AI智能体数据分析实战——人人可用的WorkBuddy实操课

导入：为何用AI做资料拆解

问题：你做一份资料拆解报告要多久？

1. 整体多久？

2. 最耗时的环节？

1. 效率对比：传统方式2小时 VS AI方式10分钟，落地时，差距在哪？

第 一部分：AI辅助拆解的基础本领——从资料整理到洞察发现

第 一讲：认知和准备——让AI听懂你的诉求

一、情境痛点

1. 打开WorkBuddy后，实操中，不知道该做什么

2. 试着输入指令，执行层面，AI给出结果没法用

3. 反复修改指令，在实际应用里，花的时间比自己做还长

二，基本原理

1. Workbuddy读取资料的三种方式

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领会资料拆解诉求的制度

1）拆解指令中的拆解标的

2）将诉求转化为资料操作

3. WorkBuddy生成拆解结果的输出形式

1）清洗后的资料表

2）统计汇总表

3）可视化图表

4）HTML/PPT/Markdown报告

三、拆解模式

1. Ask模式：探索式拆解

2. Craft模式：结构化差事

四、AI指令基本结构

1. 指令三要素

1）资料范围：处理哪部分资料？

2）拆解动作：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[资料范围]，执行[拆解动作]，以[输出格式]返回

示例：处理销售明细表，按照地区汇总销售额，以表格形式返回

课堂实操操练：完成Workbuddy安装和登录；配置本地放权文件夹；导入资料验证环境可用

次讲：AI资料清洗——让脏资料变干净

一、情境痛点

你拿到一张Excel表，里面什么格式都有，没法直接拆解：

1. 日期列各种格式都有，无法排序

2. 资料列混入文字，Excel求和报错

3. 很多行资料重复，肉眼查找耗时长

二、资料质量诊断——让AI先体检再治疗

诊断指令的结构：资料范围 + 诊断维度 + 输出格式

示例：查验[资料表]的资料质量，包括[空值、重复值等等]，输出Excel格式诊断报告

三、六大高频清洗情境的指令写法

1. 去重

示例：删除[资料表]中[按照某列]重复的行，保留第 一次出现

2. 空值处理

示例：将[资料表]中[某列]的空值填充为[指定值]

3. 日期准则化

示例：将[资料表]中[日期列]统一格式为YYYY-MM-DD

4. 列名重命名

示例：将[资料表]中的[原列名]改为[新列名]

5. 资料类型转换

示例：将[资料表]中的[某列]转换为[数字/文本/日期]类型

6. 异常值标记

示例：将[资料表]中[某列]超出[范围]的值标记为“异常”

实操差事：清洗一份含错误资料的销售明细表，输出一份清洗干净的Excel文件

三讲：AI统计拆解——让资料开口说话

一、情境痛点

资料清洗干净了，但你想从资料里得到业务结论，依然无从下手：

1. 想做排名、占比拆解，不知道让AI怎么做

2. 做透视表，具体来看，反复拖拽字段、试错调整，在实际应用里，效率很低

3. 不知道怎么问AI，才能一次性得到拆解结果

二、单维度统计的指令

采用情境：按照一个维度对资料开展分组汇总，回答“各XX的YY是多少”这类问题

典型情境：

1. 各区域销售额排名

2. 各货品类别销量对比

3. 各门店月度订单量

指令结构：按照[维度列]汇总[数值列]的[统计量]

示例：按照地区汇总销售额的合计

讲师演示：执行示例指令得到拆解结果

三、多维度统计的指令

采用情境：按照两个以上维度交叉分组汇总，具体来看，回答“各XX在各YY下的ZZ是多少”这类问题

典型情境：

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×各货品类别的业绩构成

指令结构：按照[维度列1]和[维度列2]汇总[数值列]的[统计量]

示例：按照地区和货品类别两个维度汇总销售额

讲师演示：执行示例指令得到拆解结果

四、4类拆解情境的指令

1. 对比拆解指令

示例：按照[维度]对比[指标]，用柱状图展示

2. 趋势拆解指令

示例：按照[时间维度]展示[指标]的变化趋势，用折线图展示

3. 占比拆解指令

示例：计算[各维度]在[总指标]中的占比，具体来看，用饼图展示

4. 异常检测指令

示例：找出[资料表]中[指标]异常的记录（高于/低于均值[X]个准则差）

讲师演示：逐条执行，展示前后成效

实操差事：完成3组不同维度的统计拆解

实操产出：一份多维统计报表

第二部分：AI驱动拆解的进阶实战——从报告输出到自动运行

第 一讲：AI可视化报告生成——让资料变成可呈报的结晶

一、情境痛点

1. 表格转图表贴到PPT里，进程很费时

2. 图表怎么选才专精？担心选错

3. 结论怎么提炼，图表怎么解读才专精

二，图表生成指令

指令结构：生成[图表类型]，X轴为[维度]，往细里说，实操中，Y轴为[指标]，具体来看，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]，往细里说，从实践看，从实践看，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：将以上图表和拆解结论生成一份[PPT]报告，[20]以内，包含[封面、目录等等]

示例：将以上三张图表和拆解结论生成一份PPT报告，从实践看，将控在8页以内，往细里说，包含封面页、各区域对比页

五、从报告到业务决策

——4类拆解情境的结论提取指令

1. 对比拆解

示例：对比各[维度]的[指标]，判断是否合理

2. 趋势拆解

示例：拆解最近[时间周期]的[指标]趋势，判断整体走向

3. 占比拆解

示例：计算各[维度]的[指标]占比，实操中，在实际应用里，判断是否健康

4. 异常检测

示例：找出[指标]异常高/低的[维度]，在实际应用里，判断可能原因

讲师演示：逐条执行，往细里说，展示AI输出的业务解读

实操差事：完成从图表生成到业务解读的全流程，输出一份完整的拆解报告

实操产出：一份完整的拆解报告 + 业务要点

次讲：AI多表关联——从单表拆解到多表综合拆解

一，情境痛点

1. 订单表/货品表/门店表各自独立，就一线经验说，想拼起来看无从下手

2. 以前用VLOOKUP拼表，运行层面，运行层面，匹配结果莫名其妙出错，就一线经验说，一搞就是半天

3. 不知道AI能不能处理多表关联，运行层面，不知道怎么下指令

二，实操中，多表关联的AI指令规划

1. 两表关联指令结构（替代VLOOKUP）

指令结构：将[表1]和[表2]按照“[关联字段]”关联，保留[需要的字段]，在实际应用里，生成合并表

示例：将“订单明细表”和“货品资讯表”按照“货品ID”关联，从实践看，具体来看，保留订单ID、下单日期，执行层面，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]按照[关联字段1]和[关联字段2]依次关联，生成完整拆解资料集

示例：将“订单明细表”……按照“货品ID”和“门店ID”依次关联，生成包含订单ID……的完整拆解资料集

三、关联后的统计拆解指令

——在关联结果上执行统计指令，和单表统计指令写法一致

实操差事：三表关联生成综合拆解报告，就一线经验说，输出一份多表关联拆解报告

三讲：定时自动化——让拆解自动运行

一，执行层面，情境痛点

1. 每月固定要，从实践看，每次从零重复做

2. 流程一样，往细里说，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，就一线经验说，事务原理

本质：定时执行一段Prompt差事

——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：资料来源+拆解要求+报告格式+输出位置

示例：读取[资料文件]，按照要求拆解[步骤123]，输出报告为[PPT格式]，结果保存到[D/拆解报告]文件夹

四、执行步骤

第 一步：设定自动化名称：月度拆解报告（示例）

第二步：填入Prompt指令：各区域货品销量拆解报告（示例）

第三步：设置执行频率：每周/按照间隔

第四步：是否推送位置：Workbuddy小程序/公司微信

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：研习收束和落地行动

1. 课堂回顾

2. 答疑交流

3. 落地行动

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|张闻川老师