用 AI 做数据整理：先说清口径，再让它算

一、适用场景

你把一份表格丢给 AI 让它分析，得到一堆看起来专业的结论。但同事用同一份表格问同样的问题，结论对不上，你也说不清谁对。

二、一句话结论

> 数据工作的可信度来自口径而不是算法：先书面固定统计范围、时间窗、去重规则与异常值处理方式，再让 AI 执行，并要求它输出计算过程而不只是结论。

三、详细说明

结论对不上的根因是口径不同

同一份订单表，问“这个月成交多少”，可以有五种答案：按下单时间还是付款时间、含不含退款、含不含内部测试单、按含税还是不含税、跨月订单归哪个月。AI 会选一种默认口径并算得很自信，但它选的未必是你要的。

四件必须先说清的事

统计范围：包含哪些记录、排除哪些（测试数据、内部账号、作废单）。

时间窗：按哪个时间字段切分，边界是闭区间还是开区间。

去重规则：什么算重复，重复时保留哪一条。

异常值：极端值是保留、剔除还是单列说明。

先看数据，再做分析

让 AI 直接给结论之前，先要求它做一次“数据体检”：行数、字段类型、缺失率、重复行、极端值分布。很多所谓的“惊人发现”其实是脏数据造成的。体检这一步能挡掉大部分假结论。

要求输出过程

只要结论不要过程，等于放弃了验证能力。应当要求 AI 输出：使用了哪些字段、如何筛选、如何聚合、公式是什么。理想情况下让它给出可执行的公式或代码，你自己跑一遍验证。

AI 不适合直接对大表做心算

把上万行数据粘进对话让它“统计一下”，是错误率最高的用法。正确做法是让它生成处理脚本或公式，由工具执行；AI 负责逻辑，工具负责计算。

结论要带不确定性

真实业务数据几乎总有缺失与歧义。好的分析会明确写出“基于什么假设”“哪部分数据不可靠”“如果换一种口径结论会怎么变”。只给一个笃定数字的分析，通常是没做扎实的分析。

四、操作步骤

1. 明确要回答的业务问题，以及这个答案将用于什么决策。

2. 书面固定四项口径：统计范围、时间窗、去重规则、异常值处理。

3. 让 AI 先做数据体检：行数、字段、类型、缺失率、重复、极端值。

4. 根据体检结果确认清洗规则，并把规则写下来。

5. 让 AI 输出处理逻辑（公式或脚本），而不是直接给数字。

6. 用工具执行公式或脚本，得到结果。

7. 交叉验证：换一种算法或抽样人工核对若干条。

8. 输出结论时附上口径说明与已知的数据局限。

9. 把口径与清洗规则归档，供下次复用与对齐。

五、注意事项

· 口径变了结论就会变，任何对外数字都要附口径说明。

· 含个人信息或商业敏感的数据要脱敏后再处理。

· 不要让 AI 直接对海量数据做心算，让它出公式或脚本。

· 缺失值的处理方式（补零、剔除、忽略）会显著影响结论，必须显式声明。

· 同比环比要确认基期口径是否一致，口径调整过的历史数据不可直接比。

六、常见错误

| 常见错误 | 正确做法 |

| --- | --- |

| 直接问“帮我分析一下这份数据” | 先固定四项口径再提问 |

| 只要结论不看过程 | 要求输出字段、筛选、聚合与公式 |

| 粘贴上万行让 AI 统计 | 让它生成脚本，由工具执行 |

| 缺失值默认当成 0 | 显式声明缺失值处理方式 |

| 结论写成一个笃定数字 | 附口径、假设与数据局限 |

七、避坑提示

· AI 会在你没提供数据的情况下「推测」出看似合理的数字，凡是没给它原始数据却出现的具体数值，一律视为不可信。

· 时间字段常混用下单时间、支付时间、发货时间，跨月订单的归属会导致月度数据整体错位。

· 去重时保留“最新一条”还是“首条”，在退款与改单场景下结论完全不同。

· 把清洗后的数据当成唯一真相而丢弃原始数据，之后无法追溯与复核。

八、Checklist

· [ ] 业务问题与决策用途已明确

· [ ] 统计范围已书面固定

· [ ] 时间字段与边界已明确

· [ ] 去重规则已明确

· [ ] 异常值与缺失值处理方式已明确

· [ ] 已完成数据体检并记录结果

· [ ] 处理逻辑以公式/脚本形式输出

· [ ] 结果已由工具执行并交叉验证

· [ ] 结论附带口径说明与数据局限

· [ ] 口径与清洗规则已归档

· [ ] 敏感数据已脱敏

· [ ] 原始数据已保留可追溯

九、相关 Prompt 模板

`text

你是一位严谨的数据分析师。在给出任何数字之前，你必须先与我确认口径。

我的情况：

· 要回答的业务问题：__

· 数据来源与字段说明：__

· 数据量级：__

· 这个结论将用于什么决策：__

请按以下顺序执行，不要跳步：

第一步：列出为了准确回答这个问题，你需要我确认的全部口径（至少覆盖统计范围、时间字段与边界、去重规则、异常值与缺失值处理），每项给出你建议的默认选择及理由。

第二步：在我确认口径后，给出一份数据体检清单（要检查哪些项、如何判断异常）。

第三步：输出可执行的处理逻辑（Excel 公式或 Python 代码），并说明每一步在做什么。

第四步：说明这个分析的已知局限，以及换用另一种口径时结论可能如何变化。

重要：在我提供真实数据之前，不要给出任何具体数字。

`

十、相关知识

· 把任务讲清楚：一个能复用的提示词四段结构

· 让 AI 写出能直接发的工作文档：从初稿到定稿的三轮改法

· 用 AI 处理会议纪要：从录音到可执行事项

十一、常见问答

Q：为什么同一个问题，两次问 AI 得到不同数字？

A：通常是口径漂移：两次对话中它默认选择了不同的时间字段或过滤条件。解决办法不是反复重问，而是把口径写死在提示词里，并要求输出计算过程以便比对差异出在哪一步。

Q：小数据量能不能直接让 AI 算？

A：几十行的简单加总可以，但仍建议要求它列出计算过程。一旦涉及多条件筛选、去重或跨表关联，就应该改为让它生成公式或脚本，由工具执行。

---

> 时效性声明：海外政策与办事流程存在变动，本文所述流程与材料清单请在办理前以主管机关官网 / 现场公告为准。