让 AI 处理 Excel 之前，先做这五步数据整理
同一个提示词，整理过的表和没整理的表，结果差十倍。本文给出 AI 前置数据整理的五个步骤与配套提示词，附一份可直接套用的清洗清单。
为什么 AI 看你的表就”傻”
你上传了一个 Excel，让它分析，得到一堆不痛不痒的废话。换个模型还是一样。
原因通常不在模型，而在表本身：合并单元格、多层表头、空白行、文本型数字、藏在备注里的口径说明。这些对人一眼能看懂，对模型全是噪音。
AI 的分析质量，上限由数据形态决定。 花 20 分钟整理，胜过换三次模型。
第一步：拆掉所有合并单元格
合并单元格是 AI 读表的第一杀手：模型看到的是空值，无法推断”这个订单属于上面那个客户”。
处理方式：取消合并，然后向下填充。选中区域 → 取消合并 → Ctrl+G 定位空值 → 输入 =上方单元格 → Ctrl+Enter 批量填充。
这一步做完，数据行才具备模型能理解的独立性。
第二步：表头降为单行纯文本
真实业务表常常是这样：
Q1 | Q2
收入 成本 | 收入 成本两层表头是给人看的，模型会把它当成数据行。转成扁平单行的规范形式：
| 产品 | Q1收入 | Q1成本 | Q2收入 | Q2成本 |
|---|
同时删掉标题行、备注行、合计行——汇总值留给模型自己算，它可能算错，但混在明细里更坏。
第三步：统一数据类型
三个高频问题：
- 数字存成文本：带千分位逗号、货币符号、空格。统一清除，格式设为数值。
- 日期格式混乱：
2026/4/1、2026-04-01、4月1日混在一起。全部转为 ISO 格式YYYY-MM-DD。 - 单位不统一：有”万元”也有”元”，有”件”也有”箱”。增加一列明确单位，或在表头写清。
整理后，让 AI 做一次格式自动校验的提示词：
请检查这份数据的每一列，指出：① 存在混合类型的列；② 存在空值且高占比的列；③ 数值列中出现的异常值（明显超出该列分布范围）。只输出清单，不要修改数据。
第四步：一表一事
一个文件里塞了客户表、订单表、产品表，是最常见的错误：模型难以判断”这一行属于哪个业务实体”。
拆成独立表格，每张表只描述一个对象，用统一 ID 关联。拆分成本高时，至少分区带明确标题并在提示词里说明区块划分。
第五步：把口径用文字写出来
这一步最容易被跳过，却最关键。所有”看表的人默认知道”的规则，模型都不知道：
- 金额是否含税
- “活跃用户”的定义是什么
- 某些行状态为空是异常还是正常
- 数据截止到哪一天
把这些写成一段话，放在提示词最前面。口径清晰，结论才不会跑偏。
一份可直接使用的整理清单
- 无合并单元格
- 单行表头，纯文本，无单位混写
- 无隐藏行/列、无筛选状态遗留
- 数字为数值型，日期为 ISO 格式
- 无总计/小计行混在明细中
- 每列语义单一，不承担多种含义
- 空值有明确含义或被说明
- 关键字段有唯一 ID
- 数据口径已写成文字说明
小结
AI 做数据分析，本质是”用自然语言写 SQL”。脏表就像字段名混乱、无索引的数据库——再强的查询引擎也跑不快。
整理数据短期看是额外劳动，长期看是你与 AI 协作的基础设施。表干净了，好提示词才有意义。