用AI Agent自动分析Excel：从数据清洗到图表生成全流程实操

大多数人的 Excel 卡在哪

用 Excel 做分析，难的从来不是公式，而是数据本身很脏：合并单元格、缺失值、格式不一致、重复行。我拿一份真实的销售流水（含 3000 行、5 种脏数据问题），用 AI Agent 走一遍完整分析流程。

第一步：让 Agent 理解数据

别急着让它画图。第一步是把文件交给 Agent，让它先描述数据结构：

“读取这个 Excel，列出每个工作表的列名、数据类型、缺失值比例和可疑异常，先不要做任何修改。”

这一步的价值是：Agent 会指出你肉眼没注意的问题，比如”下单日期列混了 3 种格式”、“金额列有负数和文本”。

第二步：自动清洗

把清洗规则写成明确指令，让 Agent 生成可复现的代码：

import pandas as pd
df = pd.read_excel("sales.xlsx")
df["日期"] = pd.to_datetime(df["日期"], errors="coerce")  # 统一日期
df["金额"] = pd.to_numeric(df["金额"], errors="coerce")
df = df.dropna(subset=["订单号"])                          # 去空主键
df = df.drop_duplicates(subset=["订单号"])                 # 去重
df = df[df["金额"] > 0]                                    # 过滤异常负值

关键：先让 Agent 输出代码，你审核后再运行。这样每一步都可追溯，比直接让它”改文件”安全得多。

第三步：生成分析问题

数据干净后，让 Agent 主动提出值得看的分析维度：

“基于清洗后的数据，提出 5 个对销售负责人最有价值的分析问题。”

它会给出类似”各区域环比增长”、“退货率最高的品类”、“客单价分布”这样的问题。比你自己凭空想更快更全。

第四步：透视与图表

针对选定的问题，让 Agent 直接输出透视表和图表代码：

pivot = df.pivot_table(values="金额", index="区域",
                       columns="月份", aggfunc="sum")
pivot.plot(kind="bar", stacked=True)

输出结果可以直接贴回 Excel，或导出图片放进汇报。

第五步：让它讲结论

最后，让 Agent 用业务语言解读数据：

“用一段话总结这份数据最值得注意的 3 个发现，面向不懂技术的销售总监。”

这一步能把”表哥表姐”变成”分析师”——AI 负责算和画，你负责判断和决策。

实操要点

• 分步交付：理解 → 清洗 → 分析 → 可视化 → 结论，别一步到位。
• 保留代码：让 Agent 给可复现脚本，而不是手工操作，方便下月复用。
• 人工复核：涉及钱和数据结论，务必人工抽查。

这套流程能把一次原本两小时的数据分析，压到 30 分钟以内，而且下个月只需换文件重跑。