大家好，这是我们“养虾”系列文章的第八篇。今天不讲空话，直接分享一个硬核实战案例：看看AI Agent如何把一张169行的Excel表格，转化为一份可以直接用于会议的分析报告。

先来看效果。下图展示的就是龙虾产出的最终报告（数据已经过脱敏处理）。

读完这篇文章，你将掌握以下三项核心能力： - 一条从CSV文件到AI多维拆解，再到输出业务洞察的完整操作路径 - 一个用于向AI下达数据分析指令的Prompt模板 - 三条关于“数据分析不等于画图表”的底层认知 ### 一分钟小知识

拿到数据后，你的第一反应是不是“先画个饼图看看”？这是大多数人的直觉反应。然而，真正有洞察力的分析，起点并非图表，而是维度。

这里分享一个框架：“数据分析五维拆解法”。

维度	回答什么问题	典型指标
① 健康度	整体情况究竟如何？	完成率、在途率、异常率
② 分类对比	谁在拖后腿、谁是标杆？	按供应商/团队/产品线拆分
③ 时间趋势	趋势向好还是变差？	月度创建/完成量、拐点识别
④ 异常/超期	哪些环节在持续失血？	超期率、平均交付天数、异常中止
⑤ 分布集中度	资源是否存在错配？	二八分布、长尾占比

请记住这个顺序：先看全局（健康度）→ 再看主体（分类）→ 再看变化（趋势）→ 再看风险（异常）→ 最后看结构（分布）。接下来的实战案例，将严格按此逻辑展开。

### 实践出真知（AI实战） ### 一. 之前：一头钻进Excel图表里出不来

169张工单，跨越两年时间，涉及10家合作伙伴和11种服务类型。老板抛来一个问题：“为什么单子越来越多，完成率却没有提升？”

按照过去的流程，标准做法是：打开Excel → 分类汇总（耗时1天）→ 绘制图表（1天）→ 撰写结论（1天）→ 领导说“换个维度看看”→ 再重复三天。一个循环下来，一周的精力就消耗殆尽。

现在，把这个问题交给你：拿到这169行Excel数据，你会从哪几个维度着手分析？不妨先思考一分钟。

### 二. 现在：2分钟，从CSV到报告，深挖后再分析

我给龙虾下达的指令非常明确：

2小时后，一份包含8个板块的HTML分析报告便生成完毕。来看看龙虾具体完成了哪四步操作。

### 三. 龙虾做了什么

Step 1：数据清洗——先揪出脏数据

龙虾并没有急着画图，而是先验证数据质量。这一查，发现了几个问题：6张异常中止单（既不是完成也不是进行中，而是中途取消），日期字段存在三种格式混用，4条记录中负责团队字段为空。

169行数据，人工不可能逐条检查，但龙虾可以逐行扫描，并对每个异常做了标记。

Step 2：五维拆解——不是一张饼图就能搞定

维度一：整体健康度

指标	数据
总单量	169
已完成	92（54%）
进行中	71（42%）
异常中止	6（4%）

54%的完成率听起来似乎还可以？但龙虾继续深入挖掘：那71张在途单中，有62%卡在了前两个环节（组建团队和方案设计）——换句话说，这些单子实际上还没有真正开始执行。仅凭一张饼图，根本无法发现这一深层问题。

维度二：供应商能力对比

排名	供应商	单量	完成率
1	鲸鱼科技	40	85%
2	海星数据	26	73%
…
9	银河信息	35	28%
10	极光系统	8	13%

第一名供应商的效率是第九名的3倍。同样的工单派给不同供应商，结果天差地别。如果不做这个对比分析，你根本不会意识到问题所在。

维度三：月度趋势

龙虾用纯CSS绘制了柱状图，关键发现是去年9月创建了18单，但只完成了6单——积压就是从那个月开始恶化的。好消息是，今年年初完成数终于超过了创建数，积压正在缓解，但历史欠账依然存在。

维度四：超期分析

在已完成的92单中，47.8%超过90天才交付。接近一半的工单要拖三个月以上，这显然是一个严重问题。

维度五：服务类型分布

11种服务包中，80%的单量集中在3种上。剩下的8种要么过于冷门，要么定义模糊——这本身就是一个产品设计层面的问题。

Step 3：要的不是图表——而是结论

Excel给你的是数据，龙虾给你的是报告，但只有你才能做出判断。记得用5W法层层深入，去挖掘背后的根本原因。

5个核心问题

1. 42%的在途单中，62%卡在前两个环节
2. 供应商表现分化严重——最高85%，最低13%
3. 超期率逼近50%
4. 80%的单量集中在3个服务包中，其余8个包是否需要调整
5. 6张取消单没有任何复盘

3个亮点

1. 头部供应商85%的完成率，其做法值得推广
2. 近期完成数超过创建数，整体趋势正在好转
3. 数据颗粒度足够细，能够支撑更深入的分析

Step 4：输出HTML报告

最终的报告不是PPT，也不是Word，而是一个可以直接在浏览器中打开的网页。这样做的好处是，不依赖Office版本，排版不会错位。整个报告包含8个板块，全部用纯CSS实现可视化，零Ja vaScript。

### So What：认知提升

1. AI分析数据的真正价值，不在于“快”，而在于“让你有了更多思考的时间”。
   以往做Excel分析，处理数据、选择图表、调整格式等杂活占用了大量时间。现在这些都可以交给AI，我们就能腾出手来，从更多维度去思考和深挖问题。

2. “帮我分析一下”是全世界最差的Prompt。
   你必须说清楚：从什么维度看？要什么格式的输出？拿这份分析做什么决策？这三样不说清楚，AI给你的就会是一份“正确但毫无用处”的通用报告。

3. 数据分析的终点是行动，不是图表。
   第二天，拿着龙虾给出的5个问题去开会。讨论焦点不再是“你觉得哪个供应商好”，而是变成了“数据显示A的效率是B的3倍，我们调不调整分配策略？”有数据支撑的讨论，效率至少提升了5倍。