目录
课程简介
数据分析是企业决策的核心，AI 让数据分析变得前所未有的容易。这门课程将带您掌握用 AI 进行数据分析的技巧，从 ChatGPT 到 Excel Copilot，从数据清洗到预测分析，让您用 AI 快速获得数据洞察。
学习目标：
- 了解 AI 数据分析工具
- 掌握 ChatGPT 数据分析技巧
- 学会用 Excel Copilot 和 Sheets + Gemini
- 理解数据清洗和图表生成
- 建立企业数据分析工作流
19.1 AI 数据分析工具概览
为什么学_this？
选择合适的 AI 工具是数据分析的基础。
核心教学
主流 AI 数据分析工具：
ChatGPT
- 自然语言分析
- 数据解读
- 报告生成
- 通用性最强
Excel Copilot
- 整合 Excel
- 自然语言分析
- 公式生成
- 适合 Excel 用户
Google Sheets + Gemini
- 整合 Sheets
- 数据分析
- 图表生成
- 适合 Google 用户
Python + AI
- 进阶分析
- 自动化
- 自订模型
- 适合技术用户
BI 工具（Power BI、Tableau）
- 专业视觉化
- 大数据分析
- 仪表盘
- 适合企业级
商业范例
一家拥有 12 间分店的中型连锁健身中心，过去每周靠人手汇整会员出席与续约数据，耗时逾 10 小时，且教练流失率偏高、续约决策总是慢半拍。
- ChatGPT：自动解读每周会员流失名单并生成挽留话术，客服跟进效率提升 40%。
- Excel Copilot：整理各分店出席与续约明细，报表制作时间由 8 小时缩至 1.5 小时。
- Power BI：建置月度续约与营收仪表盘，管理层决策周期由 7 天缩短至 2 天。
- 三者串接后，整体续约率于一季内由 62% 提升至 71%。
小技巧
- 先从 ChatGPT 着手，上传 CSV 后直接问“帮我算出各月营收成长率”。
- 用 Claude 处理长财报时，贴上原文并要求“整理成三栏表格：项目、金额、年增率”。
- 把 ChatGPT 产出的分析结论丢进 Notion，建立可重复套用的分析笔记模板。
- 若需每日更新报表，用 Zapier 串接 Google Sheets 与 ChatGPT 自动生成摘要。
- 要快速做图表，把整理好的数据贴进 Canva，套用图表模板输出简报。
练习题
本节摘要
- 工具：ChatGPT、Excel Copilot、Sheets + Gemini、Python、BI
- 从 ChatGPT 开始，最通用
- 根据需求选择组合
你是 [行业] 的资深顾问，服务过 100+ 间同类型中小企业。
我的业务：[规模/位置/客群 一句描述]。
我最大的痛点：[描述]。
请（1）诊断根因（2）提供 3 个同业已验证的解法，按成本排序
（3）每个解法列出“第一步今天可以做什么”。
| 任务 | 传统做法 | AI 做法 | 效果 |
|---|---|---|---|
| 资料整理 | 人手复制贴上（数小时） | AI 结构化提取（分钟级） | -90% 时间 |
| 客户沟通 | 逐个回复 | AI 草稿+人审发送 | 3 倍产能 |
| 决策分析 | 靠经验直觉 | 数据+AI 多角度分析 | 减少盲点 |
| 知识传承 | 口耳相传 | AI 知识库（随问随答） | 新人上手快 3 倍 |
- 我完成了本行业的“任务×AI”评分表
- 我选择了一个本周就开始的试点任务
- 我设定了输出品质的人工检查点
- 我记录了基准时间（AI 化前后对比用）
一家同规模的中小企业用同样的三步流程（盘点→试点→复制）：第一个月选择“客户查询回复”试点，响应时间由 6 小时变 40 分钟；第二个月将成功流程复制到“报价环节”；第三个月全员培训。三个月后整体产能 +30%，而工具成本是零（全部免费版）。重点从来不是工具，是“每月一个场景”的节奏。
19.2 ChatGPT 数据分析
为什么学_this？
ChatGPT 是最容易上手的数据分析工具。
核心教学
ChatGPT 数据分析的功能：
数据解读
- 上传数据，AI 分析
- 自动发现模式
- 生成洞察报告
数据清洗
- 自动识别异常
- 处理缺失值
- 格式标准化
报告生成
- 自动生成报告
- 数据视觉化建议
- Excel 档案生成
初级分析
- 平均、中位数、趋势
- 相关性分析
- 异常侦测
ChatGPT 数据分析 Prompt：
请分析这份数据：[贴上数据]
请回答：
商业范例
一家连锁健身中心拥有 12 间分店，每月会员续约率持续下滑，但教练与店长各自解读数据，总部难以判断问题出在课程、价格还是据点。
- 做法：将 3 年会员进出、课程出席与缴费纪录贴进 ChatGPT，要求找出续约率最低的 5 个分店与时段：3 分钟定位到 2 间晚班时段流失最严重的分店。
- 做法：请 ChatGPT 交叉比对教练排班与会员流失月份：发现更换教练后 60 天内流失率高出 18%。
- 做法：要求生成各分店续约改善优先级清单：总部依此调整 4 间分店排班，试行 3 个月后整体续约率回升 7%。
小技巧
- 上传 Excel 或 CSV 后，直接输入“请用 pandas 读取此档并列出字段与前五列”。
- 若资料超过 50MB，改用 Claude 上传，或先压成 CSV 再传给 ChatGPT。
- 要图表就写“请用 matplotlib 画出各月营收折线图并标出最大值”。
- 清理资料时输入“请找出重复列与空值，并输出处理后的 CSV”。
- 把常用指令存成 Notion 范本，每次换档只改字段名称即可重复使用。
练习题
本节摘要
- ChatGPT 功能：数据解读、清洗、报告、初级分析
- 上传档案让 AI 直接分析
- 5 分钟获得洞察
19.3 Excel Copilot
为什么学_this？
Excel Copilot 让复杂的 Excel 分析变得简单。
核心教学
Excel Copilot 的功能：
自然语言分析
- 用中文描述需求
- AI 生成分析和结果
- 不需要会公式
公式生成
- 用自然语言描述
- AI 生成公式
- 自动解释
数据清洗
- 自动处理缺失值
- 去重
- 格式统一
图表生成
- 自动生成图表
- 选择最佳图表类型
- 美化图表
Excel Copilot 使用范例：
问：“计算每个月的销售增长率”
AI：“生成对应的公式和结果”
问：“找出销售额最高的 5 个产品”
AI：“排序并标记”
问：“分析这个月的趋势”
AI：“生成趋势分析和图表”
商业范例
一家年营收约新台币 8,000 万元的连锁健身工作室，旗下 5 间分店各自记录会员出席、续约与教练排班，过去店长每周得花大量时间手动合并表格，常因公式错误导致续约率误判。
- 做法：用自然语言请 Excel Copilot 合并 5 间分店的会员出席资料并标记流失风险，产出时间从每周 6 小时缩短至 40 分钟。
- 做法：以对话方式请 Copilot 计算各分店月度续约率并排序，原本需 3 小时的公式撰写缩短为 15 分钟。
- 做法：请 Copilot 依教练排班与出席高峰自动建议人力配置，热门时段人力缺口降低约 25%。
- 做法：每月请 Copilot 产出续约率与出席率趋势摘要，管理层决策会议准备时间由 5 小时减至 1 小时。
小技巧
- 在 Excel 以 “分析数据” 开启 Copilot，直接输入“依月份统计销售额并标出前三名”等具体指令。
- 问题太模糊时，改用 ChatGPT 先把需求改写成一句含字段与筛选条件的 prompt。
- 枢纽分析卡住时，把表格贴进 Claude，请它产出对应的枢纽字段配置步骤。
- 每轮追问都补上“限用现有字段、不要新增计算栏”，避免 Copilot 自行臆测。
练习题
本节摘要
- Excel Copilot：自然语言分析、公式生成、数据清洗、图表
- 不会公式也能分析
- 每月节省 15 小时
19.4 Google Sheets + Gemini
为什么学_this？
Google Sheets 用户可以用 Gemini 进行 AI 分析。
核心教学
Sheets + Gemini 的功能：
AI 分析
- 自然语言分析
- 自动生成分析
- 洞察发现
公式辅助
- 用自然语言描述
- 自动生成公式
- 简化操作
数据说明
- 选中数据，AI 解释
- 发现数据意义
- 生成报告
表格生成
- AI 生成表格
- 自订格式
- 快速制作
商业范例
一家连锁健身工作室，旗下有 6 间分店、约 40 名教练。过去每月靠人工汇整各店的会员出席率、课程续约率与教练排班，往往要花 3 天才能产出报表，总部无法实时掌握哪间店正在流失学员。
- 做法：用 Gemini 自动汇整 6 间分店的会员出席与续约资料，产出月度营运报表，人工整理时间从 3 天缩短至 2 小时。
- 做法：以 Gemini 生成各店续约率与出席率的比较图表，总部每周检视一次，提前 2 周发现续约率下滑超过 5% 的分店。
- 做法：用 Gemini 分析教练排班与课程满班率的关联，重新调整热门时段人力，平均满班率提升 12%。
- 做法：每月自动寄送各店绩效摘要给店长，节省总部约 10 小时的人工汇报工时。
小技巧
在 Google Sheets 中使用 Gemini 时，可依下列技巧提升效率：
- 选取资料范围后点击 Gemini 图示，直接输入“请总结这栏数据趋势”。
- 用具体 prompt 如“找出 B 栏中低于平均值且标红”，比模糊提问更准。
- 若 Gemini 回应过长，加上“用三点列点回答”限制格式。
- 需跨表分析时，先将资料汇入同一工作表再呼叫 Gemini。
练习题
本节摘要
- Sheets + Gemini：AI 分析、公式辅助、数据说明
- 整合 Google 生态
- 每月节省 10 小时
19.5 数据清洗
为什么学_this？
数据清洗是分析的基础，AI 能自动处理。
核心教学
AI 数据清洗的功能：
缺失值处理
- 自动识别缺失值
- 填补或删除
- 记录处理方式
异常值识别
- 自动识别异常值
- 标记和处理
- 分析影响
格式标准化
- 统一格式
- 标准化命名
- 日期统整
去重
- 识别重复数据
- 合并或删除
- 保留最完整记录
清洗 Prompt：
请清洗这份数据：[数据]
请：
商业范例
一家连锁健身中心拥有 12 间分店与 8 万名会员，教练与柜台各自用不同格式记录联络方式与到访资料，导致行销名单重复率高达三成，续约提醒经常寄错人。
- 自动去重与合并：整合 8 万笔会员资料，重复名单由 30% 降至 2%。
- 电话与地址标准化：统一 6 万笔手机格式与 1.2 万笔地址，简讯退件率从 9% 降到 1%。
- 缺漏值智慧补齐：依到访纪录推估 4,500 笔失效字段，续约名单可用率提升至 95%。
- 清洗流程自动化：原本需 3 名员工花 2 天处理，现在 15 分钟完成。
小技巧
- 上传前先用 ChatGPT 扫描缺失值与重复列，指令写“列出每栏空值比例与重复笔数”。
- 用 Claude 生成清洗脚本，prompt 附上字段名称与格式范例，直接输出 pandas 程式码。
- 把清洗规则记在 Notion 表格，标注每栏处理方式，方便下次同类资料直接套用。
- 用 Zapier 串接表单与试算表，设定入库前自动去除空白与统一分隔符。
练习题
本节摘要
- AI 清洗：缺失值、异常值、格式、去重
- 10 分钟处理 5,000+ 记录
- 养成入库前清洗的习惯
19.6 图表生成
为什么学_this？
好的图表让数据一目了然，AI 能自动生成。
核心教学
AI 图表生成的功能：
自动选图表
- 根据数据自动选择
- 趋势：折线图
- 比较：柱状图
- 占比：圆饼图
图表优化
- 自动标题
- 自动标注
- 美化配色
多种输出
- Excel 图表
- 网页图表
- 图片输出
图表生成 Prompt：
请根据这份数据生成图表：[数据]
请选择最合适的图表类型，并：
商业范例
一家中型连锁健身中心，旗下有 8 间分店，过去每周需人工汇整各店会员与营收数据，报表常延迟三天才出炉，管理层难以实时调整教练排班与促销策略。
- 做法：以 AI 自动生成各分店周营收趋势图，报表产出时间从 3 天缩短至 2 小时。
- 做法：生成会员续约率比较柱状图，协助辨识低续约分店，两个月内续约率提升 12%。
- 做法：产出课程热门度圆饼图，据此调整 5 间分店的团体课时段，平均出席率提高 18%。
- 做法：每月节省设计与制图人力约 14 小时，等同释出 0.5 名行政人力投入会员服务。
小技巧
用 ChatGPT Code Interpreter 生成互动图表的实操贴士：
- 上传 CSV 后直接写“用 Plotly 画可缩放的折线图，x 轴为月份”。
- 要互动效果就指定 Plotly 或 Bokeh，别用预设 Matplotlib 静态图。
- 图太丑时回一句“改用深色主题并加上 hover 显示数值”。
- 把产出的 HTML 下载后，用 Notion 嵌入区块贴上分享。
练习题
本节摘要
- AI 图表：自动选类型、优化、多种输出
- 数据自动转为视觉化
- 每月节省 10 小时
19.7 自然语言查询
为什么学_this？
自然语言查询让数据分析变成人人可用。
核心教学
自然语言查询的应用：
数据提问
- 用中文问问题
- AI 自动分析
- 获得答案
追问深入
- 在一轮后追问
- 深入分析
- 探索细节
情景分析
- “如果...会怎样”分析
- 预测未来
- 比较方案
自然语言查询的优势：
- 不需要掌握查询语言（SQL）
- 不需要会统计学
- 快速获得答案
商业范例
一家连锁健身房的营运主管，过去每周得等资料团队三天才能拿到会员分析，错过教练排班与续约挽回的黄金时机。导入自然语言查询后，主管直接用中文提问，系统实时回传可执行的洞察。
- 查询流失风险：输入“哪些会员两周未到馆”，30 秒捞出 1,200 人名单，续约率提升 18%。
- 评估定价策略：询问“月费降 10% 对营收影响”，模型回推需新增 320 名会员才能打平。
- 追踪课程成效：提问“哪堂课续报最高”，找出前 5 名课程，教练排班效率提升 25%。
小技巧
- 用 Claude 提问时，直接贴上字段名称与范例资料，比只说“分析销售”准确。
- 在 ChatGPT 写 prompt：“以 orders 表计算 8 月宠物食品类别销售额，与 7 月相比的增长率”。
- 把 Notion 数据库字段清单复制给模型，让它对照字段生成查询语句。
- 要求模型先输出 SQL 或 pandas 程式码，再由你在本机执行验证。
练习题
本节摘要
- 自然语言查询：数据提问、追问深入、情景分析
- 不需要 SQL 或统计学
- 越具体的提问，答案越好
19.8 预测分析
为什么学_this？
预测分析能帮助企业提前布局。
核心教学
AI 预测分析的应用：
销售预测
- 预测未来销售
- 考虑季节性
- 识别趋势
需求预测
- 预测产品需求
- 优化库存
- 避免缺货
客户行为预测
- 预测流失
- 预测回购
- 预测价值
风险预测
- 预测财务风险
- 预测市场变化
- 预测营运风险
预测 Prompt：
请根据这份历史数据，预测未来 3 个月的销售额：
[数据]
请提供：
商业范例
一家拥有 12 间门市的连锁健身中心，过去常因会员续约率波动，导致教练排班与课程采购失衡，旺季人手不足、淡季空堂过多。
- 做法：以 AI 预测各分店未来 8 周会员续约与新客趋势，准确率达 89%。
- 做法：依预测提前 3 周调整教练排班与团课数量，人力闲置降低 22%。
- 做法：针对高流失风险会员自动触发优惠提醒，续约率提升 11%。
- 做法：结合预测规划器材采购与行销预算，单店月均成本节省约 8 万元。
小技巧
- 用 ChatGPT 输入历史销量，请它标出季节性周期与异常月份。
- 在 Claude 贴上数据，要求以“先列假设、再算趋势”的 prompt 推算。
- 把市场因素整理进 Notion 表格，让模型对照调整预测值。
- 用 Zapier 每月自动把新数据送入 ChatGPT 重算，维持预测更新。
练习题
本节摘要
- AI 预测：销售、需求、客户、风险
- 准确率可达 90%+
- 提前布局
19.9 Python + AI
为什么学_this？
Python 是数据分析的进阶工具，AI 能帮助写 Python。
核心教学
Python + AI 的应用：
进阶分析
- 大数据处理
- 统计分析
- 机器学习
自动化
- 自动报表
- 批量处理
- 定时任务
自订模型
- 预测模型
- 分群模型
- 异常侦测
用 AI 写 Python：
请用 Python 分析这份数据（CSV），完成：
商业范例
一家连锁健身中心拥有 12 间分店、约 3 万名会员，过往靠人工汇整各店 Excel 报表，每月耗时 5 天且常出现数据落差，难以掌握教练课销售与会员流失状况。
- 以 Python 串接 POS 与会员系统，自动生成月营收报表：报表产出时间由 5 天缩短至 2 小时。
- 批次清理与合并跨店资料：每月处理 30 万笔交易纪录，错误率由 8% 降至 0.5%。
- 以 AI 分析会员出席与续约行为：提前 30 天预测流失风险，续约率提升 11%。
- 自动汇整教练课销售排行：每周节省 20 小时人工作业，据此调整 12 间分店排班。
小技巧
用 ChatGPT 生成 Python 程式码时，掌握以下技巧可大幅提升成功率：
- 在 prompt 中明确写出字段名称与资料格式，例如“字段为 date、sales，日期格式 YYYY-MM-DD”。
- 要求 ChatGPT 附上注解与错误处理，例如“请加上 try-except 并解释每段逻辑”。
- 把报错消息整段贴回对话，请 ChatGPT 针对该错误修正程式码。
- 用 Claude 检查 ChatGPT 产出的程式码逻辑，交叉比对降低错误率。
- 请 ChatGPT 同时输出范例资料，方便在本地先测试再套用真实资料。
练习题
本节摘要
- Python + AI：进阶分析、自动化、自订模型
- 用 AI 生成 Python 程式码
- 处理大量数据
19.10 BI 工具整合
为什么学_this？
BI 工具（Business Intelligence）是企业级数据分析。
核心教学
BI 工具的应用：
Power BI
- Microsoft 生态
- 数据视觉化
- 仪表盘
- 整合 Excel
Tableau
- 专业视觉化
- 大数据
- 进阶分析
Looker Studio（Google）
- 免费
- 整合 Google 生态
- 基础视觉化
自订仪表盘
- 实时数据
- 多维度分析
- 关键指标
商业范例
一家连锁健身品牌在全台拥有 18 间分店，过去每月靠店长手动汇整 Excel 报表，总部往往要等到隔月中旬才能掌握各店营运状况，错失调整教练排班与课程定价的时机。
- 做法：将会员进出、课程预约与教练工时资料串接至 Power BI 仪表盘，结果：总部每日上午 9 点前即可看到前一日全店营运数据，报表产出时间从 14 天缩短至 1 天。
- 做法：建立分店、课程类型与时段的多维度分析，结果：找出周三晚间冷门时段开课率仅 32%，调整后三个月内提升至 68%。
- 做法：设定会员流失率与续约率实时警示，结果：高风险会员名单提前 30 天触发，教练主动关怀使续约率提升 12%。
- 做法：每月自动生成管理层决策报告，结果：节省人工作业约 40 小时，管理层会议决策周期由两周缩短至三天。
小技巧
实操贴士
- 先用 Looker Studio 免费连接 Google Sheets，将 AI 分析结果一键视觉化。
- 把整理好的 CSV 丢给 ChatGPT，请它产生 Looker Studio 图表配置建议。
- 用 Zapier 串接 Sheets 与 Slack，数据更新时自动推播图表链接。
- 在 Notion 建立 BI 仪表盘索引页，集中管理各工具报表链接。
- Prompt 范例：“依此字段建议三种适合的 BI 图表类型与理由”。
练习题
本节摘要
- BI 工具：Power BI、Tableau、Looker Studio
- 企业级数据视觉化
- 从免费工具开始
19.11 报表自动化
为什么学_this？
自动化报表能节省大量时间。
核心教学
报表自动化的应用：
自动生成
- 定时自动生成报表
- 自动收集数据
- 自动分发
自动分发
- 邮件自动发送
- 定时发送
- 多渠道分发
自动警报
- 异常自动警报
- 阈值提醒
- 实时通知
报表自动化工具：
- Zapier：自动化工作流
- Google Sheets + Apps Script：自动报表
- Power BI：自动更新
商业范例
一家连锁健身品牌，全台 28 间分店，过去各店教练每天手动汇整会员签到与课程销售，总部往往要到隔周才能掌握营运状况。导入报表自动化后，管理层得以实时掌握各店表现并快速调整策略。
- 每日营运日报：系统于上午 7 点自动汇整各店签到率与课程销售，寄送给 28 位店长，人工整理时间由每日 90 分钟降至 5 分钟。
- 月度绩效报告：每月 1 日自动生成教练续约率与营收分析，报表产出时间由 3 天缩短至 20 分钟。
- 异常实时警报：单店单日退费超过 5 笔或签到率低于 60% 时，10 分钟内推播通知区经理。
- 会员流失预警：系统每周自动标记 30 天未到馆会员，教练跟进后回流率提升 18%。
小技巧
- 用 Zapier 设“新资料触发”，自动把 Google Sheets 新列送到报表工具。
- 在 Zapier 加 ChatGPT 步骤，prompt 写“用三句总结以下数据重点”。
- 把 ChatGPT 输出接 Notion 数据库，自动生成每周报表页面。
- 用 Canva 范本搭配 Zapier 填入数据，一键输出视觉化 PDF。
- 设定 Zapier 每日定时触发，早上九点自动寄出前日报表。
练习题
本节摘要
- 报表自动化：自动生成、分发、警报
- 工具：Zapier、Apps Script、Power BI
- 全自动化节省时间
19.12 企业数据分析工作流
为什么学_this？
建立标准化工作流确保数据分析一致。
核心教学
数据分析工作流的组成：
数据收集
- 多源数据整合
- 自动收集
- 数据品质管理
数据清洗
- 标准化处理
- 异常处理
- 品质检查
数据分析
- AI 辅助分析
- 洞察发现
- 报告生成
决策执行
- 基于洞察行动
- 追踪效果
- 持续优化
最佳实践：
商业范例
一家拥有 12 间门市的连锁健身品牌，过去教练排班与会员续约全靠店长经验判断，常出现热门时段人手不足、冷门时段空转，续约率长期低于五成。
- 每日：系统自动汇整进出场与课程签到数据，高峰时段人力调度误差由 3 小时缩短至 30 分钟内。
- 每周：AI 比对会员运动频率与合约到期日，产出流失预警清单，续约率由 48% 提升至 67%。
- 每月：更新营运仪表盘，整合各店坪效与教练产值，找出 4 间低效门市并调整课程组合。
- 每季：策略检视会议依数据决定展店与裁并，年度营收成长 18%。
小技巧
- 先用 ChatGPT 把年度目标拆成 3 个可量化 KPI，再逐步扩充。
- 用 Notion 建指标看板，每周只更新一个核心数字。
- 用 Zapier 把试算表新资料自动推送到 Slack 频道。
- Prompt 写法：给 Claude 角色、资料字段与输出格式三项。
- 用 Canva 把月度结果做成一页图表，方便复核。
练习题
本节摘要
- 数据工作流：收集 → 清洗 → 分析 → 决策
- 建立标准化流程
- 每周检视和行动
19.13 课程总结
课程总结
下一步学习
- C-20 AI 销售赋能：AI 在销售中的应用
- C-14 AI 工作流程自动化：数据 + 自动化
- C-04 AI 数据素养入门：数据基础
© 2026 Buddylala.ai — Build Your AI Future, Together.