● 大幅提升数据处理效率：释放时间和精力，用于更有价值的业务决策

● 掌握一套数据分析指令库：获得可回到岗位直接套用的标准化提示词模板

● 独立完成从原始数据到决策报告的全流程：获得处理各类数据并输出完整报告的能力

● 建立数据驱动的决策思维：让分析结果精准服务于业务决策

● 实现数据分析的定时自动化：告别高频分析任务的重复性劳动

导入：为什么用AI做数据分析

问题：你做一份数据分析报告要多久？

1. 整体多久？

2. 最耗时的环节？

效率对比：传统方式2小时 VS AI方式10分钟，差距在哪？

第一部分：AI辅助分析的基础能力——从数据整理到洞察发现

第一讲：认知与准备——让AI听懂你的需求

一、场景痛点

1. 打开WorkBuddy后，不知道该做什么

2. 试着输入指令，AI给出结果没法用

3. 反复修改指令，花的时间比自己做还长

二、基本原理

1. Workbuddy读取数据的三种方式

1）上传本地Excel/CSV文件

2）连接本地文件夹

3）MCP方式（进阶选学）

2. WorkBuddy理解数据分析需求的机制

1）解析指令中的分析目标

2）将需求转化为数据操作

3. WorkBuddy生成分析结果的输出形式

1）清洗后的数据表

2）统计汇总表

3）可视化图表

4）HTML/PPT/Markdown报告

三、分析模式

1. Ask模式：探索式分析

2. Craft模式：结构化任务

四、AI指令基本结构

1. 指令三要素

1）数据范围：处理哪部分数据？

2）分析动作：做什么处理（清洗/统计/制图）？

3）输出格式：以什么形式返回结果？

2. 指令模板

模板：处理[数据范围]，执行[分析动作]，以[输出格式]返回

示例：处理销售明细表，按地区汇总销售额，以表格形式返回

课堂实操练习：完成Workbuddy安装与登录；配置本地授权文件夹；导入数据验证环境可用

第二讲：AI数据清洗——让脏数据变干净

一、场景痛点

你拿到一张Excel表，里面什么格式都有，没法直接分析：

1. 日期列各种格式都有，无法排序

2. 数据列混入文字，Excel求和报错

3. 很多行数据重复，肉眼查找耗时长

二、数据质量诊断——让AI先体检再治疗

诊断指令的结构：数据范围 + 诊断维度 + 输出格式

示例：检查[数据表]的数据质量，包括[空值、重复值等]，输出Excel格式诊断报告

三、六大高频清洗场景的指令写法

1. 去重

示例：删除[数据表]中[按某列]重复的行，保留第一次出现

2. 空值处理

示例：将[数据表]中[某列]的空值填充为[指定值]

3. 日期标准化

示例：将[数据表]中[日期列]统一格式为YYYY-MM-DD

4. 列名重命名

示例：将[数据表]中的[原列名]改为[新列名]

5. 数据类型转换

示例：将[数据表]中的[某列]转换为[数字/文本/日期]类型

6. 异常值标记

示例：将[数据表]中[某列]超出[范围]的值标记为“异常”

实操任务：清洗一份含错误数据的销售明细表，输出一份清洗干净的Excel文件

第三讲：AI统计分析——让数据开口说话

一、场景痛点

数据清洗干净了，但你想从数据里得到业务结论，依然无从下手：

1. 想做排名、占比分析，不知道让AI怎么做

2. 做透视表，反复拖拽字段、试错调整，效率很低

3. 不知道怎么问AI，才能一次性得到分析结果

二、单维度统计的指令

使用场景：按一个维度对数据进行分组汇总，回答“各XX的YY是多少”这类问题

典型场景：

1. 各区域销售额排名

2. 各产品类别销量对比

3. 各门店月度订单量

指令结构：按[维度列]汇总[数值列]的[统计量]

示例：按地区汇总销售额的合计

讲师演示：执行示例指令得到分析结果

三、多维度统计的指令

使用场景：按两个以上维度交叉分组汇总，回答“各XX在各YY下的ZZ是多少”这类问题

典型场景：

1. 各区域×各品类的销售分布

2. 各月份×各门店的业绩追踪

3. 各销售代表×各产品类别的业绩构成

指令结构：按[维度列1]和[维度列2]汇总[数值列]的[统计量]

示例：按地区和产品类别两个维度汇总销售额

讲师演示：执行示例指令得到分析结果

四、4类分析场景的指令

1. 对比分析指令

示例：按[维度]对比[指标]，用柱状图展示

2. 趋势分析指令

示例：按[时间维度]展示[指标]的变化趋势，用折线图展示

3. 占比分析指令

示例：计算[各维度]在[总指标]中的占比，用饼图展示

4. 异常检测指令

示例：找出[数据表]中[指标]异常的记录（高于/低于均值[X]个标准差）

讲师演示：逐条执行，展示前后效果

实操任务：完成3组不同维度的统计分析

实操产出：一份多维统计报表

第二部分：AI驱动分析的进阶实战——从报告输出到自动运行

第一讲：AI可视化报告生成——让数据变成可汇报的成果

一、场景痛点

1. 表格转图表贴到PPT里，过程很费时

2. 图表怎么选才专业？担心选错

3. 结论怎么提炼，图表怎么解读才专业

二、图表生成指令

指令结构：生成[图表类型]，X轴为[维度]，Y轴为[指标]，标题为[文字]

示例：月度销售趋势——生成折线图

三、图表美化指令

指令结构：修改图表：[修改内容]，如颜色/标签/字体

示例：将柱状图颜色改为蓝色系

四、报告生成指令

指令结构：将以上图表和分析结论生成一份[PPT]报告，[20]以内，包含[封面、目录等]

示例：将以上三张图表和分析结论生成一份PPT报告，控制在8页以内，包含封面页、各区域对比页

五、从报告到业务决策

——4类分析场景的结论提取指令

1. 对比分析

示例：对比各[维度]的[指标]，判断是否合理

2. 趋势分析

示例：分析最近[时间周期]的[指标]趋势，判断整体走向

3. 占比分析

示例：计算各[维度]的[指标]占比，判断是否健康

4. 异常检测

示例：找出[指标]异常高/低的[维度]，判断可能原因

讲师演示：逐条执行，展示AI输出的业务解读

实操任务：完成从图表生成到业务解读的全流程，输出一份完整的分析报告

实操产出：一份完整的分析报告 + 业务要点

第二讲：AI多表关联——从单表分析到多表综合分析

一、场景痛点

1. 订单表/产品表/门店表各自独立，想拼起来看无从下手

2. 以前用VLOOKUP拼表，匹配结果莫名其妙出错，一搞就是半天

3. 不知道AI能不能处理多表关联，不知道怎么下指令

二、多表关联的AI指令设计

1. 两表关联指令结构（替代VLOOKUP）

指令结构：将[表1]和[表2]按“[关联字段]”关联，保留[需要的字段]，生成合并表

示例：将“订单明细表”和“产品信息表”按“产品ID”关联，保留订单ID、下单日期，生成合并表

2. 三标关联指令结构

指令结构：将[表1]、[表2]、[表3]按[关联字段1]和[关联字段2]依次关联，生成完整分析数据集

示例：将“订单明细表”……按“产品ID”和“门店ID”依次关联，生成包含订单ID……的完整分析数据集

三、关联后的统计分析指令

——在关联结果上执行统计指令，与单表统计指令写法一致

实操任务：三表关联生成综合分析报告，输出一份多表关联分析报告

第三讲：定时自动化——让分析自动运行

一、场景痛点

1. 每月固定要，每次从零重复做

2. 流程一样，每次都要手动操作一遍

3. 能不能让AI自动跑、不知道怎么配置

二、工作原理

本质：定时执行一段Prompt任务

——两要素

1. 触发时间

2. 执行内容（Prompt）

三、核心——写好Prompt

完整Prompt结构：数据来源+分析要求+报告格式+输出位置

示例：读取[数据文件]，按要求分析[步骤123]，输出报告为[PPT格式]，结果保存到[D/分析报告]文件夹

四、执行步骤

第一步：设定自动化名称：月度分析报告（示例）

第二步：填入Prompt指令：各区域产品销量分析报告（示例）

第三步：设置执行频率：每周/按间隔

第四步：是否推送位置：Workbuddy小程序/企业微信

第五步：测试运行：手动测试确保顺利运行

第六步：保存自动化方案：后续定时执行

结语：学习总结与落地行动

1. 课堂回顾

2. 答疑互动

3. 落地行动