如何用AI批量清洗与分析 Excel 大数据？非程序员也能上手的自动化表格技巧

手里拿到一份几千行的表格，重复行、缺值、格式乱、单元格里还塞着备注，手工改到怀疑人生；想用 AI 又不知道从哪一步丢进去、哪一步必须自己盯。这篇按「先定目标、再清洗、后分析」的顺序，给一套不写代码也能跑通的流程，每步都配可勾选的检查项，并说清哪些数据不适合交给在线模型。

手里接到一份几千行的表，重复行、缺值、日期格式乱、备注还塞在单元格里，手工改到怀疑人生。想用 AI 接手，又卡在第一步：到底从哪儿丢进去，哪一步必须自己盯着，跑完怎么知道它对不对。这篇按「先定目标、再清洗、后分析」的顺序，给一套不写代码也能跑通的流程，每一步都配能勾的检查项。

先划一条线：AI 擅长的是分类、抽取、统一格式、写解释这类「规则明确但重复量大」的活儿；不擅长的是精确求和、跨表对账这类必须零误差的计算。把这两类活儿分开，后面每一步都不会拧巴，也更容易判断它什么时候在胡说。

先判断：这份表该不该交给 AI

不是所有脏表都值得上 AI。用「行数规模 + 脏乱程度 + 是否含敏感字段」三档来筛，比一股脑全丢给模型省事得多。规模小、结构规整、只是要算个合计的表，用表格自带的公式或数据透视更快更准；真正值得上 AI 的，是重复劳动多、规则难以用公式表达、需要理解文字内容的那类表。

• 列多且字段含义清楚，AI 才有发挥空间；列名是「字段1、字段2」这种，先补一份列含义说明再动手
• 数据里有大量手写备注、错别字、中英文混排的，AI 比公式强；纯数字、格式统一的，公式更稳
• 涉及个人信息或商业敏感条款的，先判断能不能脱敏；不能脱敏就换成本地模型，边界口径可以到站内的数据边界说明核对
• 一次只处理一类问题，别想着一个提示词把去重、补值、分类全干完，出错了根本不知道坏在哪

动手前先把目标写成一句话

「帮我分析一下这张表」是没法验收的。把它改写成一句能对照检查的话，比如「按区域和月份汇总销售额，并标出环比下降明显的月份」。目标句子定下来，输出长什么样也就定了——是补一列标签、出一张汇总表，还是写一段结论。格式先定，后面写提示词才不会来回改。

1. 写验收句把需求写成「按什么维度、算什么指标、要标出什么」的一句话，写完自己念一遍，能不能对着结果打勾
2. 定输出形态明确要补列、出汇总表还是写结论；补列的话先确定新列的名字和取值规则
3. 标出不能动的列编号、主键、日期原始值这类绝对不能改的列单独列出来，清洗时只加新列，不改原列，出错能整体回退
4. 存一份原始副本动手前先复制一份原始表留底，任何一步跑完都拿结果和它对照，这是后面所有排查的基准

这四步里最容易省掉的是留底。很多人一上手就在原表上改，改到一半发现口径理解错了，连回退的版本都没有。留副本这个动作花不了两分钟，能省掉后面几小时的返工。

把大活儿拆成 AI 能一口吃下的小步

一张几千行的脏表，直接丢给 AI 让它「清洗并分析」，结果通常是每步都做了一点、每步都不对。正确做法是拆成独立的小步，每一步单独跑、单独验：去重、补缺失、统一格式、分类打标、汇总、写结论。每步只干一件事，判断标准单一，坏了能立刻定位。

单个批次的行数和列数要控制住，太大模型容易漏行或者中途「偷懒」只处理一部分。行数多就分片跑，分片的具体思路可以参考站内批量任务的分批方法，核心是每片都带上唯一标识，方便合并后核对有没有漏。

• 每步跑完先存一份中间结果，文件命名带上步骤名和批次号，出问题能回到上一步
• 分片处理时，每片都要求模型保留原行号，合并时按行号核对总数，差一行都要查
• 同一张表的不同步骤之间不要串行依赖太多，去重和补值可以分别跑，省时间也省排查成本
• 复杂规则先拿一小片试，试通了再放全量，别一上来就全表跑

给 AI 的指令怎么写才不跑偏

指令要讲清三件事：输入表里每列是什么意思、要它按什么规则处理、返回什么格式。最常出问题的是第三条——不说返回格式，模型可能给你一段大白话解释，或者一列整齐的文本，粘回表里根本对不上。返回格式要么是「一列结果，按原行号排」，要么是「两列对照：原值、处理后」，要么是规整的 JSON。

示例指令结构：；1) 列说明：A列是订单号，B列是客户填写的地区，写法不统一；；2) 处理规则：把 B 列归一到标准省级名称，拿不准的标为待确认，不要猜；；3) 返回格式：两列，第一列是原行号，第二列是归一后的地区；；4) 先返回前 20 行让我确认，确认后再处理全量。

让模型先回一批样例行，是这套流程里最值钱的一步。二十行的结果你扫一眼就能看出规则有没有被理解对，改一句提示词重新跑，成本几乎为零；等几千行全跑完才发现理解错了，那才是真的浪费时间。

结果验一遍：三个必查动作

AI 给的结果不能直接信，尤其是批量跑出来的。三个动作按顺序做：抽样对照、总量核对、边界检查。抽样对照是随手挑几行人工做一遍，看口径和模型是否一致；不一致先改规则，别急着跑全量。总量核对是看清洗前后的总行数、求和列总额的差异能不能解释——差多少、为什么差，账对不上就先停下。

1. 抽样对照随机挑 10 到 20 行，人工按同样规则做一遍，和模型结果并排比；不一致的地方记下来，回头改提示词
2. 总量核对对比清洗前后的行数和关键数值列的合计，差异要能逐项解释；解释不了就说明中间某步丢了或重复了数据
3. 边界检查专门筛一遍空值、超长文本、中英文混排、日期格式错位这四类，它们是最容易翻车的地方
4. 异常留样把这次发现的异常行单独存一份，作为下一轮的前置检查清单，同类问题下次能提前拦下

三个动作里，总量核对最容易被跳过，也最致命。比如去重那一步，如果模型的重复判断规则比你想的宽松，它可能把本该保留的订单也合并了，行数少了但你没注意。所以行数变化必须有解释，哪怕理由只是「合并了 3 组重复」。

从干净表到结论：分析这一步怎么做

表洗干净了，分析才有意义。分析前先定指标口径：算的是金额还是单量、含不含退货、按自然月还是按账期。口径不统一，两组数据的结论必然打架，而且很难查出来是口径问题还是数据问题。定口径这件事最好写下来，放在表文件旁边，下次换数据直接沿用。

让 AI 输出时按「结论 + 依据 + 不确定性」三段来写。结论里凡是出现表里没有的数字，一律当作它编的，回表核对。要图表就让 AI 给适合的图形建议和坐标轴含义——比如趋势用折线、占比用堆叠条——具体画图还是回到表格工具里做，别让它随手给你一串编出来的数据点。

• 结论要给依据，每条结论后面附上对应的筛选条件或汇总维度，别人能复现
• 不确定性要写出来：样本量小、缺失值多、口径有歧义的地方标清楚，别硬下结论
• 同一份表换个人跑，结论应该基本一致；差太多说明口径没定死，回去补文档
• 分析结果落成一张固定的汇总表，下次更新数据只换源头，结构不动

把流程固化成可以重复用的模板

跑通一次之后，别让经验留在脑子里。把提示词、列名说明、检查清单存成一份文档，下次换数据直接套，不用重新试错。固定周期要跑的表，还要约定「谁跑、跑完给谁看、异常找谁」，否则自动化了但没人对结果负责，出了错还是回到人工救火。

失败样本集是这套流程里最容易被忽略、也最保值的东西。某个供应商名称有几种写法、某种日期格式总出错、某列偶尔混进说明文字——这些都记下来，作为下一轮动手前的预检项。积累几轮之后，你会发现大部分坑都是重复的，提前拦下的成本远低于事后返工。