你花了一整天做完表，交上去。领导扫了一眼，问：”做的挺漂亮，结论是什么？”

那一刻你脑子里是空的。

因为你交的是数据，他要的是结论。

这是职场里最常见的一种落差：

• 你说”销售额是 1280 万，同比增长 23%”——他心想：那是好还是不好？
• 你说”华北下滑了”——他心想：为什么下滑？
• 你说”这是各区域的对比图”——他心想：所以我该做什么？

表格、公式、图表，这三样你前面三篇都学会了。但它们加起来只解决了”把数据摆出来”。

真正值钱的那一步，是从数据走到”所以我们该干什么”。

这一篇，专门讲怎么让 AI 陪你跨过这一步。

一、先搞清楚：分析报告到底该长什么样

一份合格的数据分析报告，回答三个问题，顺序不能乱：

第一层：发生了什么（What）

用数字说清事实。”Q3 销售额 1280 万，环比降 8%，是今年首次下滑。”

这一层最简单，会用公式和图表就能做出来。但很多人的报告写到这里就结束了——这就是被问”所以呢”的原因。

第二层：为什么（Why）

拆解原因。”下滑主要来自华北，华北降了 32%，占了整体降幅的八成；其余区域基本持平。华北的降幅集中在 8、9 两个月，且主要是老客户复购减少。”

这一层是分水岭。 大多数人卡在这里，因为拆解需要方法——而这恰恰是 AI 最能帮上忙的地方。

第三层：所以呢（So What）

给出判断和建议。”华北老客复购下滑，建议 10 月针对华北 Top50 老客做一轮回访，先摸清原因；同时暂缓华北新增投放，避免在漏水的桶里加水。”

这一层决定了你的报告有没有人看。

二、AI 看不见你的表——所以你得学会”描述数据”

这是新手最容易犯的错误：把一堆数字直接粘进对话框，然后问”帮我分析一下”。

结果 AI 给你回一段：”数据显示销售额呈现波动上升趋势，建议持续关注市场变化，加强精细化运营。”

这是正确的废话。 而且它几乎必然会出现，因为你没给它分析所需要的东西。

要让 AI 给出有价值的分析，你必须交代四样东西：

① 数据本身（结构 + 关键数字，不是全部原始数据）

不用把三千行都粘进去。把汇总后的关键数字给它就行：各维度的总计、同比环比、Top 几名、异常值。

如果你用的是支持文件上传的 AI（豆包、Kimi、通义、DeepSeek 网页版基本都支持），可以直接传 Excel 文件。 但即使传了文件，下面三条依然要说。

② 业务背景（这是 AI 最缺的）

AI 不知道你们公司 8 月换了销售总监、9 月竞品降价、Q3 有个大客户合同到期。这些它猜不出来，但它们往往就是答案。

写背景不用长，三五句话，把这段时间发生的事列一下就行。

③ 判断标准（多少算好，多少算差）

“增长 23%”是好是坏？如果目标是 40%，那就是没完成；如果行业平均是 5%，那就是大胜。没有标尺，任何数字都没有意义。

告诉 AI：目标是多少、去年同期多少、行业大概什么水平。

④ 你的疑问（你自己最想知道什么）

“我最想搞清楚的是华北到底出了什么问题”——这一句能让分析的针对性提升一个档次。

三、最大的风险：AI 会编数字（必须防）

这一节请务必认真看，它是数据场景里唯一可能让你出大事的地方。

大模型的本质是”预测下一个最合理的词”。当它算不出来、或者数据没给全的时候，它会顺着语气编一个看起来很合理的数字出来，而且写得斩钉截铁。

我见过的真实翻车：

• 让它算增长率，它给了个 18.7%，实际算出来是 12.3%
• 让它总结数据，它说”华南增长最快”，实际最快的是华中
• 让它引用行业数据，它给了一个来源”艾瑞咨询 2025 年报告”——这个报告不存在

三道锁，一道都别省：

第一道锁：数字自己算，AI 只负责解释

这是最有效的一招。 所有加减乘除、增长率、占比，在 Excel 里用公式算好，然后把算好的结果给 AI，让它只做解释和归因。

把 AI 当分析师，不要当计算器。

第二道锁：明确禁止它补充数据

在提示词里写死一句：

只能使用我提供的数据。如果某个结论需要我没给的数据支撑，直接告诉我”缺什么数据”，不要自己估算或引用外部数据。

这一句能挡掉八成的编造。

第三道锁：要求区分”事实”和”推测”

让它在输出时明确标注：哪句话是数据里直接读出来的，哪句话是它的推断。

推断可以有，但你得知道那是推断。

再补一句实操建议：报告里出现的每一个数字，你都要能在表里指着说”这个是从哪来的”。 指不出来的，删掉或者自己重算。

四、报告的标准骨架（照抄就行）

一份能交出去的分析报告，五段就够，顺序不要改：

① 一句话结论（放最前面）

领导只看这一句的概率是 70%。所以它必须包含：关键数字 + 判断 + 建议方向。

例：”Q3 销售额 1280 万，环比降 8%，降幅八成来自华北老客流失，建议 10 月优先做华北客户回访。”

② 整体情况（3~5 个关键数字）

大盘怎么样。用最少的数字说清楚，配一张图。

③ 拆解分析（这是主体）

按维度拆：区域、时间、产品线、客户类型——一般拆两到三个维度就够了。

每拆一层，回答一个问题：”问题出在哪一块？”

④ 原因判断（事实 + 推测分开写）

哪些是数据能证明的，哪些是你结合业务的推断。分开写，你的报告可信度会高一个量级。

⑤ 建议行动（具体到能执行）

• ❌ “加强华北区域管理”——这是废话
• ✅ “10 月前完成华北 Top50 老客回访，输出流失原因清单；同时暂停华北新客投放，预计节省预算 15 万”

建议要带：做什么、谁做、什么时候、大概什么代价。

五、追问三连：把”上升趋势”逼成真结论

AI 第一次给的分析，十有八九是浮在表面的。别停在第一轮，用这三问往下挖：

第一问：具体是哪一块？

“你说整体下滑，具体是哪个区域、哪个月、哪类客户贡献了主要降幅？给我一个降幅归因的排序。”

这一问把’笼统’逼成’具体’。

第二问：这个变化正常吗？

“这个降幅在历史上出现过吗？有没有季节性因素？如果去掉季节性，实际情况是什么样？”

这一问防止你把正常波动当成大事。 很多”暴跌”其实就是每年 Q3 都会跌。

第三问：如果我要采取行动，最该先做哪一件？

“基于以上分析，如果我只能做一件事，应该做什么？为什么是它而不是其他几件？”

这一问逼出优先级。 一份列了十条建议的报告等于没有建议。

这三问是通用的，任何数据分析场景都能用。 建议存到手机备忘录里。

六、完整走一遍：从表格到报告

假设你手上是一份 Q3 销售明细表。

第一步：在 Excel 里算好所有数字（20 分钟）

用数据透视表做出：分区域汇总、分月汇总、分产品线汇总、新老客对比。每个维度都算出同比、环比。

这一步不要交给 AI，你自己算，数字才可靠。

第二步：写一张”数据摘要”（10 分钟）

新建一个文本，把关键数字誊上去。大概长这样：

整体：Q3 1280万，环比 -8%，同比 +12%，目标 1400万，完成率 91%
分区域：华东 520万(+3%)、华北 210万(-32%)、华南 340万(+5%)、
        华中 210万(+8%)
分月份：7月 480万、8月 420万、9月 380万（连续两月下滑）
新老客：新客 380万(+15%)、老客 900万(-14%)

第三步：加上背景和标准，交给 AI 做分析

用下面模板一。

第四步：追问三连，往下挖两轮

第五步：让 AI 按五段骨架成稿

用模板三。

第六步：自己逐句核对数字（重要）

打开表，对照报告里每个数字。这一步花五分钟，能救你一次。

全流程大概一个半小时，其中你自己动手的部分不到一半。而在过去，这种报告写一天是常事。

七、提示词模板盒子

模板一：数据分析主提示词（核心款，先存下来）

你是一位资深数据分析师。请基于我提供的数据做分析。

【数据摘要】（我已在 Excel 中计算完毕，请勿重算或修改）
整体：[Q3 1280万，环比 -8%，同比 +12%]
分区域：[华东 520万(+3%)、华北 210万(-32%)、
        华南 340万(+5%)、华中 210万(+8%)]
分月份：[7月 480万、8月 420万、9月 380万]
分客户：[新客 380万(+15%)、老客 900万(-14%)]

【业务背景】
- [8月华北销售负责人离职，岗位空缺至今]
- [9月主要竞品全线降价约15%]
- [Q3 有两个大客户合同到期未续]

【判断标准】
- 本季度目标：[1400万]
- 去年同期：[1143万]
- 行业平均增速：[约5%]

【我最想搞清楚的】
[华北到底出了什么问题，是人的问题还是市场的问题]

【硬性要求】
1. 只能使用我提供的数据，不许自行估算或引用外部数据；
2. 如果某个结论需要我没给的数据，请直接列出"还需要什么数据"；
3. 所有结论必须标注是【数据事实】还是【推测】；
4. 不要说"呈上升趋势""建议加强精细化运营"这类空话。

【请输出】
1. 整体情况的一句话判断（含关键数字）；
2. 降幅归因排序：哪个维度贡献了主要变化，各占多少；
3. 华北问题的可能原因（分事实和推测两栏）；
4. 你认为最值得进一步查的三个方向。

模板二：追问深挖（第二轮用）

基于上一轮分析，继续往下挖：

1. 【具体到哪一块】华北的 -32%，
   请拆到月份和客户类型两个维度，告诉我降幅最集中的组合；
2. 【是否正常】这个量级的季度波动，
   在有季节性的业务里算不算异常？我该用什么方法判断？
   （如果需要我补充历史数据，请告诉我需要哪些）
3. 【优先级】如果我 10 月只能做一件事，应该做什么？
   请说明为什么是这一件，而不是其他候选项；
4. 【反方观点】请站在反方立场，
   指出我这套分析可能存在的逻辑漏洞或误判风险。

模板三：按骨架成稿（出正式报告用）

请把我们前面的分析整理成一份正式的数据分析报告。

【读者】[公司管理层，非专业背景，阅读时间不超过5分钟]
【篇幅】[1500字以内，可以用小标题和列表]
【场合】[季度经营会议书面材料]

【必须遵守的结构】
一、一句话结论（含关键数字 + 判断 + 建议方向）
二、整体情况（3~5个关键数字，说明配哪张图）
三、拆解分析（按区域和客户类型两层拆）
四、原因判断（【数据事实】与【推测】分栏，不许混写）
五、建议行动（每条包含：做什么/建议谁牵头/时间点/预计代价）

【语言要求】
- 不用"赋能""抓手""闭环"这类词；
- 每个数字后面都要能对应到我给你的数据摘要；
- 建议部分必须具体到可执行，不许出现"加强""优化""提升"这类
  没有动作的词；
- 报告末尾附一个"本报告未覆盖的问题"清单。

八、写在最后

很多人对”AI 做数据分析”的期待是：把表丢进去，等它吐出一份报告。

这个期待现在还实现不了，而且短期内你也不该指望它实现——因为它不知道你们公司发生了什么，也不为你的结论负责。

AI 在这件事上的真实价值是三个：

• 它是一个不知疲倦的拆解器，你让它按什么维度拆它就按什么维度拆
• 它是一个随时在场的反方，你可以让它挑你分析里的毛病
• 它是一个把口语变成正式文字的转换器，帮你省掉写作时间

但”这个数字意味着什么”，只有你能判断。

因为你知道 8 月走了个人，你知道那个大客户为什么没续约，你知道领导真正关心的是明年预算怎么排。

这些东西不在表里，在你脑子里。AI 帮你把表算清楚，你负责把脑子里的东西接上去。

最后一句实在话：

一份报告好不好，看它有没有让人产生”那我们下一步这么办”的念头。 有，就是好报告；没有，写得再漂亮也只是一份漂亮的表。

下篇预告：第 50 篇《用 AI 写 VBA / 宏自动化（轻量）》

一个真实场景：

你每周一早上要做同一件事——打开五个部门交上来的表，把格式统一，合并成一张，删掉空行，加上表头，另存为新文件。

四十分钟，雷打不动，每周一次。

这种活，其实可以按一下按钮就完成。

下一篇讲怎么用 AI 写 VBA 宏，完全不需要你懂编程：

• 什么活值得做成宏，什么活别折腾（有条判断标准，很实用）
• 怎么描述你的操作步骤，AI 才能写出能跑的代码
• 代码贴进去在哪一步、按哪个键运行（一步一图讲清楚）
• 报错了怎么办（新手 90% 会遇到，处理方法就三句话）
• 宏的安全提醒：哪些操作绝对不要让宏自动执行

这一篇是「投入一次，省一整年」的类型。 别错过。

我们下期见。