价格：联系客服报价
上课方式：公开课/内训/总裁班课程 时间上课时间：2天
授课对象：有数据分析需求的全员（不限岗位、不限职级），会基础Excel操作即可，无需任何AI或编程基础
授课讲师：张闻川
一份月度经营分析报告，从整理数据、清洗、统计到做完图表，要花多久？不同岗位的答案不同。做报表的人说“两天”，看报表的人说“为什么不能更快一点”。销售、运营、财务每天都在和数据打交道，却因Excel效率有限或不懂专业工具，反复做重复性工作；管理者催着要数据，业务人员陷在数据里，两头都累。 这不是某个岗位的问题。凡是需要处理数据的人，都会碰到这个情况。WorkBuddy这类AI智能体解决的正是这个问题——不写代码、不靠IT支持，用自然语言就能完成数据清洗、统计分析、图表生成、报告输出，把原本一两天的分析工作压缩到几十分钟。 本课程不讲算法原理，不写代码。围绕真实业务数据，从零开始，带着学员一步一步完成清洗、分析、可视化、报告生成、多表关联和定时自动化，最终输出可直接汇报的完整成果。课程内容不挑岗位，不挑职级，会基础Excel就能学会。课上写的指令，回去改改就能跑在自己的数据上。管理者亲自走一遍流程，能看到一份分析报告从数据到结论要经历哪些环节、每个环节需要什么条件，自己心里有数了，布置任务时方向更清晰，给团队的支持也更到位。
● 大幅提升数据处理效率：释放时间和精力，用于更有价值的业务决策 ● 掌握一套数据分析指令库：获得可回到岗位直接套用的标准化提示词模板 ● 独立完成从原始数据到决策报告的全流程：获得处理各类数据并输出完整报告的能力 ● 建立数据驱动的决策思维：让分析结果精准服务于业务决策 ● 实现数据分析的定时自动化：告别高频分析任务的重复性劳动
导入：为什么用AI做数据分析 问题：你做一份数据分析报告要多久？ 1. 整体多久？ 2. 最耗时的环节？ 效率对比：传统方式2小时 VS AI方式10分钟，差距在哪？ 第一部分：AI辅助分析的基础能力——从数据整理到洞察发现 第一讲：认知与准备——让AI听懂你的需求 一、场景痛点 1. 打开WorkBuddy后，不知道该做什么 2. 试着输入指令，AI给出结果没法用 3. 反复修改指令，花的时间比自己做还长 二、基本原理 1. Workbuddy读取数据的三种方式 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理解数据分析需求的机制 1）解析指令中的分析目标 2）将需求转化为数据操作 3. WorkBuddy生成分析结果的输出形式 1）清洗后的数据表 2）统计汇总表 3）可视化图表 4）HTML/PPT/Markdown报告 三、分析模式 1. Ask模式：探索式分析 2. Craft模式：结构化任务 四、AI指令基本结构 1. 指令三要素 1）数据范围：处理哪部分数据？ 2）分析动作：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[数据范围]，执行[分析动作]，以[输出格式]返回 示例：处理销售明细表，按地区汇总销售额，以表格形式返回 课堂实操练习：完成Workbuddy安装与登录；配置本地授权文件夹；导入数据验证环境可用 第二讲：AI数据清洗——让脏数据变干净 一、场景痛点 你拿到一张Excel表，里面什么格式都有，没法直接分析： 1. 日期列各种格式都有，无法排序 2. 数据列混入文字，Excel求和报错 3. 很多行数据重复，肉眼查找耗时长 二、数据质量诊断——让AI先体检再治疗 诊断指令的结构：数据范围 + 诊断维度 + 输出格式 示例：检查[数据表]的数据质量，包括[空值、重复值等]，输出Excel格式诊断报告 三、六大高频清洗场景的指令写法 1. 去重 示例：删除[数据表]中[按某列]重复的行，保留第一次出现 2. 空值处理 示例：将[数据表]中[某列]的空值填充为[指定值] 3. 日期标准化 示例：将[数据表]中[日期列]统一格式为YYYY-MM-DD 4. 列名重命名 示例：将[数据表]中的[原列名]改为[新列名] 5. 数据类型转换 示例：将[数据表]中的[某列]转换为[数字/文本/日期]类型 6. 异常值标记 示例：将[数据表]中[某列]超出[范围]的值标记为“异常” 实操任务：清洗一份含错误数据的销售明细表，输出一份清洗干净的Excel文件 第三讲：AI统计分析——让数据开口说话 一、场景痛点 数据清洗干净了，但你想从数据里得到业务结论，依然无从下手： 1. 想做排名、占比分析，不知道让AI怎么做 2. 做透视表，反复拖拽字段、试错调整，效率很低 3. 不知道怎么问AI，才能一次性得到分析结果 二、单维度统计的指令 使用场景：按一个维度对数据进行分组汇总，回答“各XX的YY是多少”这类问题 典型场景： 1. 各区域销售额排名 2. 各产品类别销量对比 3. 各门店月度订单量 指令结构：按[维度列]汇总[数值列]的[统计量] 示例：按地区汇总销售额的合计 讲师演示：执行示例指令得到分析结果 三、多维度统计的指令 使用场景：按两个以上维度交叉分组汇总，回答“各XX在各YY下的ZZ是多少”这类问题 典型场景： 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×各产品类别的业绩构成 指令结构：按[维度列1]和[维度列2]汇总[数值列]的[统计量] 示例：按地区和产品类别两个维度汇总销售额 讲师演示：执行示例指令得到分析结果 四、4类分析场景的指令 1. 对比分析指令 示例：按[维度]对比[指标]，用柱状图展示 2. 趋势分析指令 示例：按[时间维度]展示[指标]的变化趋势，用折线图展示 3. 占比分析指令 示例：计算[各维度]在[总指标]中的占比，用饼图展示 4. 异常检测指令 示例：找出[数据表]中[指标]异常的记录（高于/低于均值[X]个标准差） 讲师演示：逐条执行，展示前后效果 实操任务：完成3组不同维度的统计分析 实操产出：一份多维统计报表 第二部分：AI驱动分析的进阶实战——从报告输出到自动运行 第一讲：AI可视化报告生成——让数据变成可汇报的成果 一、场景痛点 1. 表格转图表贴到PPT里，过程很费时 2. 图表怎么选才专业？担心选错 3. 结论怎么提炼，图表怎么解读才专业 二、图表生成指令 指令结构：生成[图表类型]，X轴为[维度]，Y轴为[指标]，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]，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：将以上图表和分析结论生成一份[PPT]报告，[20]以内，包含[封面、目录等] 示例：将以上三张图表和分析结论生成一份PPT报告，控制在8页以内，包含封面页、各区域对比页 五、从报告到业务决策 ——4类分析场景的结论提取指令 1. 对比分析 示例：对比各[维度]的[指标]，判断是否合理 2. 趋势分析 示例：分析最近[时间周期]的[指标]趋势，判断整体走向 3. 占比分析 示例：计算各[维度]的[指标]占比，判断是否健康 4. 异常检测 示例：找出[指标]异常高/低的[维度]，判断可能原因 讲师演示：逐条执行，展示AI输出的业务解读 实操任务：完成从图表生成到业务解读的全流程，输出一份完整的分析报告 实操产出：一份完整的分析报告 + 业务要点 第二讲：AI多表关联——从单表分析到多表综合分析 一、场景痛点 1. 订单表/产品表/门店表各自独立，想拼起来看无从下手 2. 以前用VLOOKUP拼表，匹配结果莫名其妙出错，一搞就是半天 3. 不知道AI能不能处理多表关联，不知道怎么下指令 二、多表关联的AI指令设计 1. 两表关联指令结构（替代VLOOKUP） 指令结构：将[表1]和[表2]按“[关联字段]”关联，保留[需要的字段]，生成合并表 示例：将“订单明细表”和“产品信息表”按“产品ID”关联，保留订单ID、下单日期，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[关联字段1]和[关联字段2]依次关联，生成完整分析数据集 示例：将“订单明细表”……按“产品ID”和“门店ID”依次关联，生成包含订单ID……的完整分析数据集 三、关联后的统计分析指令 ——在关联结果上执行统计指令，与单表统计指令写法一致 实操任务：三表关联生成综合分析报告，输出一份多表关联分析报告 第三讲：定时自动化——让分析自动运行 一、场景痛点 1. 每月固定要，每次从零重复做 2. 流程一样，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、工作原理 本质：定时执行一段Prompt任务 ——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：数据来源+分析要求+报告格式+输出位置 示例：读取[数据文件]，按要求分析[步骤123]，输出报告为[PPT格式]，结果保存到[D/分析报告]文件夹 四、执行步骤 第一步：设定自动化名称：月度分析报告（示例） 第二步：填入Prompt指令：各区域产品销量分析报告（示例） 第三步：设置执行频率：每周/按间隔 第四步：是否推送位置：Workbuddy小程序/企业微信 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：学习总结与落地行动 1. 课堂回顾 2. 答疑互动 3. 落地行动
擅长领域：数智化转型、数智化营销、AI办公应用、知识库搭建、智能体应用、工作流自动化、大数据与人工智能解决方案、数据可视化、数据安全……
深圳市
城市
6
课程
12
案例
