●AI賦能數據分析：運用Deepseek等主流AI工具輔助數據分析操作，大幅提升數據處理效率，輕松應對復雜任務。

●高效數據處理：掌握Excel核心功能與實戰技巧，告別重復與低效，實現數據清洗、整理、合并與核對的自動化。

●深度數據洞察：精通數據透視表的多維分析與函數公式的靈活應用，從海量數據中快速提煉有價值的商業信息。

●專業可視化呈現：掌握高級圖表美化技巧及動態交互式儀表盤的設計與制作，將數據轉化為直觀、有力的決策依據。

導入：如何通過Deepseek等AI工具解決Excel相關問題

第一講：洞見AI——生成式技術演進與應用全景

一、人工智能底層邏輯

AI大模型核心：算力、算法、數據

AI的本質：從概率模型到認知突破

超越搜索引擎：生成式AI的范式遷移

——大模型技術盲點和風險預警

案例：三星數據泄露，如何預防?

案例：律所造假被懲罰，如何規避？

二、解碼DeepSeek大模型快速發展的關鍵

核心優勢：強大推理性能，架構創新、極致成本效益、國產化生態

1. 突破“算力-性能”不可能三角

2. 開源生態+國產化替代

3. 免費策略：重新定義AI經濟模型

4. 用人和管理策略

討論：為什么做出Deepseek不是騰訊字節阿里這些巨頭？

實戰演練：用AI分析總結各個AI工具的特點和優劣勢

三、數據分析的重要性

1. 商業數據分析的意義？

2. 數據分析到底有什么用？

討論：數據分析在企業應用的場景

可用場景：銷售運營、金融、客戶服務、人力資源、教育、財務管理

數據分析案例：沃爾瑪的尿不濕和啤酒

第二講：Excel數據分析全流程通關——從“數據雜亂”到“決策清晰”

重點：從問題定義到可視化呈現，掌握端到端數據分析方法論

一、定義“數據”問題

1. 明確目的

工具：黃金圈法則

——Why（業務目標）→How（分析方式）→What（輸出成果）

案例：零售場景區分「庫存優化」與「用戶畫像」的分析差異

2. 理解數據

3. 提出問題

工具：SMART原則

——將業務需求轉化為分析問題

二、數據清洗的六步驟

第一步：數據類型轉化

第二步：數據去重

第三步：缺失值處理

第四步：關聯數據表

第五步：異常值處理

第六步：數據整理

第三講：數據可視化蛻變——從“表格堆砌”到“專業儀表盤”

一、數據可視化的流程

第一步：描述性統計

第二步：透視表創建

第三步：數據可視化呈現

1）商品類別

2）商品的分布

3）性能分布

6. 數據可視化-客戶購買力分析

二、儀表盤制作

1. 儀表盤Dashboard構成

1）儀表盤的關鍵價值

價值一：

價值二：

價值三：

2）常見數據看板類型

類型一：

類型二：

類型三：

2. 設計流程與布局方法

設計流程：

第一步：

第二步：

第三步：

1）明確需求（5W1H）與分析邏輯（金字塔）

布局原則：布局構思與風格統一原則

3. 實戰制作

1）選擇適配圖表組件

2）報表聯動+動態過濾

案例：貿易公司年度儀表盤制作

第四講：AI賦能數據分析——讓效率提升的實操技巧

一、數據收集和提取

1. 整理內部數據

重點：實現多源數據高效整合

技巧：

1）多源數據合并

2）非結構化數據處理

3）圖片中提取數據

案例：多個工作薄合并

案例：紙質發票提取

2. 外網數據爬取

重點：提升效率，確保數據完整性與一致性

技巧：

1）使用FireCrawl爬取目標網頁

2）據提取整理

二、數據清洗與預處理

重點：提升數據質量，減少人工清洗成本，為分析建模奠定基礎

技巧：

1）智能缺失值處理：自動識別缺失模式→推薦填充策略

2）異常值檢測：結合聚類與統計方法→可視化標記可疑數據點

3）自動數據標準化：識別數值尺度差異→一鍵完成歸一化/標準化

案例：對客戶地址信息不完整的數據進行智能補充

案例：對雜亂的財務數據進行分類整理

三、數據透視表的分析與洞察

重點：動態數據透視表，切片器的聯動設計

1. 分析方法工具箱

1）對比分析（時間/空間/目標三維對比）

2）漏斗分析（電商轉化率衰減診斷）

3）歸因分析（用相關系數定位關鍵因素）

2. 數據透視表——創建步驟三個常見錯誤

錯誤一：

錯誤二：

錯誤三：

案例：銷售匯總表構建

3. 多維組合與分組技巧

1）日期/數值/文本手動組合方法

2）多層級展開與匯總視圖設計

4. 自定義計算與分析

1）同時顯示數值+百分比

2）創建計算字段和顯示方式切換

案例：同比、環比、增長率計算法

5. 圖表聯動與交互性設計

1）切片器創建與報表聯動

2）快速搭建動態圖表看板

實戰演練：某貿易公司年度銷售報表制作

四、用AI完成數據分析

重點：識別關鍵指標，數據洞察，提出決策建議

工具：小浣熊AI

1. 需求分析，數據觀察

2. 數據清洗、分析、可視化展示

3. 分析結果解讀和決策建議

實戰演練：唯品會平臺榜單數據分析

案例：某汽車公司，使用AI優化產品組合

實戰演練：用Deepseek生成可視化的分析報告