AI 做数据分析能到什么程度？能做的和做不到的

它做得好的部分，是「有明确目标的加工」，不是「无方向的洞察」。

能做的：按你指定的维度做汇总、算出同环比、找出异常值、把一堆数字转成读得懂的描述、按你的标准给数据打标签、写 SQL 或者 Excel 公式。

做不到的：知道哪个指标才真正反映业务问题、判断一个异常是机会还是风险、理解数字背后的业务含义。这些要靠你对业务的理解，它没有。

所以有效的用法是：你先提出假设，让它去验证。「上个月华东区销量下滑，是不是因为单价降了」这种问法，它能给你清楚的计算结果；「帮我分析一下销售数据」，它只能复述。

换句话说，它是个算得快、写得清的助手，不是分析师。

我现在的用法是固定三步。

第一步让它先描述数据：多少行、有哪些列、每列大概是什么范围、有没有空值。这一步很重要，很多人直接问结论，结果它读错了列，后面全错。

第二步给具体问题，越具体越好。比如「按月汇总销售额，标出环比下降超过一成的月份」，得到的是可以核对的结果。

第三步让它解释。拿到数字之后问「这几个月份有什么共同特征」，这时候它的回答才开始有价值，因为它有据可依。

跳过第一步最容易出问题。我试过一次，它把库存数量当成了销售额，算出来的结论完全离谱，而且说得很自信。

还有一点，结论要落成一句话。让它把发现压缩成「哪个指标、往哪个方向、幅度多少」，这句话才有转发和讨论的价值，否则一堆描述没人看得完。

几个必须注意的地方。

它算数不一定准。尤其是跨表关联、多条件筛选这类，偶尔会算错，重要结论要用 Excel 复核一遍。

表格太大读不全。几万行的表，它可能只读了前面一部分，然后基于这一部分给结论。要先问它读到了多少行。

合并单元格和多个表头会让它串行。上传前把表整理成一行一个记录的标准格式。

它会顺着你的话给答案。你说「是不是因为降价」，它倾向于找支持降价的证据。要问「有哪些可能的原因」，而不是「是不是这个原因」。

时间口径容易错。财年、自然年、周起始日，这些不说清楚，算出来的环比是错的。

最后，涉及具体金额和客户信息的数据，上传前想清楚是不是适合放到外部服务上。

想让分析有用，提问方式可以这样组织：

先给口径。「销售额按含税还是不含税」「月份按自然月还是财月」，这两句不写清，后面所有数字都可能对不上。

再给目标。「找出环比下降的月份并列出对应的主要客户变化」，比「分析一下销售情况」有效得多。

限定输出。「只列三条最重要的发现，每条一句话，附上支撑数字」，避免长篇描述。

要求自检。「如果数据里有空值或者异常值，指出来，不要自己补」。

追问到底。「这个结论在数据上还有什么其他解释」，用来发现自己没想到的角度。

这套提问模板我用了大半年，最有用的是第一条和第四条。前一条保证算得对，后一条保证不瞎编。