让 AI 分析表格数据，最容易踩的坑是把「相关性」当成「原因」。
一、它擅长回答什么
描述类：哪几个类别占比最高、环比变化最大的三项是什么。
对比类：两个区域、两个时间段的差异有多大。
异常类：哪些记录的数值明显偏离整体分布。
汇总类：按维度快速给出汇总和占比。
这些问题有明确答案，验证起来也容易。
二、它不擅长什么
归因：为什么下降。它只能指出哪个指标同时下降，不知道业务侧发生了什么。
预测：下个月会怎样。基于历史趋势的推测，误差可能很大。
规则判断：哪些记录算重复客户、哪些算异常订单。规则要人来定。
三、数据先清洗
分析质量取决于源数据。
三件事必做：一行一条记录、日期是真日期、数字是数值不是文本。
带着脏数据去问，得到的是看起来很专业的错误结论。
四、结果怎么验证
用另一种方式独立算一遍：数据透视算总数，公式算关键指标。
两个结果对得上，才采信 AI 的说法。
对不上时，先检查口径和清洗，再怀疑工具。
五、提问的方式
问得具体，答案才有用。
不说「分析一下这张表」，说「按部门统计三季度销售额，列出前三名与同比变化」。
一次问一件事，比一次问五个问题更容易得到可用的结果。
六、对外使用前
所有引用的数字回到原始表格核对一次。
结论里不要出现「可能」「大概」这类模糊表述，要么有数据支撑，要么不写。
七、把结论写成可验证的句子
不说「销售额下降较多」，说「三季度销售额比二季度减少 12%，主要来自华东区」。
带数据、带范围、带定位，结论才站得住，也方便别人复核。
