Skip to content
On this page

用AI做Excel数据分析报告

📌 一句话总结

把 Excel 数据粘贴给 AI,告诉它你想分析什么,10 分钟内得到完整的分析报告和可视化建议。

🛠️ 用到的工具

  • ChatGPT / Claude(分析数据 + 生成报告)
  • 可选:Excel Copilot(Microsoft 365 内置,直接在 Excel 里用)

⏱️ 耗时 & 难度

  • 预计时间:10-15分钟
  • 难度:⭐ 新手友好

🎯 最终效果

一份完整的数据分析报告,包含:

  • 数据概览(样本量、字段说明)
  • 关键发现(趋势、异常、对比)
  • 可视化建议(用什么图表)
  • 结论和行动建议

📝 操作步骤

Step 1:准备数据

方式A:直接粘贴 Excel 数据

  1. 在 Excel 里选中数据区域(包含表头)
  2. Ctrl+C 复制
  3. 直接粘贴到 ChatGPT 对话框

方式B:上传文件

  • ChatGPT Plus:上传 .xlsx / .csv 文件
  • 免费版:只能粘贴文本

示例数据(销售数据):

月份,销售额,订单数,客单价,退货率
2024-01,120000,400,300,5.2%
2024-02,98000,320,306,4.8%
2024-03,145000,480,302,5.5%
...

Step 2:输入 Prompt

你是一位资深数据分析师,请帮我分析以下销售数据。

【数据】
月份,销售额,订单数,客单价,退货率
2024-01,120000,400,300,5.2%
2024-02,98000,320,306,4.8%
2024-03,145000,480,302,5.5%
2024-04,162000,520,311,6.1%
2024-05,148000,490,302,5.8%
2024-06,175000,560,312,5.3%

要求:
1. 计算关键指标(总销售额、平均订单数、平均客单价、平均退货率)
2. 分析趋势(销售额是否增长?退货率是否异常?)
3. 找出异常月份并分析原因
4. 给出可视化建议(用什么图表展示最好)
5. 给出业务建议(如何提升销售额、降低退货率)
6. 输出格式:分章节,用 Markdown 表格展示关键数据

Step 3:获得分析报告

AI 会生成类似这样的报告:

markdown
## 数据概览

| 指标 | 数值 |
|------|------|
| 总销售额 | 848,000 |
| 平均月销售额 | 141,333 |
| 总订单数 | 2,270 |
| 平均客单价 | 306 |
| 平均退货率 | 5.45% |

## 关键发现

### 1. 销售额趋势
- 整体呈上升趋势(1月 → 6月,增长 45.8%)
- 2月明显下滑(春节影响?)
- 6月达到峰值(175,000)

### 2. 异常点
- **2月销售额最低**(98,000),但退货率也最低(4.8%)→ 可能是严选客户
- **4月退货率最高**(6.1%)→ 需要排查产品质量问题

### 3. 客单价
- 稳定在 300-312 之间,波动小
- 有提升空间(对比行业平均 350)

## 可视化建议

| 图表类型 | 用途 |
|---------|------|
| 折线图 | 展示销售额 + 订单数趋势(双轴)|
| 热力图 | 展示各月份退货率分布 |
| 柱状图 | 对比各月客单价 |
| 饼图 | 展示各月销售额占比 |

## 业务建议

1. **排查 4 月退货率高的原因**(产品质量?物流?)
2. **2 月销售额低是季节性还是问题**?需要更多年份数据判断
3. **提升客单价**:交叉销售、满减活动(目标 350+)
4. **保持 6 月的增长势头**,分析 6 月做对了什么

Step 4(可选):让 AI 生成 Excel 公式

如果需要在 Excel 里自动计算,可以继续问:

请帮我生成 Excel 公式:
1. 计算销售额环比增长率(B列是销售额)
2. 判断退货率是否超标(>6% 标红)
3. 计算移动平均(3个月)

AI 会给出具体的 Excel 公式,直接复制粘贴到表格里。

⚠️ 注意事项 / 避坑

  1. 数据量限制:ChatGPT 免费版约 4k tokens,大概能处理 200-300 行数据;超过的话分批粘贴或上传文件(Plus)
  2. 敏感数据不要上传 → 脱敏后再给 AI(把真实姓名、电话换成模拟数据)
  3. AI 的计算可能出错 → 关键数字自己验算一遍
  4. 不要盲目相信趋势判断 → AI 不知道你的业务背景,结论仅供参考

🔗 相关教程

MIT Licensed