刚接手一份 Excel 或一张宽表，第一反应往往是直接拉个透视表就开做，结果口径对不上、返工重来。这篇不讲函数技巧，只讲两件事：表结构该怎么搭（长表还是宽表、一行代表什么、字段怎么命名），以及把 AI 接进来时按什么顺序用才不跑偏。适合第一次独立做一份分析报表的人。
刚接手一份 Excel 或者一张宽表，很多新人第一反应是直接拉个透视表就开做，等做完交上去才被问一句「你这个数怎么和别处对不上」，然后整份返工。问题往往不在函数用错，而在表结构一开始就没定清楚。这篇只讲两件事：表该怎么搭，以及把 AI 接进来时按什么顺序用才不跑偏。
适合第一次独立做一份分析报表的人。读完你至少能回答三个问题：一行数据代表什么、字段为什么这么命名、AI 在哪一步用最省事又不背锅。涉及具体模型能力、工具价格这些会变的东西，统一到站内页面看当时的数字，别拿旧结论套新场景。
先定一行代表什么：分析表的最小结构
拿到数据先别急着算，先问清楚「一行代表一次什么」——一笔订单、一次访问，还是一条记录。这个定不下来，后面所有合计都是错的，加总出来的数看着合理其实在重复计数。定好粒度之后再谈字段怎么摆，顺序反了就会一边做一边改结构。
- 先问清粒度：一行代表一次什么，定不下来后面所有合计都不可信
- 明细表（长表）和分析表（宽表）不是二选一：明细只追加不改，分析表按维度聚合，两张表分开存
- 把时间、主体、指标三类字段在列顺序上分开摆，别人接手时看列标题就知道怎么读
- 哪张表是「唯一事实来源」要写清楚；同一指标有两个来源时，先定一个为准，另一个只做校验
| 表类型 | 一行代表什么 | 允许的操作 | 常见坑 |
|---|---|---|---|
| 明细表 | 一笔业务或一条原始记录 | 只追加，不改历史行 | 为了好看直接改原表，事后无法回溯 |
| 分析表 | 某个维度组合下的一次汇总 | 可按维度重算、可覆盖 | 粒度没写清，两张表混着加总 |
| 校验表 | 用于对数的抽样或对照 | 只读，不做加工 | 和主表放同一个文件，容易被误改 |
字段命名与口径：让半年后的自己也能看懂
命名不是审美问题，是返工问题。金额类字段要写清是否含税、是否含退款；时间类要写清是下单时间还是支付时间。这些看着啰嗦，但半年后你自己也会忘，何况是接手的人。单位尽量进字段名或单独一列，别在单元格里手写「万元」这种后缀。
- 口径说明
- 每个字段配一句说明，写清统计范围和例外情况，放在字段旁边的备注列或独立说明页
- 单位列
- 金额、比率、时长各自标明单位，别让读表的人靠猜
- 维度编码
- 维度字段用编码而不是中文全称，展示时再映射，避免同一家公司三种写法
- 时间字段
- 明确是事件发生时间还是入库时间，跨时区数据单独标注
判断标准很简单：把表交给一个没参与过的人，他能不能只看字段名和说明，独立说出每个数是怎么来的。说不出来就是口径没写死；说不出来还要问你，那就得再补一句说明。这个标准不适用于临时的一次性探索表，那种表本来就不用给别人看。
清洗顺序：先定标准再动手，别边看边改
很多人清洗是边看边改，看到不对就顺手处理一下，结果改到一半已经忘了哪几行动过。更稳的做法是先定一个固定顺序，一次过完，中途不改规则。顺序本身不复杂，难的是忍住不跳步。
- 去重先定主键，没有主键就临时拼一个；重复行往往是同一笔业务被导了两次，不是真数据。去重后记下前后行数。
- 补缺失能补的补，补不了的标出来别删，确实该丢的先单独存一份原始数据再丢。
- 统一格式与单位日期格式、金额单位、文本大小写统一一遍，这一步最枯燥也最容易漏。
- 处理异常值先别急着删，先看是不是单位混用或时区错位，删之前留一份对照方便回溯。
- 再开始算指标到这一步才动公式和汇总，前面每一步的中间结果都留着。
AI 辅助分析：按这个顺序用，别一上来就让它「分析一下」
把几万行原始数据整表贴给 AI，然后说「帮我分析一下」，这是最常见的误用。它既看不到你的业务背景，也没法验证数字，输出的结论通常正确但没信息量。更靠谱的是把它当成流程里的几个具体岗位，按顺序派活。
| 阶段 | 让 AI 做什么 | 你自己必须做什么 |
|---|---|---|
| 定口径 | 整理字段口径表和别名对照 | 逐条确认业务含义，它猜的要改 |
| 写取数 | 按你的字段说明生成公式或取数逻辑 | 自己跑一遍验证，别直接信结果 |
| 做解读 | 对算好的聚合结果找异常、写结论 | 核对结论能否对应回某个字段或某行 |
| 写报告 | 润色措辞、统一表述 | 判断哪些结论超出样本范围，删掉或加限定 |
- 涉及人名的明细、手机号、客户合同这类字段，先在本地脱敏或只给聚合结果，别整表贴进去
- 每一步都留一句「结论从哪来」：它给的说法要能对应回某个字段或某行，对不上就不能写进报告
- 它给的方法听起来合理但不一定适用你的数据量级，小样本和大表的处理方式差别很大
- 同一问题换种问法可能得到不同答案，关键结论至少换个角度再确认一次
什么情况下不适合这么用：数据量小到几十行、你自己看一眼就清楚，这时候用 AI 反而多一层转述成本；涉及合规审计的场景，AI 输出只能当草稿，不能当依据。想了解不同模型在长文本、结构化数据处理上的实际表现差异，可以到 /rankings 看当时的榜单口径，不要凭印象选。
交出去之前的自查清单
文件发出去之前花五分钟过一遍下面这几条，比事后被追问省事得多。这几条不需要复杂工具，手算加对一眼就够。
- 行数对不对：明细行数、去重后行数、最终分析表行数，三个数字心里有数
- 口径对不对：拿一个已知答案的小样本手算一遍，和表里结果比一次
- 单位和量级对不对：合计值有没有突然大十倍小十倍，那通常是单位混了
- 结论有没有越界：样本没覆盖的时间段、没覆盖的渠道，不要在结论里替它们下判断
- 来源有没有标注：每个关键结论背后是哪张表、哪个字段，写清楚
一份能被别人独立复现的分析表，比一份结论漂亮但对不上数的表有价值得多。下一步如果你正在选做分析要用哪家的接口，或者想核对不同方案的实际能力和价格口径，去站内页面看当时的数字再决定，别用旧印象下单。→
常见问题
数据量不大，用 Excel 还是得上数据库？
看两件事：行数会不会持续增长，以及是不是多人同时改同一份文件。几万行以内、单人维护，Excel 或在线表格够用；一旦要每天追加、多人协作、或者要做可复现的取数，就早点换成数据库加脚本，迁移成本越往后越高。
AI 能直接帮我做数据清洗吗？
能，但要给它规则而不是给它文件。你先定好去重主键、缺失值处理方式和单位标准，让它照着规则写公式或脚本，你再跑一遍核对。直接把原始表丢进去让它「自己看着办」，出来的标准每次都不一样，反而比手工更乱。
表格被别人接手后总是被问口径，怎么减少沟通？
把口径写进字段名和一张字段说明表里，别只放在聊天记录。说明表至少包含字段名、含义、单位、是否含税或含退、更新时间。新人有这张表能自己读懂，就不用每次都来问你。
