如何使用 AI 分析数据?

AI 几乎可以用于简单分析的每个步骤:明确问题、描述数据集、建议清洗步骤、计算汇总结果、编写公式或 Python 代码、制作图表,以及起草书面解读。节省时间的主要是机械性步骤。风险则主要集中在最后一步:一段流畅的文字可能会给出数据并不支持的结论。

本指南讨论非专业分析人员的日常业务分析,例如管理者查看月度销售额、客服负责人查看工单量,以及运营协调员比较供应商交付周期。配套的 Excel AI 应用指南详细介绍了公式和电子表格清理。

AI 可以协助哪些类型的数据分析?

分析通常分为四类,AI 对每一类的帮助程度不同。问题越是从“发生了什么”转向“为什么发生”和“该怎么做”,答案就越需要人的判断和背景信息。

分析类型它回答的问题AI 能提供多大帮助
描述性发生了什么?很多:汇总、趋势、分类明细和图表,都可以核查
起点测评为什么会发生这种情况?部分可以:它能提出待验证的假设和拆分分析方式,但无法确认因果关系
预测型接下来可能会发生什么?对非专业人员帮助有限:预测需要方法和验证
决策建议型我们应该怎么做?提供初步选项;决定及其取舍仍由人来负责

ChatGPT 能做数据分析吗?

ChatGPT、Claude 和 Gemini 等通用助手可以通过两种方式协助数据分析:对你粘贴或描述的数据进行推理,以及在部分套餐中对你上传的文件运行代码。工具运行代码时,算术计算通常比用文字估算数字更可靠,但代码回答的问题仍可能与你实际想问的略有不同。请查阅供应商的最新文档,确认公司批准使用的套餐包含哪些功能。

电子表格助手是另一种选择。Microsoft 介绍,Excel 中的 Copilot 提供一种仅聊天模式,可以分析工作簿数据并提供分析见解,而不改动工作簿;Google 则表示,表格中的 Gemini 可以进行数据分析、提供见解并创建图表。Google 的页面也提醒,Gemini 可能会提供不准确的信息。无论采用哪种方式,本指南中的检查方法都适用。

如何安全地使用 AI 分析数据?

打开工具前先写下问题,准确描述数据,先问分析方法再问答案,并核实你将引用的每一个数字。以下步骤适用于大多数小企业的数据分析。

明确问题

用一句话写清:这项分析将为哪项决策提供依据,什么情况会让你改变判断?没有这句话,工具也会找出一些规律,但其中有些只是噪声。

描述数据

列、单位、时间范围、每行数据的记录方式,以及任何已知的缺失内容。让工具复述这些信息,以便发现理解偏差。

先要求提供计划

询问它打算如何回答这个问题,以及会进行哪些计算。在它生成数字之前,先修正计划。

复算关键数字

用公式、数据透视表或计算器,核查将写入摘要的两三个数字。

将发现与解释分开

先写数据反映的情况,再单独说明可能的原因,以及你会如何验证。

记录你做了什么

保留问题、数据版本、方法和核查记录,以便其他人追溯过程。

想看看这与具体岗位有什么联系吗?

了解规划中的团队试用 ↗

具有误导性的 AI 分析是什么样的?

以下示例使用虚构数据。小型订阅服务公司 Lumen Box 于 9 月 1 日提高了月度套餐价格。创始人上传了一份退订表,并提问:涨价是否导致了更多退订?数据显示,8 月初有 1,950 名有效订阅用户,当月退订 100 人;9 月初有 2,000 名有效订阅用户,当月退订 140 人。

AI 的首次回答:9月的取消数量增加了40%,这说明涨价导致了客户流失。你应该考虑撤回涨价。这段回答有三个问题。首先,40%指的是取消数量从100增至140;取消率则从约5.1%升至7.0%,上升了约两个百分点。混淆百分比和百分点是 AI 撰写的分析中最常见的错误之一。其次,两个月的数据无法证明价格变动导致了取消数量上升;9月的情况可能因其他原因而有所不同。第三,这项建议远远超出了提问范围,也超出了现有数据能支持的结论。

更好的追问提示词:仅使用上传的表格,给出八月和九月的取消率,并展示计算过程。然后按套餐类型细分九月的取消情况,因为只有月付套餐调整了价格。不要断言原因。列出还需要哪些数据,才能检验取消是否由价格调整引起。

审查后的发现:月度取消率从8月的约5.1%升至9月的7.0%。这一上升与月付套餐在9月1日的价格调整同时发生。要检验价格调整是否为原因,应将月付套餐的取消情况与价格未变的年付套餐进行比较,阅读客户提供的取消原因,并查看去年同期的数据。创始人在分享前手动核查了这两个比率。

哪些数据不应提供给 AI 工具?

除非公司已批准使用相应工具及套餐处理个人数据或机密数据,否则不要向 AI 工具提供这些数据。客户名单、员工档案、健康信息和未公布的财务业绩通常需要明确批准。用代码替换姓名有一定帮助,但如果有人能通过代码追溯到本人,数据就不算匿名。英国 ICO 指出,对于掌握识别个人所需额外信息的人而言,经过假名化处理的数据仍属于个人数据。

很多时候,你可以绕开这个问题。先汇总数据,只分享月度总数,而不是逐行明细;或者描述各列,并使用虚构的示例行来获取公式或代码,再在自己的系统内对真实数据运行。这只是一般信息,不构成法律建议;请查阅组织政策,必要时咨询数据保护负责人。

Copilot 擅长数据分析吗?

如果组织已经配备 Copilot,那么在 Excel 中使用它进行日常分析是合理的选择,因为它直接在存放数据的工作簿中运行,而且据 Microsoft 介绍,它提供一种只分析、不编辑的模式。它是否适合某项具体分析,取决于与其他工具相同的几个因素:数据是否整洁、提问是否准确,以及是否核查结果。你仍需知道合理的答案应该是什么样,不能用它代替这项判断。

如果你的团队正在比较用于分析的 AI 助手,请用一道真实、不涉及敏感信息、且你们已经知道答案的问题,分别测试每个助手。这比功能对比更能说明问题。

什么时候应该转而请分析师处理?

如果决策成本高、数据量大或杂乱,或者问题涉及因果关系、预测,或某个差异是否真实存在而非随机波动,请找分析师或受过统计学训练的人协助。AI 很容易生成一张看似笃定的图表和一段条理清晰的文字,但这并不会让背后的统计问题变简单,而非专业人员可能并不知道该向工具提出什么问题。

AI 也不能填补缺失的数据。如果回答问题所需的信息从未被记录,正确的输出应当是说明这一点,并提出收集这些信息的计划。

来源与范围

Microsoft 支持,Excel 中的 Copilot 入门,访问于 16 October 2026 ↗

Google 文档编辑器帮助,在 Google 表格中与 Gemini 协作,访问日期:16 October 2026 ↗

ICO,《假名化指南》,访问于 16 October 2026 ↗

NIST,AI 600-1:生成式 AI 风险概况,July 2024 ↗