用 AI 做資料分析：讀懂試算表、抓出重點的實際做法

它真正擅長的是「找方向」

很多人對 AI 資料分析的期待是「丟一份試算表進去，它幫我把結論寫出來」。這個期待本身沒錯，但容易忽略一個重點：AI 找到的「結論」需要驗證，不是可以直接拿去用的答案。

它真正擅長的，是在你還沒有頭緒的時候，快速掃過一堆欄位、提出「這裡的數字有點奇怪」「這個月的某個指標跟前幾個月落差很大」這類值得深入看的線索。這一步如果自己做，往往要先花時間排序、畫圖、抓異常值。讓 AI 先跑一輪，能省下這段摸索的時間。

真正的結論——這個數字為什麼異常、代表什麼意思——還是要回到人的判斷，而且精確的計算結果，最好用試算表本身的公式或程式驗證過一次再採信。

完整流程

1. 1

   先想清楚要回答的問題

   「幫我分析這份資料」太模糊，AI 會自己決定要看什麼、忽略什麼。改成具體問題，例如「哪個地區的退貨率明顯高於平均」，方向會準得多。

2. 2

   篩選出真正需要的欄位與範圍

   不要整份原始資料照丟。挑出跟這次問題相關的欄位和時間範圍，資料量小，AI 讀得完整，你核對起來也比較快。

3. 3

   讓 AI 做第一輪分析

   描述資料的欄位意義、你的具體問題，請它列出觀察到的模式與異常點，並說明是根據哪些數字判斷的。

4. 4

   抽查它給的數字

   挑幾個關鍵結論，自己用試算表公式或原始資料核對一次。這一步不能省，尤其是要拿去做決策或對外報告的部分。

5. 5

   請它協助表達，不是取代判斷

   數字核對過後，可以讓 AI 幫忙把發現整理成條列重點或給非技術主管看的說明，這部分它做得比找異常更穩。

分析用的提示詞

以下是一份資料，欄位說明：
［逐欄列出欄位名稱和意義，例如：日期、地區、銷售額、退貨數量］
資料涵蓋範圍：［時間區間、資料來源］
我想知道：［具體問題，例如「哪個地區的退貨率明顯偏高，可能的原因是什麼」］
請依照以下方式回答：

列出你觀察到的模式或異常，每一項都要說明是根據哪些數字判斷的
標出你不確定、需要更多資料才能確認的部分，不要自行推測原因
如果資料裡有缺漏或看起來不合理的數字，直接指出來，不要跳過
資料：
［貼上篩選過的資料，或描述試算表的結構］

什麼時候不該用

需要精確到小數點的計算，尤其是財務、稅務相關。 這類場景容錯率低，應該用試算表公式、專門的計算工具，或至少雙重核對，而不是信任聊天視窗給出的單一數字。

資料量遠超過工具能一次處理的範圍。 整份硬塞進去，AI 常常只讀到部分內容卻表現得像看過全部，得出的結論會不可靠。這種情況該先篩選範圍，或改用能實際讀取檔案、跑程式計算的工具。

沒有人有能力核對它的結論時。 如果團隊裡沒有人懂試算表或看得懂原始資料，沒辦法判斷 AI 講的對不對，那風險就直接吃下肚。至少要有一個人能抽查。

延伸閱讀：AI Agent 是什麼、提示詞框架、用 AI 做會議記錄。