Claude怎么整理Excel

刚刚 anthropic 把 claude 装进了整个微软 office， excel、 powerpoint、 word 三件套同时正式上线。 outlook 进入公开背的 真正的卖点是跨应用的上下文衔接。 anthropic 给的典型场景，先在 outlook 里让 claude 整理收件箱，起草回复，顺手打开邮件里附的 brief 到 word。 接着让它根据 word 简报在 excel 里搭财务模型公式分布在多个 sheet， 再做成 powerpoint。 最后回到 outlook 企草评选邀请。整个流程里， clod 带着前一步的上下文走，不需要重新为材料。具体能力上， excel 里 clod 能改单元格和假设条件而不破坏现有公式。 powerpoint 里，它按你的模板排版生成原声图标，而不是塞进图片。 word 里改稿用 track changes 修改模式呈现，让你逐条接受或拒绝。 outluckily 草稿会停在草稿箱，等你点发送。定价方面，所有付费 cloud 套餐用户都能用，不需要额外掏钱。

前段时间呢，给大家分享一期视频，就是说要怎么分类整理自己电脑里面的文件夹嘛，然后留言区呢，就有一个很厉害的朋友，他分享了自己超绝整理文件的一个技巧，他呀是会专门的建一个 excel， 把我们所有的文件夹的目录都放到 excel 里面，就用超链接就可以直接链接到每一个文件夹了，速度真的很快，给你们演示一下吧， 点击二零二六的文件，你看电脑是不是直接就跳转到对应的文件夹了，同样我点击零一收发文，零二会议资料是不是也马上就打开，这个文件夹的速度是不是直接拉满了？ 而且这个方法非常的简单，我给你们演示一下吧。首先呢，我们先新建 excel， 找到你想要链接的那个文件夹，比如说我现在要做一个二零二六的收发文的一个文件夹的一个快捷的点击方式，那么我就先找到这个收发文的这个文件夹，在每个文件夹它上方都是有个地址栏的，我们把它们的这个地址的路径呢直接就复制下来， 回到 excel 里面，右击选择一个超链接，在超链接的最下面的地址一栏呢，我们就把刚刚复制的那个路径链接啊直接就粘贴进去，上面显示文字的那个地方呢，我们就编辑为零一收发文 点，确定之后，你看这个单元格是不是就变成我们可以直接点击的一个入口了，点击进去就能直接跳转到当时的个文件了。同样我们的其他所有的文件夹都是可以这样去制作，以后的文件夹就是一目了然，你想去哪，你点击哪就可以了，真的非常省时间。 最后呢，真的非常感谢在评论区分享的小伙伴，如果你们还有什么更高效的文件整理办法呢？也欢迎在评论区分享给我，我们一起来提高大家的办公效率吧，拜拜！

用 excel 玩马里奥画刀盾，这你受得了吗？大家好，我是 g d 喵，一名 ai 博主，就爱看 ai 翻车。今天轮到 cloud， 我 准备了三关，难度逐步上升，准备好了一 整活。我说用 excel 给我画一只刀盾狗，我寻思要折腾几分钟吧，结果他直接秒出左手大盾，右手举剑。关键是 excel 画的有种用弹幕叼了个咕咕嘎嘎的诡异感。但是完成了加一分二， 当数据清洗。我故意整了张烂表，日期格式五花八门，金额有的代元，有的代元，直到明混着写，还有很多雷，我自己清理至少得一小时。他几秒钟表清完了，图做完了，结论和建议也直接出来了。我裂开了手搓，再快也要半小时，被他三秒钟做完加一分。第三关， 我直接说做个马里奥，几秒后，他真在 eks 二里通关了，一杠一，然后我就停下来了。 我本来是来看他笑话的，结果笑话变成我了。画画他赢，数据他赢，连陪玩都这么强！当代打工人练三年，他三分钟全干完。但奇怪的是，我还挺爽，因为我发现他抢走的全是我本来就不想干的活。 那笔九万九千九百九十九是真大单还是手滑？我判断某渠道要不要继续投。我决定下次还能用 ai 整什么花活我来想，所以别怕 ai 抢工作，他抢的是搬砖，留给你的是当包工头。我是七弟喵，我们下期见！

我发现使用打卡的用来帮我们处理这种数据表格，效果非常的不错，直接帮我们从这种文件的表格生成这种排版布局好，并且格式啊一点问题都没有，我们来看看如何实现。首先把我的表格 丢给他，然后呢把我们的提问的需求啊发送给他，让他去进行深度分析，整理成一个报告的形式啊，发送给我就可以了，过了两分钟他就直接生成好了，并 且这里有详细例举出啊内容啊，不知道大家觉得它生成的效果怎么样？如大家也想使用 dakla 的 用来写作科研，做数据分析等等，都可以点击我主页的置顶作品找到我。

收回来的表格乱的想报警，要一个一个挑，烦死了，你来吧。可以啊，也就两步， ctrl a 全选表格，鼠标放在两列的中间，变成双向十字的时候，左键双击就会自动匹配列宽行高也是一样的，双击秒调整。 接着呢，我们来处理隔行填色，先设置好前两行的式样，之后选中它们，点击格式刷，然后 ctrl 加 shift 加向下键，一键刷到底。你看，乱的表格瞬间就变清爽了，试试吧，关注我，一起优雅摸鱼！

astropack 发布了一个新功能，我花了一百美金试了一下，说实话有点离谱。昨天 astropack 发布了一个新功能，叫做 coork， 今天我打开 cloud 在 mac 上的桌面程序才看到推送啊， try coork， 简单说呢， cloud code 的 大众版，那么 cloud code 是 你需要通过终端命令行去使用的，那么 c c 本质上就是给程序员去用的，你要会敲命令行，那么现在 coork 直接把这层门槛给你卡掉了。 普通人也能让 ai 操作你电脑里的任何一个文件，包括文件夹，包括你的桌面应用程序。怎么用呢？就是呃，你授权 cloud 访问你电脑上的任何一个文件夹，它就能在这个范围内帮你读文件，改文件，甚至新建文件，包括整理啊，分类啊这些都可以。 我测试了几个场景，第一个场景呢，就是我把呃一个文件夹里面有几十张的发票，然后让他帮我转成 excel 的 表格，呃，购买房，销售房日期，还有这个发票类型，他都能提取出来，并且生成了一个 excel 的 表格，放在我的这个发票的文件夹里，时间大概两分钟跑完。表格呢，基本的数据是准确的。 呃，火车票他是识别不出来的，估计跟他反华情节有关系。第二个场景呢，就是我把一个录音文件去发给 cloud， 去用 code 去进行 呃录音的转写，然后他通过终端去在我的本地安装了一些呃，本地的一些语音识别的模型吧，然后去进行把这个文件抛给本地的这个模型，然后让他们去识别。识别出来呢，还可以啊，呃， 差不多，跟平台那种沙石平台识别的相对来讲差不太多，长颈山呢？就是我下载文件夹里面，呃，有很多的这个 pdf 截图，还有安装包堆在一起的，那么 coco 可可以按照文件类型进行自动分类，帮我新建了很多个文件夹去进行梳理整理。 那么它在对话的过程当中，我们的上下文它会类似于 coloco 的 里面的 plan 模式，去问我很多问题，比如说这些文件 我是要整理什么风格，什么类型的，然后他可以看到我的一些闲杂的电脑桌面的一些截图，是要删除还是先保留整理，那么我选择保留整理之后，在这些 plan 当中的问题得到我的确认之后，他才会进行执行。那么并且执行之前，因为这个是一个 preview 预览版本，它 prompt 系统内置的一个，比如说一个按钮，点击之后，它里面会带一句话，在执行之前需要得到我的批准，然后我批准之后他才会去执行。 啊。这个整理文件夹，这里面整理的是非常好的，因为我特意放了一张我的身份证正面，还有一张我的身份证反面，这两个属于是个人的敏感信息，然后他把这两个照片给我放到了一个文件夹里，并且打成了这个包，打成了这个包之后设置了权限密码，然后这个密码呢，我需要在 cloud 的 桌面程序里面去进行设置，那我可以输入给他，然后他去帮我设置成这个密码，这是我做了三个场景的设置，那么普通的 cloud 是 对话式的，那现在呢？如果你是 cloud 的 max 版本啊， 你可以看到桌面程序呢，分为三个标签，三个 type， 一个是 chat， 还有一个 code， 还有一个是 code， 那 么都是用一个 app 去进行实现的。 那普通的 chat 就是 对话式的，你问问题，他给你文字的回答，那么 callover 是 执行式的，他真的会动手帮你干活。呃，所以这整一个体验更像是和一个真实的人呃去对话， 更像一个智能体，而不是一个跟那个简单传统的 chat 聊天机器人去对话。说实话这公司太反滑了，如果把国内的使用门槛开放出来，用的人会更多。

你是不是还在每天做那些特别繁琐的表格整理工作？比如说把一堆图片里的文字一个个摘出来，再填到 excel 里面，又或者是把一堆重复的信息整理成表格文档素材库？我跟你说，这种活真的没必要再手工干了。我今天刚好在用口袋 x 做一个封面标题的整理工作。 我手上呢，大概有五百个封面，需要把每一张图片里面的封面标题，还有下面对应的文案标 题全部识别出来，然后整理成一个 excel 表格。这件事情如果放以前，我可能真的要一张一张点开，一条一条手动的打，而且最烦的是什么？不是他难，是他特别重复，特别消耗人一做做着人就麻了。 但今天我直接把这五百张封面全部丢进口袋子，然后只跟他说了一句话，帮我把图片里的封面标题和文案标题全部识别出来，然后整理成 excel 表格输出给我。结果不到半个小时的时间，他就直接给我整理了一份非常完整的表格，第一列是封面图片，第二列是封面标题，第三列是文案标题。我拿到之后发现这还不只是一个表格，他甚至可以直接变成我智能体的高分样本库。 因为这些标题本来就是我之前筛出来的优质封面案例，现在被整理成结构化数据之后，我就可以拿它继续去喂给智能体，让他以后帮我生成更多像爆款的标题。 然后我又顺手跟口袋说，你帮我把这份内容整理成 markdown 的 形式，方便我投喂给智能体，他也很快直接帮我就整理好了。 所以我现在真的有一个特别强的感受，很多人不是工作能力不行，而是每天被太多重复性的杂活消耗掉了。你一天里面真正有价值的时间应该花在判断、创意、策略、表达上，而不是一行一行的复制粘贴。 尤其是上班族、运营、剪辑内容、团队、自媒体人，每天都要处理大量重复信息。这种事情真的应该让 ai 去做， 你只需要把任务说清楚，把结果格式说清楚，他就能帮你把原本要消耗几个小时的事情压缩到十几分钟、半个小时。 所以现在真的不是 ai 能不能用的问题了，而是你会不会把那些最烦、最重复、最消耗人的工作交给 ai。 想知道具体怎么用 ai 提效的，可以私信我。

职场人千万别再低效，先忙公司导出的考勤记录，全部挤在同一个单元，密密麻麻堆在一起， 根本没法统计汇总，要是靠手动拆分复制粘贴，既费时间又容易出错。 今天教大家迷宫式全自动拆分考题，一键把杂乱横向考题秒变标准。纵向表格考题 文员人设零基础，看一遍就会详细实操步骤照着做就行。一、先删掉表格多余表头， 直接按 ctrl 加 t， 插入超级表格填充点确定即可。二、点击上方菜单栏数据选择从表格进入查询编辑器。 三、按住 ctrl 键不松手，选择工号姓名两列，与有部门职务也一并选中，唯独不选打卡时间列。四、取标放在已选中的表列头位置， 点击鼠标右键，选择 e 透视其他列，一秒把横向表格变成纵项。五、点击左上角文件，选择关闭 b 上载，关闭 b 上载。六、此词还是抄袭表， 点击表的任意单元格，点击表设计，选择卷望为区域 弹窗点确定变为普通表格。七、选择打卡时间整列点击数据分列，选择分割五号，点击下一步。八、打卡时间是画行隔开的，没有对印象就勾选其他， 再输入框，按 ctrl 加 g 区先软弱小点就是画行下方玉兰能看到时间已自动拆分，点击下一步，点击完成。九、按 ctrl 加 a， 全选表格字体，加出 字体颜色选择灰色居中对齐，无填充颜色，加上所有边框线。 十、修改表格分节标注日期，上午上班、上午下班，下午上班、下午 下班。以此类推，一份规整可时间统计的标准考勤就完成了。 不用复杂繁复，不用手动挨个区分，做行政文员人士的赶紧收藏，以后再遇到杂乱口型直接套用，几分钟轻松搞定。

今天直接测一个真实办公场景， cloud for excel opus 四点七，能不能在 excel 里完整处理一份销售明细？ 入口就在 excel 的 加载项里打开，开始选择加载项，搜索 cloud， 点进去以后，右侧就会出现 cloud for excel 面板。这次我没有用演示数据，而是准备了一张商品销售报表， 订单编号、日期、客户地区、销售员、品类、产品销售额、利润、支付方式都有。这种表才是日常工作里最耗时间的，字段多、行数多，还要汇总算公式，做图表人工处理很容易来回切换。 第一步，我直接让他按地区、品类、销售员月份分析销售额和利润，并生成一张汇总表。 这个等待过程其实很关键，它要先识别日期自断，再把日期归到月份。还要把地区、品类、销售员这些维度拆开，把销售额和利润作聚合。 可以看到，汇总表已经生成出来了，它不是给一段文字建议，而是真的在工作簿里新建了分析结果。地区、品类、销售员月份这些维度都已经拆开，销售额、利润利率也整理好了， 以前手工作透视表、托字段改革式，这一步基本直接省掉。接着我继续让它生成图表，阅读趋势、品类占比、销售员排名还有利率相关图表全部放到汇总页里。 这一步它不是随便画图，而是根据数据类型选图，趋势适合折现图，占比适合环形图，排名适合条形图。这里可以看到图标已经生成在表格里了。阅读趋势、品类占比、销售员排名这些结果已经能直接服务日常汇报。 然后继续补公式，我让它计算利率、复购这些指标，因为真实办公不是只看汇总，还要把分析逻辑写进单元格， 生成结果可以看到，它不是把数字写死，而是按表格自断生成公式，这样后面数据增加，结果也能继续自动计算。 接下来测试数据清洗，我让他检查退款、订单异常状态、重复订单、利润异常以及需要重点关注的数据，这段等待不是空等。对销售、运营、财务来说，最怕的就是异常藏在明细里，让 cloud 先扫一遍，能直接把排查范围缩小。 现在数据清洗和异常分析已经生成出来了，它把订单状态、退款异常指标这些内容单独整理出来，不需要人工一行一行筛 到这里。汇总、图表、公式、清洗都已经完成。接下来我再让它生成一个综合 kpi 看板，把所有关键指标集中到一张页面里。 这里注意， kpi 看板还在生成中，它需要把前面的汇总结果、公式、指标和图标重新组织成一个更适合汇报的仪表盘。 现在 kpi 看板出来了，总销售额、总利润、利率、订单数、客单价、退款占比这些核心指标都放到了最上面。下面还有月度趋势、地区、销售分布、品类占比、销售员排名。 也就是说，从原始明细到管理层能看的看板，它完整跑通了。这次 cloud for excel opus 四点七生成的结果完全没有问题。 汇总公式、清洗图标、仪表盘都可以直接替代人工，全程不到五分钟，原本要反复做透视表、写公式、插图表、搭看板的工作一次完成。对高频处理 excel 报表的人来说，这就是大大解放生产力。

就是 codex 真的 是太好用了，因为我平常会用 opc 点来记录我的一些个人的内容， 然后我一般都会画一张呃画板，上面用一个清晰的结构来放我每个文件夹的内容，但是我有写日报的这个习惯， 所以呢，我每次就会点开这个呃我的日报的文件夹，然后进入到我的日报内容当中，然后再从这个里面去完成我的日报，然后我一般会新建一个这样子的内容，比如说进来之后我会去完成我所有的内容，完成之后呢，然后我需要使用 我会进入到这个里面之后呢，然后我创建一个日报的链接，然后会口述我的内容全部都放在里面， 然后传统的是我需要把它放在嗯这木乃三里面去帮我整理一遍，之后变成一个结构化的内容，之后再放回到日报内容里面。 但是呢，我想了想，与其都这样，我不如直接用 codex 去帮我做这件事，所以我就给到他一个我的口述日报的内容，然后让他帮我整理 到这个奥布 c 店里面，然后并且放到指定对应的日报内容的这个马拉岛文件当中，然后并且以当天的日期去命名，然后是补习小组给了他之后不到两分钟的时间他就帮我把这个技能优化完了， 现在的话呢，就是他已经创建好了这个技能，以后呢，我只需要给他说你帮我整理今天的日报，然后他就会把我所有口述的内容转换成一个结构化的呃模式结构化的内容，然后再帮我整理到 opc 店里面， 然后放在对应的日期的链接里面就变得非常的简单。

这期老板 ai 管理课刚开完啊，然后现在用这个克拉扣的来整理所有的 飞书妙计。刚才同事把这几天的录像全都传到了飞书群里，然后这面呢，我就用克拉扣的 我做了一个 skill， 这个 skill 叫妙计整理，就是飞书妙计哈，你们有用过的应该知道是什么意思，就是整个视频是先上传到飞书妙计，然后我这边做了一个 skill， 就是 它能自动地去扫描，扫描所有， 比如说新的最近这几天新出现的妙计啊。你看我给他提的要求就是帮我扫描四月八号到十号三天线下课的这个妙计啊，你看他扫到了这三天一共有十八条，第一天上午这几条， 直到十号好，然后紧接着开始操作。他这个下一步操作呢，就是改名字，就他不光是在本地改名，他同时还建议把这个文件改成这个名，因为这个要符合我的起名的规范，就时间放前面，然后类别，然后后面的放。 呃，具体的一些细节，这是一共十八条，那他问我说是否确认，如果更改的话告诉他更改什么，如果不更改就确认。好，我们先确认，确认之后他就一会应该就能把目前飞书里边这些改成他新起的这些名字啊。你看 它现在开始加载了这个飞书同步工具包。呃，这个是我们自己开发的哈，这个是在那个飞书开源的 c l i 的 基础之上又做的第二轮改造，根据我们需要的功能 进行了改造。啊，又有进度了，是干到五分钟了哈，他已经把这十八篇全部改名成功，我们看一下改没改成功啊？这是之前的，咱们现在刷新一下哈。哎，改成功了，日期主题，然后这个详细的细节哈，都改成功了。 好，接下来看它下一步做什么。下一步是自动的，要归档。这个也是我的那个流程啊，要给它下载下来归档，归档之后生成每天的 readme， readme 就是 一个你可以理解为简介啊， 接下来就可以使用录音整理这个 skill 进行挨个处理了啊。对，然后像这个东西一会儿做完就要发给我们这次线下课的学员们，方便他们之后回去做一些复习。好成功。

数据透视表具备强大的数据分析功能，那么如何用数据透视表做这样的一个多条件汇总，还可以动态的查看到每一个车系他的一个销量情况。在数据源当中，我们要汇总出 相同的车系，然后车系当中相同品牌和不同车企之间的一个销量。那这样的一个怎么去进行汇总呢？首先我们从原始数据当中去创建数据透视表， 然后将透视表放在新工作表中，然后呢，我们需要依次将这三个条件拖到我们的行记录当中， 然后再将销量放到我们的值当中，然后我们再到数据透视表设计这里，将报表布局改为以表格形式显示。 那这里奥迪这些分类汇总不需要就右键取消分类汇总，德系不需这种车系汇总，也不需要也右键取消分类汇总就可以了。那这些加减号不需要，它就在数据透视表分析显示这个地方点击一下加减按钮。 然后接下来我们可以在数据透视表选项当中勾选和，并且其中排列 带数据表线带圆格，再对这个透视表的一个透视表样式进行调整，这样就可以清晰地看到了每一个车系，每个品牌，每个车型的销量， 最后再插入车系切片器，这样就可以点击不同的车系，单独看到每个车系，各品牌、各车企的一个销量情况。所以总结来讲，在数据透视表中进行多条件汇总的话，就需要将每一个 条件分别拖到我们的行标线当中，就可以进行快速的分类汇总了。好的，那咱们今天的一个分享就到这里啦。

月报呢叫做阅读指标汇总的分析报告，那它更多的是应用于深度分析不同团队阅读指标的完成情况的，当然你要想把它应用在不同团队的阅读指标完成情况，或者说不同产品的阅读指标完成情况都是可以的， 因为数据提取的逻辑呢基本相同。先来看一下关于这份模板，这份模板呢包含着五个方面，第一个呢是关于分析报告，然后有数据录入区，万年历的统计以及个月累计 都是可以植入到直接自动跳转的。先来看一下关于这份模板当中的分析报告，它是用来深度分析不同团队业务指标完成情况的， 所以呢，我们在旁边呢是包含着不同的一个团队项目当中可以罗列出我们不同的团队。那对应的数据呢，是可以直接做到自动提取的，直接提取出本月的目标，实际的金额，实际的支出量，达成率，达成情况以及自动生成达成情况的分析。一图 日销售变化的趋势图，这些数据呢都是可以做到直接的提取的。然后旁边的话是这一整个月份的一个每一天的销售情况都是可以直接做到累加的，其中绿色的部分代表着这个团队这个月份当中卖的最好的那一天， 红色的部分代表着他卖的最弱的那一天，然后模板当中会有一点点小小的黄色阴影的部分，那一天呢代表的是周六和周日。 在这里简单介绍一下关于这份模板，这份模板的话有一个特殊的地方，就是关于上方的结账周期，因为之前的话就后台就有小伙伴询问一件事情，就是不同公司的结账周期是不一样的， 那有的公司是整月结账，也就是说当月的一号到这个月的最后一天，作为他整月的结账周期。但有的公司不一样， 有的公司的结账周期呢，是从上个月的二十五号到这个月的二十四号作为他的一个结账周期。为了便于模板更灵活化的使用呢，这份模板当中添加了结账周期， 也就是说我们可以在对应的单元格当中录入结账周期，那对应的结账周期指的是上个月的十五号到这个月的十四号之间的一个数据，也就是说他是支持这样的一个逻辑哈， 也就是说当我切换不同的年份或者说不同月份的时候，那对应的日期呢，是可以做到自动生成的，那下方的话是会自动生成一个旋风图的，代表着金额跟数量之间的对比，达成情况也是可以自动显示的，绿灯代表着完成了，红灯代表着没完成， 黄灯代表着达成率在百分之八十以上。有点警戒，但是他并没有完成这样的一个数据情况。那这份模板当中所有的数据呢，是在数据录入区当中录入的， 也就是说前方的分析报告呢，是不需要录入数据的，所有的数据是在这份资料当中录入的。录入数据呢，相对来说也并没有很复杂，只包含着对应的日期，对应的项目，呃，是什么公司或是什么产品，以及对应的数量跟金额就可以。第三份呢是关于万年历的统计，之前有跟大家介绍过， 对于数据分析来说，我们用万年历的形式来进行对应数据的统计的话，会方便很多，因为它更加直观的知道到底是周几卖的好。然后一个月份当中哪一天销售是最好的。 在万年历统计当中呢，也是自动切换的，因为它是一个万年历嘛，所以我们可以任意切换不同的月份对应的数据呢，是可以做到自动提取的， 甚至他还可以精确到某一个团队，比方说我们现在所辖的团队当中有若干个团队，我想知道某一个团队在某一个月份啊，这一整个月的销售的话，是可以单独的选择某一个团队，然后对应的数据呢，是可以做到自动提取的。 旁边的本周汇总的话，指的是这一周的销售情况，以及这周有多少天平均每一天的销售数据。现在数据呢是虚拟生成的，当我们录入完成自己公司的真实数据之后，呈现的效果会不一样。 接下来第四份呢，是个月的目标管理，因为涉及到指标达成就会有不同团队的目标，涉及到目标的话，每一个团队每一个月份 逻辑上目标应该是不一样的。所以呢，我们可以在这一份关于个月的目标管理当中哈录入自己公司当中一到十二月份的目标情况，手动录入进去就可以了，然后前方是可以做到自动提取的。 最后一份呢是关于个月的一个统计说明，那每个月份的一个销售情况都是可以在这张表格当中直接统计的，那这份模板里面的数据呢，也是通过函数公式录入生成，我们只需要将对应的团队名称添加进去，就可以进行对应数据的提取，当然没有团队的话，数据是提取不出来。

哈喽，大家好，我是迪迪，那这个图是我用一个 excel sheet 加上我右边的这个 skills 两分钟生成的，那除了这个图标，我还做了这个图标反映出来的这些核心洞察，所以今天就带大家一起来拆解一下我是怎么样去做的。 首先带大家来看一下右边的 skills， 那 针对于 skills 怎么样去写，我们之前有分享上面的话就是一些 matter information， 包括这个 skills 的 名称是什么，它具体在什么样的场景下会触发这个 skills 呢？主要是针对于你给他一些数据，以及加上你自己想要看到的一些数据反馈的一些问题。 skills 就 能根据你数据的一个格式去选择相应的一个图标，比如说有一些变形图或者一些柱形图，散点图等等，所以它会根据你自己数据的不同，然后去匹配相对应的一个图标。那同理也会说到，有些图标是不适用于在某一些情况下用的， 在这个地方已经完全给它规划好了之后，我们就开始写了一些的表本，对于不同的一个图标的类型去针对性的写了图标的样式， 包括 line chart 应该怎么样去设置， bar chart 怎么样去设置等等。所以这个接下来就是一些排行榜。那除此之外，因为之前用的都是一些英文的一些图标，所以在后面我也会加上一些中文字体的一些配置， 这样可以更加方便于中文字体更好的去展现出来。除了表格之外，我还放了一个核心洞察，就是不同的数据它是什么样的，但是用户往往需要从数据里面知道下一步应该做什么， 所以在这个以上的一些数据里面，还给他配了一个核心洞察的表格，而每一个表格他都有一些卡片，类似的这些结论条，方便我们去更好的执行于下一步。所以这个就是整体的一个从 excel 数据到怎么样呈现不同的数据可化的一个过程。 接下来给大家看一下我头位给他一开始的这个原始数据大概长什么样子。大家可以看到这个我拉出来的一个爆品的数据， 主要我想分析这个爆品后面商家是怎么样去选优质的达人的，以及他们选达人的策略是什么样的。那在这个表格里面其实比较的混乱，他只是分成了几个类别，包括达人是谁，他们的联系方式，他们的分类是什么，国家、地区、粉丝数、销量、销售额、开始带货的时间， 以及他们的一些详情页。但是在这个庞大的数据库里面，我要精准的总结出来这个商家是怎么样去挑选他们达人的，怎么样达人更好的去卖这个爆品的。我是没有办法很快能够得出结论的。那么为了提高这部分的数据效率，我就做了 sales。 大家来可以看一下我们得到的一个结果。先第一张图里面我们可以看到它其实是一个贩类，我先不说这个爆品它是什么类别的，我们是没有办法很直观的从这个类别里面去知道这个品是什么， 其中购物与销售占到了百分之九，家居占到百分之八，美妆占到百分之七，所以它是一个贩品铺货类的一个策略，而大多数的都属于其他类，这些达人没有明确的一个垂直分布的一个展示， 那这个品其实是一个枕头，所以说如果我们也是需要去卖枕头，我们也可以采取相应的一个策略。对于这些达人的分布，我们可以选择不同行业不同垂类的，因为并没有直接的联系显示，只有在家居类和这个销售额会成为一个正比。 而第二张图我们可以看到他的横轴是粉丝数，纵轴是销售额，所以他是一个粉丝量级和销售额的一个对比图，可以看到仅显示有销量的有二百八十六个人，也就是说百分之七十他的一个达人都是一个僵尸达人，他并没有出单。 而越靠右上角这个呢应该是 k o l 的 一个转化占比，它是高粉加高销，但是大部分的其实都是在这个位置，那这个位置可以看到它其实粉丝数也并没有很多，但它销售额可以带到一个比较高的一个量级，所以它是一个 k o c 聚集的一个策略， 大部分的 k o c 它都是集中于粉丝数在这个量级的。如果说我们需要带枕头类的产品，我们也可以去效仿这个策略。 接下来来看一下第三张图，他显示的是销售额的一个帕雷托，怎么样去理解呢？其实就是头部的集中度极高，百分之十他贡献了百分之九十九点二的销售额，而前百分之二十的达人贡献了百分之九十九点的销售额，也就是说大部分的达人累积他贡献的销售额占比都是集中于前面， 所以这个是我们能够得出的结论。那后面的达人其实我们后续是可以采取一些相应的措施和策略，要么是放弃了，要么是减少去跟他们的合作，而集中去维护好头部的这些能够高出单的达人。 接下来是第四张图，是视频带货的 gpm 和直播带货的 gpm， 他 们的中位数视频是占到了二十三点九，而直播是占到了六点六，也就是说中位数大概是三倍的一个差别。那么对于枕头这个品类来说，它的视频转化率是远高于直播的转化率的。 但是其他类型的产品，比如说沙发，它的直播的 gpm 就 远高于视频的 gpm， 因为它是一个更加高客单价的一个产品，在视频里面客户去进行种草，而在直播里面，它是去进行一个割草去转化的一个过程。所以对于不同的品类，我们需要找到它相对应的一个带货模式，要么是短视频的一个带货模式，要么是直播的一个带货模式。 所以如果说我们需要去做这些不同的品类，需要采取不同的一个带货模式，接下来我也是有把这些洞察放在了这里。那一句话去总结这个爆品枕头的一个策略，它就是一个贩品类，加上海量的铺达人，加上大部分的一些 koc 以及视频带货。 所以说如果我们想要去复刻我们同行业的一些爆品，我们也可以去拆分，那除此之外，我们可以再去拆分的细一些，比如说粉丝量级，具体是在某一个行业里面，他的一个散点图的占比，又或者说我们从其他维度去分析这个品类他爆的一些特点， 不仅仅是达人端，也有可能是商品端，它的竞品端从不同的维度去分析。那么有了这个 skills 呢？只要你有相对应的一些原始数据，那么我们就能够得到一些相对应的 insights， 从而能够帮我们更好地去做出结论和策略。今天给大家分享的就是如何从一个原始的 excel 数据到我们的数据格式化。

真心建议你把浏览器里所有收藏夹全部删掉，不是因为没有用，而是因为你根本不会再打开它们。收藏夹不是知识库，是你焦虑的垃圾桶，今天告诉你一个方法，让你第一次真正拥有一篇 文章。你有没有过在浏览网页的时候呢，看到一篇文章哦，觉得它真的很有用，但是想给他收藏一下，可是收藏完成之后呢，他就再也没有被打开过。那么今天呢，我发现了一个非常非常好用的工具， app 编辑 webcubber， 它主要是把我们所有喜欢的浏览器，或者说想要收藏的网页都可以一键保存下来，在这边呢给大家安装演示一下。首先呢，进来是我们对应的 icloud 的 网址，点击添加到 com， 这边呢，它会跳转到 icloud， 我 们只要在这边点击一个添加到 com， 点击添加拓展程序， 它这边就会一键的添加到我们的设备管理系统。比方说我们打开三周课之后呢，浏览一篇新闻，包括第一款 ai 桌，支持硬件。 你看到哦，这篇文章写的还不错，想把它收藏一下，点击 obsidian webcliff， 然后就可以看到这是他所有把网页中获取到的内容了。我们点击 i to obsidian， 或者说你可以在里面改一个名字，比如说网页网页截图， 点击添加这边，你就可以看到我们完完全全，它会自动创建一个新的文件夹，并且把我们的内容完完整整的放进来，包括我们的图片，包括我们的内容，全部都会放进来。在这边呢，你完全不需要懂他是怎么操作的，让 ai 通过一些文章来帮你实现一些 新的那种创作，这就是这款插件可以带给你的魔力。当我们拿到了这篇文章，直接复制他的路径粘贴到这边来，师傅的回车直接跟他说，帮我总结提炼这 张输出可以反复调用的经验卡，新建一个文件夹， 按下回车他就会去处理这个事情了。当我们一篇文章，两篇文章、三篇文章积累的越来越多，那么他就会变成一个可以横向连接的知识图谱。每一个你放进来的网站文章，他都会给你 做一个相互关联，那么你在使用的时候，只需要按他一下你想调用的东西，再说出你的需求就可以了。

这期视频打工人必看 ai 做数据分析，这是我们在企业 ai 培训过程中遇到的最高频的需求之一，本期干货非常多，建议你来点赞收藏。 你有没有一张 excel 表格扔给 ai， 然后它生成了一份看起来非常专业的分析报告，图表漂亮，结论清晰，洞察深入。但是你有没有想过，这份报告里面的数字是真的算出来的，还是编出来的？ 可能是 ai 应用领域我觉得最难肯，但也是企业最高频的痛点之一。我呢，干了十三年的商业分析，在咨询公司干了五年，在三六零做了两年，字节做了六年多，整个数据分析和洞察是我的老本行。那过去的一年呢？我测试了市面上绝大多数的 ai 的 工具和分析的方法， 论是 ai 做数据分析可用，但是坑更多。那这一期视频呢？我不会给你演示 ai 有 多么的厉害，相反，我会把 ai 做数据分析的真实的问题一条一条的摆在你面前，然后告诉你这些问题真实存在的情况下，怎么样做出靠谱的分析。 以上都是一些实打实的学类的教训，建议你来点赞收藏。首先哈， ai 做数据分析到底有哪些根本性的问题？ 我们先从第一性原理来想这个问题哈， ai 是 什么？它是一个语言预测的系统，它的本质是预测下一个 token， 它不是计算的引擎，也不是一个数据库，也不是一个审计的工具，理解这一点，你就能理解它所有的问题的 来源。那我来给大家展示一个真实的案例，是我们的客户给我的一份用户调研的数据，四百二十六行十五列，那我策划了整个分析的逻辑，需要 ai 做五个补， 对数据进行描述性统计，进行基本的数据处理，进行相关性的分析，做数据的洞察挖掘，最后出可可化的报告。我呢，也用 deepsea、 kimmy cloud、 coat、 pycharm 的 各种工具来尝试。我们来看一下这些工具进行到整个分析的哪一步。 你可能不会想到 deepsea 在 第一步就已经挂了，这是 ai 做数据分析最主要的问题之一。数据阶段他根本就没有看完你的整 个表，大多数 ai 的 平台有上下文的窗口限制，你上传了一个十万行的销售数据表，他只看了前几千行，基于局 部的样本给你生成了一个整体的趋势分析，他不会告诉你他没有看完，他只会给你一个直接的结论。问题二，计算幻觉。他可能第一步对，但是第二步就开始 边了。一些常规的统计描述出错率是比较低的，因为这类任务相对来说简单，但是一旦涉及到多步骤的运算，比如说同比增长或者环比， ai 在 中间步骤就是有可能悄悄出错的。然后他会用一个非常流畅的语言，把错误的结论包装得非常自信，越复杂的运算越容易在中间某一步 产生幻觉，这是大家需要注意的地方。问题三，结果不稳定。也就是我们会发现 ai 做数据分析的时候，同一个问题，他可能明天的答案就是不一样的，他整个输出是有随机性的，今天你问他哪个产品线的利润最高，他给你 a， 但可能明天同样的数据，他会给你一个 b， 或者是说同一份数据，他给到的分析的结论每次都是不一样的。比如说他今天认为我们的核心人群是年轻人，明天会认为整个核心人群是一线城市的人群。 那第四个问题，不理解业务逻辑，也不理解数据的含义。如果你不告诉他你的表格中的字段之间的关系和关联，他会自己去做出一些假设，而且通常也不会说他自己做了什么样的假设，那他在分析的时候就在分析一堆他自己并不理解的符号。 所以这也是为什么我们通常要告诉他我们的业务逻辑，或者是数据之间的关联关系。问题五，基础算数也会错，加减乘除出错的概率是比较低的，但也不等于零。当数据量大，嵌套复杂的时候， ai 的 计算可能远不如一个 excel 公式。问题六，编造不存在的数据。 当数据缺失的时候，有些 a i 号会自动去填出一个合理的数字，而不是告诉你数据缺失。这是最危险的情况，因为你的报告里面混入了凭空捏造的一些数据点， 而你完全是不知情的。问题七，他缺乏对统计意义的常识。比如说我们让他做一些相关性的分析，或者是做一些分组的分析，剧烈的分析，哪怕某个分组的样本量非常低，根本不具备代表总量的代表性， 他也会一本正经的给你输出结论。这种时候我们就必须靠懂业务的人在提示词里面强行做一些限制，他才会规矩。还有问题八，安全问题。 因为我们上传到 ai 平台的数据有可能涉及到企业的敏感数据，比如说销售数据、用户的数据、财务的数据， 它是不允许上传到第三方平台的。这种情况下，我们怎么样去做数据分析呢？以上这八个点都是实际操作 ai 做数据分析过程之中遇到的问题点，你会发现这些问题它有一个共同的根源，就是 ai 是 一个语言生成的系统， 它的目标是生成听起来很合理的输出，而不是保证计算正确。这两个目标之间其实是存在着根本性的冲突的，那我们到底要怎么办呢？三个目标、三种解法理解了以上根本性的问题之后，我们就知道 ai 做数据分析存在着天然的局限，这也帮我们更明确用 ai 做数据分析的三个目标，准确、深度、安全。目前其实还没有一个方案能够完美去实现这三个目标，但是我们可以根据场景来选择。解法一、 优先保证准确我会推荐大家用 cloud for excel， 如果你需要对数据进行计算，而且你必须确保数据是对的，那我们最佳的实践实际上就是 excel 表格。 那为什么是 excel 呢？因为 excel 的 计算是非常透明的， ai 可以 帮你写公式，公式写在每一个 excel 的 单元格里，你能够看见它，能够检查它，能够追溯每一个数字的来源。这和把数据扔给 ai， 让它给你一个答案是有本质区别的， 因为 ai 给你答案是黑盒的，你不知道它是怎么算的，但是 ai 给你公式，公式在 excel 表格里运行，它是一个白盒的，每一步都是可以审计的， 所以我们要确保准确， excel 是 最佳的时间的场景。那这里我们还是用刚才的案例来给大家演示一下同样一个用户洞察的表，我们放在 excel 表格里面，这个 excel 表格里面是嵌入了 cloud 的， 让它先做。第一步，做描述性的统计，它直接会新建一个 sheet， 然后去做每一个题目的统计的结果， 并且你能够看到统计结果的公式，这意味着计算过程是足够透明，你可以回溯，能够审查。在准确性上， cloud 给你的确定性是绝对的。接下来我们要让它进行第二步，也就是数据的预处理， 这里让他对所有的题目进行交叉的分析，其实是一个特别大的计算量。我之前在市场研究公司的时候，我们是需要有专门的 d p 来做数据处理的，耗时至少是花一天的，但是 cloud 几分钟就做好了，而且能够准确地执行，并且帮助你重新生成一个 sheet， 这个是很厉害的，而且我检查了数据是完全没问题了。再进一步到第三步，我们让他做相关性的分析，这里面他会自己把计算相关性的维度和方法都尝试了， 并且主动进行显著性的检验。到这里基本的数据分析的工作其实已经进行了差不多的，接下来我们就是要去做数据的洞察和呈现的过程。 那这里我是直接让他基于所有的分析做总结的报告，他自己主动新增了一个 sheet， 然后把跨表格的结论进行了整体的分析和总结， 这是我认为保证数据分析的准确性、深度最有效的方法。 cloud code for excel 目前直接对表格进行操作的 ai 有 cloud 和 kimi， 最近千万也上了表格的 agent， 但是我自己认为嵌套在 excel 中的 cloud 做得更原生、更彻底、更透明，也意味着更可控。 那它与普通的 agent 的 最大的区别在哪里呢？我觉得，第一，它不让大模型直接来算数，可靠的，不会悄悄地去改文件。你让它去修复公式或者调整逻辑的时候， 它会优先地去展示计划修改的部分，并且解释原因，展示修改前后的公式，然后由你来审核决定是否来应用它。 所以大模型在这里只是负责去生成 excel 的 公式，而 excel 引擎去负责执行这个运算，这样是直接把数值计算的责任交给了 excel 本身。那大模型只负责写正确的公式，规避了直接让模型做算数的风险。 那 cloud for excel 的 架构的本质啊，我自己认为就是 a l m as formula generator， 然后 excel 就 as computer engine， 而人类就作为 final 的 reviewer， 而不是说让大模型端到端的去做整个数据的分析，这是我认为它控制数据分析不准确或者是控制风险的方法，这既是它的护城河，也是它能力的上限。第二点呢，我认为它是拥有跨表格的 联合分析的能力的。普通的数据分析的 excel 和工作模式就是，呃，我把数据给到模型，模型来生成结果，对吧？整个过程是在一个外部的沙箱的环境里面去运行的，跟原始的文件是脱节的。 而 cloud for excel 它的核心差异是 whatbook native。 这是什么意思呢？就是说把它的整个文件作为一个关联的系统来推理，而不是单个的单元格或者是单个的 sheet。 它直接在你的原始数据表格中做操作，做增加 sheet， 然后做跨 sheet 的 联合分析，那它能够去理解嵌套的公式以及跨多个 sheet 的 单元格的依赖的结构。那它在理解整个数据关系的时候，也考虑的是左 所有 sheet 的 上下文，这也给他提供了真正去思考逻辑关系的空间。所以简单说，普通的 ai 是 拿数据去外面分析， 而 cloud for excel 是 在数据里面思考。那第三个点，我认为它还有一个优点，就是它的边缘问题的处理机制。 cloud 能够去追踪一些无效的、空值的或循环引用等错误，并解释出了什么问题，应该怎么样去修复 且不破坏模型。其他的部分，甚至是我看到它的官方文档里面会对于一些报错有很严格的限制，它的官方文档里面写，当它的审核 agent 认为报错为零的时候，它才会输出结果。如 果不文明的时候，它会持续地去在底层做预算。我认为这些机制也能够去保证 cloud 做数据分析的时候的相对的准确性。那可能有人会说自己没有办法使用 cloud for excel， 有 没有什么替代的方案呢？有的，那我们这里给大家第二个解法，优先保证深度用 pmi。 国内目前通用平台做数据分析相对可靠的是 kimi， 为什么 kimi 相对可靠呢？相比其他的平台来说， kimi 在 处理长文本和大表格时截断率是更低的，而且它理解上下文的能力更强，上下文的窗口也更大， 意味着它能看到更多的数据并做分析。而且我们知道 kimi 有 两种模式，一种是 kimi 的 表格模式， cloud 一 样也可以在 excel 的 表格里面去做操作，并且也能够按照你的要求在表格中做预算做分析。但是它是直接在表格中输出结果的，而不是像 cloud 一 样输出的是公式。这也意味着你的整个结论都是在黑盒中的， 你需要去人工叫验它所有的数据分析的过程和结果。 timi 呢？还有一个 agent 的 模式是在沙箱的环境之中，后台有各种数据 agent 学童来操作，我直接来给大家演示一下哈。 我们还是刚才这样一个用户调研的数据的案例，我们给到 kimi， 让他来进行我们预设的五个分析步骤，那非常惊喜哈， kimi 在 这两个模式下， 整个数据的准确度是全部过关的，五个复杂的步骤跑下来完全没有失忆。最终我们能够看到他输出的报告 和可适化的分析的看法，也都达到了可以交付给客户的标准。所以我们其实想说， kimi 用来去做一些常规的数据分析肯定是没有问题的。但其实 kimi 过程中也有一些小的问题，或者是说我给到大家一些使用的建议吧。 第一是不要直接让他给你结论，要让他先描述他看到了什么数据，确认他没有截断，没有基于一些不准确的数据去做分析。 第二呢，是对一些关键的数据进行人工的抽查，把它定位为一个思考助手，而不是说计算的工具，因为它现在目前还是没有办法保证百分之百的准确的。第三个点就是它缺乏统计学意义的一些常识，所以你需要写专门的提示词进行限制，才能让它整体的输出准确而可靠。第四个点， timmy 的 表格模式，我觉得它更适合很纯粹的做数据的处理，但是偶尔会有一些格式上的 bug， 那 它的 a 整数模式更侧重于深度的洞察的挖掘， 我个人是更看重商业洞察的，所以我会建议大家首选 a 整数模式，因为它的整个思考的逻辑会严谨的多。那我们再看一下 timmy 的 整个的分析的步骤，第一步，让它做描述性的统计，完全没有问题，整体是非常准确的。 那第二步，让它进行数据的预处理，这个预处理就是做数据的交叉分析，让它对所有的题目基于特定的一些维度做交叉的数据表格，它能够帮助我们生成一个 sheet， 虽然需要花一定时间， 整个系统你下载下来整体也是没有问题的。接下来我们让他进一步做。第三步就是我们提到的做相关性的分析，这里面我们会给到他提示词，整个相关性应该怎么样去做，哎，他自己已经理解到了，所以他自己也会基于他的理解去做了整个相关性的分析，并且也给到了一些显著性检验的指标。 那接着第四步就开始让他帮我去做洞察的分析的结果，以及第五步，我进一步让他基于他整体的洞察分析的结果做出一个可适化的网页，整个分析非常的完整，还是很符合预期的。 那以上的两个方案我们其实探索了如何准确深度的用 ai 做数据分析，那么我们怎么样保证第三个点安全的做数据分析呢？那在我们做企业的 ai 培训的时候，会发现企业的管理层普 片都卡在一个死胡同，既极度渴望用 ai 挖掘数据的价值，又死死守着数据安全的红线，不敢越雷池一步。那企业其实也探索了很多的方法，但是都有一些致命的缺陷。比如说第一，把数据进行一些脱敏的处理，比如说哈，把一些列名改成指标 a， 指标 b， 但这样的脱敏处理会让他剥离了一些业务的含义， ai 只能做很低级的加减乘除，但没有任何洞察可言。 那第二个点呢，就是花重金在本地部署开源的小模型来做数据分析，那实际落地下来也会发现速度很慢，而且 ai 并不够聪明。所以这一章节我们给大家讲第三个解法，就是保证安全的情况下，怎么样去做数据分析。我们推荐的方案是本地的 python 加 ai 的 辅助， 那当我们在处理一些敏感的数据，最好的方式是数据不离开你的本地环境。你用 ai， 不 管是用 cloud 的， 用 gpt 或用其他的工具辅助帮助你去写 python 代码。然后呢，让代码在你自己的本地机器上运行， 数据不上传到任何平台。这个方法其实也非常的简单，唯一的要求是用户需要有一个 python 的 编辑器安装在本地的电脑。那整个流程就是首先你需要去描述你的需求，给到 ai， 然后 ai 帮你生成 python 的 代码，那接着呢，你去把这个代码拿到你的本地去运行，而 而且整个结果都是在本地去生成的，生成完之后，其实你自己如果想有任何的修改啊，验证啊，审查啊，你其实都是可以去做的，整个全程数据也是不会离开你的电脑的。那为什么这是相对来说最可靠的方案呢？计算由 python 来执行，不是 ai 来执行，所以准确性是有保证的。 那整个代码呢，也是可以保存、复制和分享，你可以是重复性去使用的。也就是说未来你的原始数据有了更新，你直接重新再跑一遍这个代码就可以了。第三个点，数据也是保存在本地的，安全性是可以保证的， ai 只负责把它擅长的部分，也就是把你的需求翻译成代码。但是这个方法也有一定的局限，就是有一点学习门槛，需要你能够看懂基本的 python 的 代码， 但实际上你并不需要会写，你只需要能读懂就可以。好，那我还是给大家来实操演示一下，你就会知道它的难度到底有多大，既不会过于害怕，也不会过于乐观。首先我们要下载一个 python 的 编辑器，我这里是开站，当然你也可以用别的，比如说 vs code 或者 cross。 我 知道哈，屏幕前的你可能听到我刚才说的这些词，你就想打退堂鼓了。别害怕，我保证你看完我操作之后，你就会豁然开朗。不， 不过如此，面对恐惧唯一的方法就是直面他。那我们来想象一下这个任务我们到底是怎么样去处理？首先我们的目标是让 ai 帮我们写出能够分析这些表格的代码。那这里我们的第一步其实就需要告诉 ai， 哎，我有哪些数据表？每个数据表里面有什么？数据表里面的数据结构是什么？那 这一步我们直接用 python 的 编辑器来帮我们输出，我们不需要去自己手动的去写每个表格的信息。那我们打开 python， 进入到我的工作区，我已经把原始文件放进去了， 你的原始的表格可以是一个，也可以是多个数据表，它都可以同时来处理好。这一步输入帮我们输出表格的 info 信息，我给了这样一段代码， 然后我们运行，运行后我们能看到表的基本信息了，有多少行，多少列，具体是哪些字段，对吧？然后我们来到 deepsea， 我 们跟他介绍一下背景，越详细越好。所以我是比较偷懒的，我会把所有的信息都给了他，比如说我直接把我在编程上的刚才写到的这些语句发给他， 然后把我们拿到的所有表格的 info 信息也发给他，接着跟他说我们的要求，那这个要求是什么呢？就是这一段提示词，要求他帮你输出分析的 python 代码文件，然后他会直接就给你写好代码了。 那我们直接下载好代码之后，来到 page 里面去运行，你就会直接拿到结果，他直接会把你分析的结果格式化，并且你能够看到。哎，这里是有一个看板，然后左边是有筛选去看特定的结果。 这个方法啊，很有效的地方在于 ai， 它基本上帮你做成了一个自动化的看板，后续你的原始数据有任何的更新，你重新再运行一下这个脚本就可以了。 那 ai 做数据分析不是说不能用，而是说需要用对地方，它很适合帮你思考分析的框架，把你的需求翻译为代码，但是它确实不适合承担计算和审计的职责。那把 ai 用在它真正擅长的工具， python 的 代码等等， 这才是目前来说相对可行的路径。那今天呢，给大家介绍了这三种数据分析的方法，但大家也需要注意到，这里的分析更多还是让 ai 不要出错，让 ai 能懂数据的关系，让 ai 能够安全的执行。但更多的关于洞察的部分，其实我们今天并没有详细展开， 因为它的难度是更升级的，如果第一步的准确度没有办法完整保证的话，其实洞察也没有办法真正展开。 那洞察呢，是一个更复杂的过程，也更需要对业务的理解，也需要一些特定的场景，觉得未来我们可以做一些专题来做分享。好，以上是今天的分享，如果你觉得还不错的话，可以收藏和点赞哦！我是江江，带你看懂 ai 一 线！