把 CSV 直接丢给 AI 并问“帮我分析”，通常只会得到一段好听却难以复核的描述。真正有用的数据分析，需要先明确口径，再让工具执行检查、汇总和可视化，最后由人确认结论是否经得起追问。
先把问题写成可验证的任务
好的分析请求应该包含对象、时间范围、比较维度、判断标准。例如“找出 6 月订单量环比下降超过 20% 的城市，并按退款率排序”，比“看看哪些城市表现不好”更容易检查对错。
| 分析目标 | 需要的字段 | 先确认的口径 |
|---|---|---|
| 发现异常 | 日期、指标值、地区或渠道 | 异常阈值、对比周期 |
| 分组汇总 | 分组字段、数值字段 | 求和、均值还是去重计数 |
| 漏斗诊断 | 各环节人数、用户标识 | 环节顺序、去重方式 |
| 趋势判断 | 日期、指标、活动标记 | 是否排除节假日和缺失天数 |
上传前，先处理四个常见问题
- 一行只放一条记录。不要在同一张表里横向拼接几块无关的数据。
- 第一行使用明确列名。“订单金额”“退款金额”“退款后收入”不能都叫“金额”。
- 清除合并单元格、空白分隔行和手工小计。它们会让汇总把标题或小计当成数据。
- 先脱敏。分析多数业务问题不需要姓名、手机号、身份证号或完整地址。
如果你还没有一份可分析的数据表，可先了解AI 报表的常见工作方式，再按照自己的业务口径准备数据。
一轮完整的分析，分成五步做
第 1 步：结构检查。要求先列出工作表、行数、列名、缺失值、重复值和异常格式，不要急着生成结论。
第 2 步：口径确认。让它用自己的话复述指标计算方式。复述错误时，在这一步修正成本最低。
第 3 步：执行计算。分组汇总、同比环比、异常点检测应分别输出中间表；这样你能看到结论来自哪些数据。
第 4 步：图表表达。图表只服务于一个问题。趋势用折线，分组比较用条形，结构占比才考虑饼图；不要把所有指标塞进一张图。
第 5 步：人工复核。随机抽几行回到原表核算；对异常值追问原因，区分“数据录入错”和“业务真的发生变化”。
可直接复制的分析提示词
请先不要下结论，按以下顺序分析这份 CSV：
1. 列出字段、数据量、缺失值、重复值和明显异常格式；
2. 说明你对【核心指标】的计算口径，如有歧义先提问；
3. 按【地区/渠道/产品】分组，输出汇总表和环比；
4. 标出超过【阈值】的异常项，并展示支撑结论的明细；
5. 只推荐最适合回答本次问题的一张图，并解释图表结论；
6. 最后列出“已确认事实、合理推测、仍需补充的数据”。
1. 列出字段、数据量、缺失值、重复值和明显异常格式；
2. 说明你对【核心指标】的计算口径，如有歧义先提问；
3. 按【地区/渠道/产品】分组，输出汇总表和环比；
4. 标出超过【阈值】的异常项，并展示支撑结论的明细；
5. 只推荐最适合回答本次问题的一张图，并解释图表结论；
6. 最后列出“已确认事实、合理推测、仍需补充的数据”。
图表漂亮，不等于结论可靠
最常见的误判来自三处：把缺失值当作 0、把不同口径的数据直接比较、把相关性当作因果关系。遇到这些情况，要求工具展示计算方法、所用字段和筛选条件；必要时让它给出一份可复核的计算逻辑。AI 可以帮你缩短整理和探索的时间，但业务判断仍需结合活动、库存、渠道变化等真实背景。
适合从哪里开始
第一次练习不必做整套经营分析。选 50～500 行的匿名订单、投放或内容数据，只回答一个问题，例如“哪个渠道的退款率异常”。当你能复核一张表和一张图，再扩展到更复杂的周报。对于基础操作与资料处理，也可结合ChatGPT 官网使用教程逐步熟悉。
