很多人会把一份复杂Excel数据交给 ChatGPT，然后直接说：

帮我分析一下这张表。

结果出来以后，经常会出现一种情况：

说了很多，但真正有价值的结论却不够明显。

常见表现包括：

• 每一列都分析了一点，但没有重点；
• 最大值、最小值都列出来了，却不知道意味着什么；
• 某个数字变化很大，但AI没有特别指出；
• 把普通波动当成异常；
• 看到两个指标一起变化，就直接判断存在因果关系；
• 最终生成一大段“数据分析”，却不知道下一步应该关注什么。

这类问题很多时候不是 ChatGPT 不会分析Excel。

而是：

复杂表格里信息太多，如果不先确定“哪些指标值得看”，AI很容易平均用力。

---

一、不要一开始就要求“分析整张表”

假设一份Excel里有：

• 销售额；
• 订单量；
• 客单价；
• 转化率；
• 退款率；
• 新用户数；
• 老用户复购；
• 渠道来源；
• 地区；
• 时间。

如果只说：

分析这张表。

ChatGPT很可能每个指标都提一点。

结果就会变成：

信息很多，但没有优先级。

更好的第一步是：

先判断这份数据最适合回答哪些业务问题，不要马上写结论。

例如先确定：

• 销售为什么下降；
• 哪个渠道变化最大；
• 哪个地区异常；
• 转化率有没有恶化；
• 哪些指标最值得进一步解释。

先有问题，再看数据，结论会清楚很多。

---

二、先筛核心指标，不要所有列同等重要

不同业务目标对应不同核心指标。

例如如果分析销售表现，可以优先关注：

销售额、订单量、客单价、转化率。

如果分析用户增长，则可能优先看：

新增用户、活跃用户、留存率、复购率。

所以可以让 ChatGPT 先做：

从所有字段中筛选5个最关键指标，并说明为什么值得优先分析。

这样能避免几十列数据一起展开。

---

三、先找“变化最大”的地方

复杂Excel真正值得看的，往往不是所有数据，而是：

变化明显的地方。

例如：

• 环比下降30%；
• 某渠道突然增长80%；
• 某地区退款率明显高于平均值；
• 某产品销量连续三个月下降。

这些变化比“整体平均值是多少”更值得优先解释。

所以可以要求：

先按变化幅度排序，只列出最明显的上涨、下降和异常波动。

这一步能迅速把分析范围缩小。

---

四、同比、环比和绝对值不要混着看

例如：

A渠道销售额100万，增长5%。

B渠道销售额20万，增长50%。

如果只看增长率，B更突出。

如果只看绝对值，A更重要。

所以分析时最好同时考虑：

规模 + 变化幅度。

否则很容易出现：

一个很小的业务因为增长率高，被AI判断成“最大增长点”。

但它对整体业务贡献可能仍然很有限。

---

五、异常值不一定就是问题

例如某一天订单量突然翻倍。

这当然值得关注。

但原因可能是：

• 大促活动；
• 节假日；
• 批量补录；
• 一次性大客户订单。

所以异常值应该先被标记为：

值得调查。

而不是马上被定义成：

数据异常或业务异常。

可以让 ChatGPT 输出：

异常指标 → 数据证据 → 可能原因 → 需要进一步确认的信息

而不是直接给一个确定解释。

---

六、正常波动和真正异常要区分

比如某指标平时在：

95～105之间变化。

这次变成103。

虽然和上一次不同，但可能完全属于正常波动。

如果变成150，就明显更值得关注。

所以如果有历史数据，可以让 ChatGPT 参考：

• 历史均值；
• 波动范围；
• 同期数据；
• 最近趋势。

不要只比较相邻两个数字。

这样更容易判断：

这是正常变化，还是值得调查的异常变化。

---

七、不要把相关性直接写成因果

例如Excel里发现：

广告投入增加以后，销售额也增长了。

ChatGPT很容易写：

广告投入增长带动了销售提升。

但仅凭这张表，可能还不能证明因果关系。

因为同期可能还发生了：

• 降价；
• 活动促销；
• 节假日；
• 渠道扩张；
• 新品上线。

更准确的表达应该是：

广告投入增长与销售提升在时间上同时出现，可能存在关联，但仍需要结合其他因素进一步验证。

数据分析里：

“同时变化”不等于“一个导致另一个”。

---

八、最终结论最好按重要程度排序

不要输出：

发现1、发现2、发现3、发现4、发现5……

而是可以分成：

最值得关注

对整体业务影响最大的变化。

明显异常

需要进一步调查的数据点。

次要变化

存在变化，但暂时影响有限。

这样读者能快速知道：

先看什么，后看什么。

这比平均展开所有发现更实用。

---

九、业务结论必须有数据证据

例如不要只写：

华南市场表现较弱。

最好写成：

华南地区本月销售额环比下降18%，同时订单量下降15%，是所有区域中降幅最大。

这样结论就有依据。

可以要求 ChatGPT：

每个业务结论后面必须附1—2个直接支持它的数据，不要只给抽象判断。

这能明显减少“看起来很专业，但其实很空”的分析。

---

十、可以直接使用这套Excel分析提示词

以后处理复杂表格，可以直接输入：

请不要平均分析所有字段，也不要马上写长篇总结。

请按照以下顺序处理：

1. 先说明这份数据可以回答哪些核心业务问题；
2. 从所有字段中筛选最重要的核心指标；
3. 找出变化幅度最大、排名明显变化和异常波动的数据；
4. 同时考虑绝对值和增长率，不要只看百分比；
5. 区分正常波动和真正异常；
6. 不要把相关性直接判断成因果关系；
7. 每个结论必须附对应的数据证据；
8. 最终按“最值得关注、异常数据、次要变化、待验证项”排序输出。

这种方式比一句：

分析一下Excel。

通常更容易得到真正有业务价值的结果。

---

十一、最后再问一次：“哪个结论最值得行动？”

数据分析的最终目的，不应该只是得到更多描述。

还应该知道：

哪个发现最值得继续调查或处理？

可以追加要求：

根据前面的分析，只选出3个最值得后续行动的问题，并说明为什么优先。

这样可以把一堆数据进一步压缩成：

可继续处理的重点。

---

最后

ChatGPT整理复杂Excel数据时总抓错重点，很多时候不是分析能力不足。

真正的问题是：

没有先建立指标优先级。

更有效的处理方式应该是：

先定业务问题 → 筛核心指标 → 找明显变化 → 判断异常 → 补数据证据 → 最后提炼业务结论。

复杂Excel真正需要的不是：

每一列都分析一下。

而是：

从几十个数字里找出最值得关注的几个变化，并说明它们为什么重要。

---

持续更新 ChatGPT、Codex 与大模型使用实战内容，分享 AI 工具使用技巧与常见问题排查。更多技术内容和稳定订阅渠道欢迎搜索关注账号「仙逆GPT」。