2 时，周一记为 1、周日记为 7，大于 5 就是周六或周日。

注意第二个公式有个前提：A 列必须已经是真正的日期格式，而不是长得像日期的文字——这正是要先清洗的原因。

两个好习惯：一是让 AI 解释公式里每个参数的意思，下次你自己就会了；二是先在三五行数据上手算对照，确认无误再拖满整列。另外，不同软件、不同版本支持的函数不完全一样，一开始就要告诉 AI 你用的是什么。

透视、出图和解读：先想清楚要问什么

透视表就是「分堆再数」

透视表听起来高深，其实就是把一大堆混在一起的记录，按某个标准分成几堆，再分别汇总。好比把一抽屉小票先按月份、再按产品分好，然后一堆一堆地加金额。让 AI 帮你设计时，可以这样问：

我想看每个月、每款产品的销售额和杯数，还想能单独筛选堂食或外卖。
请告诉我透视表的「行」「列」「值」「筛选」分别放哪个字段，值用求和还是计数，并写出操作步骤。

这里有个常见陷阱：平均数不能再平均。比如你想算半年的客单价（平均每单金额），不能把每天的客单价加起来再除以天数，而要用半年总金额除以总单数。每天的单量不同，单量少的日子会被不公平地「放大」。问 AI 时可以追一句：「这个指标的算法有没有陷阱？」

选对图，别让图「说谎」

看趋势用折线图，比大小用柱状图，看占比且类别不多时用饼图。再留意一个让图表「说谎」的常见情况：纵轴不从 0 开始，一点点差别也会被画成悬崖。

解读：现象、推测、验证分开写

把图表截图或汇总结果交给 AI，让它分三步说：

请根据这些数据，分三部分写：
1. 观察到的现象（只说数据显示了什么）；
2. 可能的原因（标明这是推测）；
3. 要验证这些推测，还需要看什么数据，或者做什么小尝试。

这样能避免最常见的误读：把「相关」当成「因果」。周末外卖多，不一定是因为周末，也可能那几个周末正好在下雨。

完整示例：奶茶店半年销售表

需求：店主阿梅想知道下个月主推哪款产品，以及周末要不要多排一个人。

1. 介绍表格：她照上面的模板描述了表格，并先删掉了顾客手机号那一列。

2. 清洗：AI 指出三个问题——日期格式不统一、「外送」和「外卖」混用、有十几行金额为空。阿梅按步骤统一了格式；空金额的行，她查了收银记录，确认是退单，于是删除。

3. 汇总：用 AI 设计的透视表，她得到每款产品每月的销售额，以及周末和工作日的「日均」杯数。之所以比日均，是因为半年里工作日的天数远多于周末，直接比总数很容易误判。

4. 出图与解读：AI 按「现象、推测、验证」写了三段。现象：两款果茶在夏季几个月明显上升；推测：可能和天气有关，也可能和当时的满减活动有关；验证：对比有活动和没活动的几周。

5. 核对：阿梅做了三件事——把透视表的总金额和原表 D 列的求和对一下；随手挑两个日期，在原表里筛出来手算一遍；请 AI 列出它的计算步骤，看看有没有把表头当成数据、有没有漏掉某个月。全部对上之后，她才定下了下个月的主推和排班。

小贴士：AI 给出的任何数字，都先问自己一句「它是怎么算出来的，我能不能在原表里找到对应」。在数据分析里，一个算错的数比没有数更危险。

本节要点

• 大模型不是计算器，直接让它心算大量数字容易出错，结果一定要核对。
• 介绍表格要说清每列含义、示例几行、想回答的问题和所用软件，上传前先脱敏。
• 写公式说清「结果放哪、按什么条件、算什么」，先在几行数据上验证再拖满。
• 透视表就是「分堆再数」；平均类指标要用总量相除，别把平均数再平均。
• 解读时把现象、推测、验证分开，别把相关当成因果。