AI 分析資料

Can You Analyze Data with AI Without Knowing Excel? Start by Understanding Its Limits

內容目錄

很多人聽到「資料分析」，腦中立刻浮現 Excel 函數、樞紐分析表、公式、圖表，還有一堆看不懂的欄位。

所以看到 AI 工具說….

上傳 Excel，AI 幫你分析資料。
不會公式也能做報表。
一句話找出業績問題。

很容易覺得，自己終於可以跳過 Excel 了。

雖不會 Excel，你仍然可以用 AI 做一些資料整理與初步分析；但 AI 不會自動把一份混亂資料變成可靠結論。

它能幫你讀欄位、整理格式、提出觀察方向、寫公式、做摘要、產出圖表草稿。

但它不能替你確認資料是否完整、定義是否一致、數字是否正確，更不能在不知道公司背景的情況下，直接判斷「業績為什麼下滑」或「哪個客戶最值得經營」。

所以這篇不是教你把 Excel 丟給 AI 後，等它告訴你答案。

而是帶你先理解：AI 在資料工作中能做到哪裡、不能做到哪裡，以及不會 Excel 的人該怎麼開始。

先別急著上傳 Excel：你想回答什麼問題？

資料分析不是把檔案交出去，叫 AI「幫我分析」，一份 Excel 可能有上千列資料，但如果你沒有先說明要找什麼，AI 只能猜。

同一份銷售資料，有人想知道….

哪些商品賣得最好？
哪個月份營收下滑？
哪些客戶最近沒有回購？
哪個通路的退貨率比較高？
促銷活動有沒有帶來新客？
業務同仁的銷售表現是否有差異？

這些問題需要看的欄位、計算方式與判斷標準都不同。

所以在請 AI 分析資料前，先用一句話寫下你的問題：

我想知道什麼？
我要用什麼資料判斷？
看完後要做什麼決定？

比起

幫我分析這份報表。

你可以說….

這份資料是今年 1 月到 6 月的訂單紀錄。請先統計每個月份的訂單數、營收與平均客單價，再告訴我哪幾個月份有明顯變化。請把資料中直接算得出的結果與可能原因分開，不要自行假設原因。

這不是複雜提示詞。

只是先讓 AI 知道：資料是什麼、你要比較什麼，以及哪些地方不能亂猜。

不會 Excel，AI 可以先幫你做哪些事？

如果你剛開始接觸資料，AI 最有用的地方通常不是直接替你做「高階分析」。而是幫你處理那些本來就很花時間、又容易讓人卡住的第一步。

1. 看懂這份資料有什麼

拿到別人整理的 Excel 或 CSV 檔時，第一個困難常常不是計算，而是看不懂。

欄位名稱可能是縮寫，資料格式也不一致。你不知道每一欄代表什麼，不知道哪些是日期、哪些是金額，也不知道哪些欄位可以拿來比較。

這時可以先請 AI 做資料盤點：

請先閱讀這份資料的欄位名稱，說明每一欄可能代表什麼。
請列出可能影響分析的問題，像是空白值、重複資料、日期格式不一致、金額欄位不是數字等。
不確定的欄位請標示「需要確認」，不要自行定義。

這一步很重要。

因為 AI 可以根據欄位名稱猜測，但你必須確認猜得對不對。

「Amount」可能是訂單金額，也可能是成本；「Date」可能是下單日，也可能是出貨日；「Customer」可能是一個客戶名稱，也可能只是系統代碼。

欄位意思一開始就搞錯，後面算得再漂亮也沒有意義。

2. 協助整理混亂資料

資料常見的問題，不是沒有數字，而是數字不能直接使用。

同一個縣市可能同時寫成「台北市」、「臺北市」、「台北」；日期可能混用 2026/01/05、1-5-26 與文字格式；金額欄位可能含有 $、逗號或空白。

AI 可以協助你找出這些問題，並建議整理方式。

你可以用提示詞要求…..(用久了，你就會建立屬於你的提示詞了)

請檢查「地區」欄位是否有同義但寫法不同的值。
請列出所有不一致的寫法，但先不要直接修改原始資料。
另外請檢查日期欄位是否能正確排序，並標出格式有問題的列。

注意這裡的做法：先找問題，再決定要不要修改。

不要一開始就讓 AI 自動清理全部資料。

它可能把你以為不同、其實有商業意義的值合併在一起。像「一般會員」與「VIP 會員」看起來相似，卻不應該被當成同一種客戶。

3. 幫你寫 Excel 公式

AI 最實用、也最不神奇的一種用法，是幫你把想做的事翻成 Excel 公式，你不一定要背 SUMIFS、COUNTIF、XLOOKUP 或日期函數。

你可以直接描述你的需求：

我的 A 欄是訂單日期，D 欄是金額。我想計算每個月份的總營收，請告訴我在 Excel 可以怎麼做。請提供公式，也用白話解釋公式每一段在做什麼。

或

我有兩張工作表。第一張是訂單資料，第二張是客戶名單。我想依照客戶編號，把客戶等級帶到訂單資料裡。請告訴我適合用哪種公式，並說明要先確認哪些欄位格式。

這種用法的好處是：你不是讓 AI 幫你「變出答案」，而是在學會怎麼處理下一次類似問題。

不過，AI 寫出的公式還是要自己貼進 Excel 測試。

它可能引用錯欄位、誤會工作表名稱，或因為你的 Excel 版本不同而提供不適用的公式。

4. 做初步統計與圖表方向

當資料已經整理到基本可用，AI 可以幫你先做一些常見計算：

每月總額、平均值、中位數
各分類的數量與占比
前幾名與後幾名項目
成長或下降幅度
異常高低值
簡單分群
適合用長條圖、折線圖或圓餅圖呈現的資料

你可以請它用明確格式輸出：

請依月份統計訂單數、營收、平均客單價，整理成表格。
接著指出變化最大的兩個月份。
請只根據資料描述變化，不要猜測業績變化的原因。
最後建議我應該用哪一種圖表呈現，以及圖表標題可以怎麼寫。

這會比一句「幫我做報表」更有用。

因為你保留了判斷權，也讓結果比較容易核對。

AI 能做資料分析，不等於它知道你的生意

資料會告訴你「發生了什麼」，但不一定能直接告訴你「為什麼發生」。

假設某個月營收下降，AI 可能列出幾個可能性：

訂單數減少
平均客單價下降
某類商品銷售變少
高單價客戶沒有下單
退貨或取消訂單增加

這些是值得繼續查看的方向。

但 AI 不知道你當月是否缺貨、是否停止投放廣告、是否遇到連假、是否調整價格、是否有競爭對手促銷，也不知道資料是否漏了某個通路。

所以看到 AI 寫：

營收下降是因為客戶對產品失去興趣。

這種句子要特別小心。

如果資料裡沒有顧客回饋、流失原因、競品資訊或市場調查，AI 沒有足夠證據說出這個結論。

比較可靠的寫法應該是：

4 月營收較 3 月下降 18%，主要來自訂單數減少。資料本身無法判斷訂單數下降的原因；建議進一步比對廣告投放、庫存、價格、網站流量與活動紀錄。

前者是看似有洞察的猜測。後者才是能幫你往下查的分析。

表格一｜不會 Excel 時，AI 可以幫到哪裡？

工作階段	AI 可以協助	你必須自己確認
看懂資料	說明欄位、找出可能的資料型態與缺漏	欄位真正定義、資料來源與時間範圍
清理資料	找出格式不一致、空白值、重複值與異常資料	哪些資料能合併、刪除或修改
寫公式	根據需求建議 Excel 公式、解釋公式用途	欄位位置、公式結果與 Excel 版本是否適用
做統計	計算總和、平均、比例、排名與變化	計算邏輯、資料是否完整、是否有漏算
做圖表	建議圖表類型、整理圖表標題與重點	圖表是否誤導、軸線與單位是否正確
找問題	提出值得追查的異常、差異與趨勢	原因是否有證據支持，不能把推測當結論
寫報告	將統計結果整理成摘要與簡報初稿	最終結論、商業判斷與對外發布內容

資料分析最常見的錯誤，不是公式不會寫

初學者很容易把注意力放在「我不會 Excel」上。但真正在工作中造成問題的，往往不是公式，而是資料本身和問題定義。

把不同單位的資料放在一起比較

你看到 A 商品營收比較高，不一定代表它賣得比較好。

它可能單價高、銷售量少；B 商品營收較低，卻有更高毛利或更高回購率。

同樣地，不同月份的資料也不一定能直接比較。2 月天數較少、促銷檔期不同、資料截止日不同，都可能影響結果。

AI 可以幫你算，但它不會自動知道哪些比較不公平。

沒有先確認資料是否完整

一份「今年營收」資料，可能少了實體門市、某個電商平台，或只包含已付款訂單，沒有包含退貨。

如果你不知道資料範圍，就可能得到一個看似精確、實際上不完整的結論。在開始前，至少確認…..

資料從哪裡來？
包含哪段時間？
有哪些通路或部門？
缺少哪些資料？
一列資料代表一筆訂單、一個商品，還是一位客戶？
金額是含稅、未稅、折扣前，還是折扣後？

把相關當成原因

假設你發現「廣告費增加的月份，營收也增加」。

這不代表廣告費一定造成營收增加。

可能同時剛好遇到節慶、促銷、商品上市，或市場需求變高。

AI 很容易寫出聽起來合理的因果關係，但資料如果沒有設計好，通常只能先說「兩者同時發生」，不能直接說「前者造成後者」。

只看平均值，忽略分布

平均客單價上升，可能是每位客人都多買了一點；也可能只是剛好有一筆超大訂單拉高平均。

這時中位數、訂單數、最大值與最小值，都可能比平均值更值得看。

你不必一開始就學所有統計方法，但要記得：一個數字很少能代表整體。

不要把公司資料直接丟進公開 AI

Day 8 談過，上傳圖片前要先看敏感資料。

資料檔案更要小心。

一份 Excel 可能包含客戶姓名、電話、Email、地址、訂單紀錄、員工績效、薪資、成本、供應商報價，甚至帳務資訊。

這些資料不是因為「我只是請 AI 幫忙算一下」就適合上傳到任何雲端服務。

在使用前先確認：

公司是否允許將資料上傳到外部 AI 工具？
你使用的是個人帳號、團隊帳號，還是公司核准的環境？
平台如何處理上傳資料？是否有資料控制或不供訓練的設定？
你是否真的需要完整資料？能不能先刪除姓名、電話、Email、地址與訂單編號？
能不能只上傳彙整後的資料，而不是每一筆原始紀錄？

如果你只是想看每月營收變化，就不需要提供每位客戶的姓名與聯絡方式。

如果你只是想比較商品銷售，就不需要上傳員工資料。

給 AI 的資料越少、越符合任務需要，風險通常越低。

想讓 AI 幫你分析，先用這個提問框架

你可以把需求拆成五個部分：

這份資料是什麼？
資料來源、時間範圍、一列代表什麼。
我要回答什麼問題？
是比較、統計、找異常，還是整理報告？
哪些欄位重要？
哪一欄是日期、金額、分類、客戶或狀態？
要怎麼輸出？
需要表格、公式、圖表建議，還是文字摘要？
哪些事不能猜？
不要自行補資料、不確定請標示、原因與事實分開。

可以直接使用這個版本：

這份資料是＿＿＿，時間範圍是＿＿＿。每一列代表＿＿＿。
我想回答的問題是＿＿＿。
請優先使用＿＿＿、＿＿＿、＿＿＿欄位。
請先檢查資料是否有空白值、重複值、格式不一致或不合理數字，再告訴我需要確認的地方。
接著請用表格整理結果。
請把「資料中直接可見的結果」與「可能需要進一步查證的推測」分開，不要自行補資料。

這個框架的重點不是讓你寫得像工程師。

而是避免 AI 一開始就幫你腦補一份漂亮、但不可靠的分析報告。

看到 AI 分析結果後，先檢查這些事

AI 告訴你的內容	先問自己什麼
「某月份表現最好」	是營收最高、訂單最多、毛利最高，還是成長率最高？
「某商品表現不佳」	是賣得少、營收低、退貨多，還是毛利低？比較基準是什麼？
「某客群值得經營」	資料是否真的有客群定義、回購率、成本與利潤資料？
「發現異常數字」	是資料輸入錯誤、一次性事件，還是真正的商業異常？
「某因素造成業績下降」	資料能證明因果關係嗎？還是只看到同時發生？
「建議加大某項投入」	是否考慮成本、資源、風險與實際執行條件？
「這份資料沒有問題」	AI 是否真的檢查了空白、重複、格式與資料範圍？