AI 入门课星屿光年 · AI 课程
14第 14 节 · 35 分钟

数据分析与报告

从一张原始表,到一份结论在前、每个数有据的报告

学完能做
  • 按“概况 → 清洗 → 分析 → 出图 → 报告”一步步来,每步看一眼再往下
  • 让它说出怎么处理了重复、空值和样本太小的数据,挑一个数复算
  • 报告每部分先给结论、再给数据,每个数写明从哪算来
  • 压住报告里的拔高和空话;交回的 Word 直接在原文里改

有一次,运营同事丢来一份销售数据,两万多行,附一句话:“帮我看一下这个月哪个渠道 ROI 最高、哪个品类的退货率异常。”

换成以前,少说要在 Excel 里折腾个把小时:透视表、筛选、条件格式、画图、写结论。这次交给 WorkBuddy,从拿到文件到拿到一份图表网页和一份 Word 分析报告,只用了几分钟。全程没写一行代码,没写一个公式。

这一节的主线就一句话:数据分析最怕的不是“不会分析”,而是数据还没准备好就开始分析。

同一张表,两份报告
左边:一句“帮我分析一下”交回的报告,先摆一堆表,最后一段空话;右边:结论在前,每句都带着数和出处(示意)

一份完整的分析:两万行到一份报告

整个过程一共说了五句话,每一句只做一件事。先看全程,再逐步拆:

五句话和它的回复(文件名是示意)

@"~/Desktop/销售数据_raw.csv" 先帮我看一下这个文件:有多少行多少列?每列是什么类型的数据?有没有空值或异常值?

20,384 行 × 12 列。数据列包括:日期、渠道、品类、销售额、成本、订单量、退款量、退款金额等。 发现:退款金额列有 23 个空值;渠道列中“微信公众号”和“公众号”是同一个渠道,但写法不一致。

讲解第一步花不了多少时间,但后面每一个数准不准,都取决于这一步。

帮我把退款金额的空值填为 0,把渠道列里“微信公众号”和“公众号”统一为“公众号”,然后保存为新文件 销售数据_clean.csv

清洗完成:23 个空值 → 已填充为 0;127 行渠道名不一致 → 已统一。

销售数据_clean.csv原文件不动

@"~/Desktop/销售数据_clean.csv" 帮我做以下分析:

  1. 按渠道汇总:总销售额、总成本、ROI(销售额/成本),从高到低排
  2. 按品类汇总:销售额占比、退款率(退款量/订单量)
  3. 按月份趋势:每个月的总销售额折线图数据

关键发现:

  • ROI 最高的渠道:小红书(4.8),出人意料
  • 退款率最高的品类:家居用品(12.3%),远超平均值 4.1%
  • 销售额在月中出现明显低谷,集中在 10 到 15 号
讲解注意指令里 ROI 和退款率都写明了怎么算:ROI = 销售额 ÷ 成本,退款率 = 退款量 ÷ 订单量。不写,它可能用退款金额去除,结果就不是你以为的那个数。

基于上面的分析结果,帮我生成三个图表:1. 各渠道 ROI 横向柱状图 2. 各品类退款率 + 销售额占比组合图 3. 月度销售额趋势折线图。都放到一个 HTML 文件里,排版美观。

销售分析图表.html浏览器直接打开

基于以上所有分析结果,写一份完整的数据分析报告,包含:1. 数据概况(数据量、字段说明)2. 核心发现(分 3 点写,要有数据支撑)3. 渠道分析(各渠道 ROI 对比,附图表链接)4. 品类分析(退款率异常点预警)5. 趋势分析(月度走势)6. 行动建议(至少 3 条可执行的优化建议)。格式:Word 文档,排版干净,带标题层级。

销售数据分析报告.docx带标题层级

两边的时间,大致是这样:

阶段 手动 交给 WorkBuddy
了解数据概况 几分钟 几十秒
数据清洗 十分钟上下 不到一分钟
多维度分析 十分钟上下 一分钟左右
生成图表 十几分钟 一分钟左右
写分析报告 二十分钟上下 两分钟左右
合计 一个小时上下 几分钟

把五句话拆开,是一条固定的线:

多少行、空值、写法不一看概况
另存新文件清洗
写明怎么算分析
说清几张、什么图出图
结论在前写报告

为什么要分五句说,不一句说完?一句话塞进所有要求,它会一口气跑到底,中间哪一步歪了你看不见。分开说,每一步交回来你都能看一眼:概况里空值有多少、清洗改了多少行、分析的数对不对得上常识,都在拿到报告之前就知道了。

清洗为什么另存新文件?原始数据是你唯一的“真相”。清洗改错了,原文件还在,可以重来。

分析时写清怎么算。ROI、退款率、转化率、客单价,这些词每家公司算法都可能不一样,上一节讲的“口径”在这里同样要紧。

拿到结论,挑一个数复算

这份分析里,“家居用品退款率 12.3%,远超平均 4.1%”是最刺眼的一条,也最可能直接变成行动:下架、换供应商、查质量。这种数,发出去之前值得复算一次。不用自己算,让它把过程摊开:

说法示范 · 照你拿到的结果改
“家居用品退款率 12.3%”这个数,把计算过程写出来:用了哪几行数据,退款量合计多少、订单量合计多少,怎么除的。平均值 4.1% 是所有品类的简单平均,还是按订单量加权的?

最后一问不是抬杠。“平均退款率”有两种算法:把各品类的退款率直接平均,或者全部退款量除以全部订单量。两种算法能差出不少,结论的轻重也就不一样。

复算不用每个数都做。挑一个最重要的、最出乎意料的,就够了。

它自己把关的时候

也有它主动替你把关的时候。拿一个公众号两年多攒下的文章数据来说:交给 WorkBuddy,想找出到底什么样的文章会被转发,只说了一句:

说法示范 · 照你拿到的结果改
这是我公众号两年多的文章数据,376 篇。帮我整理成一份能分析的表格,自己算出每篇的转发率,再按转发率排个序。

交回来之前,它先做了三件没人要求的事:

  • 数清楚了篇数。文件里其实是 380 行,指令里随口说的是 376,它反过来把这个数纠正了。
  • 去掉了重复。有 6 篇标题完全一样,疑似重复发布,按同标题保留阅读较高的那篇,剩 374 篇。
  • 标出了会失真的小样本。有 51 篇两年前的老文章,近 30 天几乎没人读,阅读是个位数。一篇 11 阅读的文章,只要一个人转发,转发率就冲到天上,会把整个排行榜的头部搅乱。它没有删这些文章,而是标了一列“有效样本=否”,全量 380 行还在,真正用来排行的是阅读不低于 100 的 323 篇。
公众号文章数据-分析版.xlsx
ABCDEF
1标题发布日期阅读转发转发率有效样本
2某篇实操教程2025-11-028,4201,10613.1%是
3某篇观点文章2026-03-185,31059811.3%是
4某篇两年前的旧文2024-01-091119.1%否(阅读不足 100)
5某篇资讯速递2026-05-213,960872.2%是
全部文章
示意,数字是编的,结构照这次的做法。“有效样本”这一列让你看得见它排除了谁、为什么排除

这次它主动做了,是运气好。你不能指望它每次都想到。把这件事变成你的一句话:

你对 AI 说
算之前先检查:有没有重复的记录?有没有样本太小、算出来会失真的?各有多少条、你打算怎么处理,先告诉我,不要直接删。

表做完,接着让它写 Word,最后一句是:“做成真正的 Word 文件,不要只在聊天里给我文字。”交回的是一份 47KB 的 .docx,章节是这样的:

公众号复盘.docx(示意)

公众号两年复盘

一、复盘结论速览

有效样本 323 篇,篇均转发率 9.52%。核心数字列成一张表。

二、什么内容真正被转发

转发率前 15 篇,垫底的 10 篇,从中总结出三条规律:转发率靠前的几乎全是号主本人视角的实操教程和强观点文章;纯资讯、图片分享垫底。

三、接下来写什么

4 个选题方向,每个配 3 个选题建议。

四、怎么起标题

从这个号自己转发率最高的标题里,拆出 3 个公式,每个配正例和它的转发率,再给一个套用示范。

五、下一步行动清单

最值钱的是第四部分:标题公式不是泛泛的“标题要吸引人”,而是从自己的高转发标题里拆出来的。报告写得好不好,看它是不是从你的数据里长出来的。

它还算了转发率和阅读量的相关程度,结论是两者关系很弱:阅读高不等于被转得多。这种结论,恰恰是凭感觉看不出来、算一遍才知道的东西。

报告:先给结论,再给数据

分析做完,写成报告是最后一步,也是老板真正看的那一步。

上一节合三张表的那个例子,第一次让它出报告时没交代结构,出来的报告是先摆一堆表、最后来一段总结,老板要翻到最后才知道你想说什么。后来在指令里加了一条:“每个部分先给结论,再给数据表。”

同样是那份两万行的数据,一份结论在前的报告,品类那一节应该长这样:

销售数据分析报告.docx

四、品类分析

结论:家居用品的退款率是平均水平的三倍,需要优先排查。

家居用品本月退款率 12.3%,所有品类平均为 4.1%。==(来源:销售数据_clean.csv,按品类汇总;退款率 = 退款量 ÷ 订单量)==

品类 销售额占比 退款率
家居用品 …… 12.3%
…… …… ……

建议:抽查家居用品近一个月的退货原因,看是集中在某几个商品,还是整个品类都偏高。

示意。数字取自上面那份分析的结果,其余用省略号代替。

好报告就三层:先一句结论,再摆数据和出处,最后给建议。写报告的指令,照这个骨架交代:

一份报告的指令
  1. 给谁看这份报告给销售总监看,总监只有五分钟
  2. 要回答的问题哪个渠道最赚钱、哪个品类有问题、下个月该怎么调
  3. 每部分的顺序每个部分先给一句结论,再给数据表,最后给建议
  4. 每个数的出处每个数字写明从哪个文件、哪几列算来的
  5. 不要的写法不用“赋能”“抓手”“全面提升”这类空词,没有数据支撑的判断不写
  6. 交成什么Word 文档,带标题层级,图表插在对应的段落里

压住拔高:它很爱替你“升华”

写报告、写周报时,它有一个很顽固的毛病:拔高。

程序员拿 WorkBuddy 写周报,就是个典型的例子:把一周的工作记录丢进去,要求“突出对 Q3 降本增效和双 11 大促保障两大 OKR 的贡献”“语言要专业客观,体现全局思考”。交回来的周报,老板夸了一句“有战略眼光”,可写周报的人自己看着心里发虚:

工作记录原文和交回的周报

(工作记录原文)

  1. 周一:排查老订单列表加载慢的问题,给 order_info 表加了几个复合索引。
  2. 周二:跟产品扯皮了一下优惠券叠加逻辑,最后妥协了,按原方案改了后端代码。
  3. 周三:夜里大促预演盯盘,修了个缓存击穿的 Bug,加了布隆过滤器。
  4. 周四:帮新来的实习生配了下开发环境。

……交易逻辑收敛:与产品团队对齐优惠券叠加底层逻辑,完成核心代码逻辑重构,确保营销玩法在复杂场景下的精准计价,保障平台营收健康度。 ……团队工程效能赋能:完成新人开发环境的标准化配置与链路打通,缩短新成员上手周期,间接提升研发团队整体交付吞吐量。

讲解“跟产品扯皮,最后妥协了”变成了“对齐底层逻辑,完成核心代码逻辑重构”;“帮实习生配了下环境”变成了“团队工程效能赋能”。

这是最致命的毛病,叫“过度升华”:本来只是改了个颜色,它可能写成“重塑品牌视觉认知体系”。你交上去,被人问一句“具体怎么重构的”,就答不上来了。

补法是在指令里加一句:

你对 AI 说
请用平实、客观的语言描述,不要使用“赋能”“抓手”“底层逻辑重塑”等空泛词汇,聚焦“问题是什么、怎么解决的、指标提升多少”。

交回来以后,再手动删掉最浮夸的那几个形容词。还有一条提醒很实在:丢给它的工作记录里,别留着平时跟同事吐槽的话,它会全量读取,没准还给你“升华”成一条正式意见。

交回的 Word,直接在原文里改

报告交回来总有要改的地方。以前是在聊天框里描述“第三段第二句改成……”,再让它重新生成一遍。WorkBuddy 5.3.5 版本起有了一种更顺手的改法:打开文件,左边对话,右边就是可以直接编辑的文档。

选中一段,点 AI 编辑,结果直接写进原文
选中文档里的一段 → 点「AI编辑」→ 说要怎么改,结果直接出现在原文里(示意)

有一次拿一篇刚写完的文章试用,做了这几件事:

  • 查错别字:它没有直接改,先交回一份检查报告,逐条列出问题和修改建议,确认后说一声“改”,它才一次性改进原文。
  • 框选变表格:选中一段散在文字里的测评成绩,说四个字“生成表格”,它就整理成表格插在原位。
  • 按批注改:在文档里留了三条批注:补几个备选标题、换个结语角度、有一句价格对比写得有问题。然后让它“按照文档中的批注修改全文”,三处都改了,不用再在聊天框里解释哪条意见对应哪一段。

同一次试用里也翻了车:文章里提到一家新公司,它反复认为公司名写错了,建议修改。实际上错的是它自己。记住一条:它的“纠错”也要核,尤其是新公司、新产品、最新的行业信息。

所以改报告时,一个稳妥的顺序是:

说法示范 · 照你拿到的结果改
先检查全文的错别字和数字前后不一致的地方,列成清单给我,每条写清原文和建议,先别改。

你看过清单,删掉它改错的那几条,再说“其余的改”。

动手做

拿一张你自己的业务表,问一个你真想知道的问题

  • 先让它报概况:多少行、空值、写法不一的,清洗后另存新文件。
  • 分析时写明每个指标怎么算;让它说出重复和小样本怎么处理的。
  • 要一份 Word 报告:每部分先结论、再数据、再建议,每个数写出处。
  • 挑一个最重要的数,让它把计算过程摊开。
  • 圈出报告里拔高的句子,改成“做了什么、结果是多少”。

数算清楚了,报告写好了。很多时候,最后还要讲给别人听。下一节做 PPT:先定给谁看、每页说什么,再出一份能讲的 PPT。