基础 05｜AI x Excel 入门：让繁琐数据清洗变得高效

回顾你的工作生涯，工作努力的你肯定经历过这样的至暗时刻：周五临近下班，老板突然在群里甩给你一个文件名为 “2023_全渠道_最终版_v3.xlsx” 的文件，让你立刻、马上整理出一份上周的销售日报。你满怀希望地打开文件，原本以为只需要简单的求和汇总，结果眼前的一幕让你瞬间血压飙升：

日期格式五花八门：有的写着 “2023.1.1”，有的写着 “2023/01/01”，还有的甚至是 “1 月 1 日” 的文本格式；
关键数据 “粘” 在一起：客户姓名、手机号和收货地址全部挤在同一个单元格里，中间甚至没有统一的分隔符；
数字无法计算：销售额那一列明明看着是数字，求和结果却是 0——仔细一看，原来是系统导出的文本格式，甚至还夹杂着不可见的空格；
满屏的合并单元格：为了排版好看，表头被合并得乱七八糟，稍微一拖动公式就报错。

在大语言模型还还没有出来之前，这往往意味着你需要在那台嗡嗡作响的电脑前枯坐至少一个来小时，机械地重复着 “查找替换”、“分列”、手动复制粘贴，甚至需要一边百度一边尝试那些晦涩难懂的函数公式。而现在，我想和你分享我是如何利用 AI（如 ChatGPT、Deepseek）作为我的 Excel助手，将这些原本需要一个小时的脏活累活，压缩到短短 5 分钟内完成的。

在这篇文章中，我们不谈高大上的 Python 建模，也不谈复杂的 VBA 宏编程，我们只谈最接地气、最能解决眼前焦虑的话题：怎么用 AI 搞定那些让人头秃的 Excel 杂事。

1、思维转变：从 “背公式” 到 “提需求”

对于大多数职场人来说，Excel 学习最大的门槛往往是公式。以前我们需要像背单词一样记住 VLOOKUP 的四个参数分别是什么，需要搞懂 IF 和 AND 的嵌套逻辑，甚至为了处理一个文本提取，要去学习 LEFT、RIGHT、MID 和 FIND 函数的复杂组合。这种 “工具理性” 的学习路径，往往让我们在遇到新问题时感到无从下手。

然而，有了 AI 之后，我们的角色发生了根本性的转变。我们从一个个具体的 “执行者” 变成了定义问题的 “产品经理”。你不再需要知道 “怎么写这个公式”，你只需要清楚地描述 “你要算什么”。这是一个从“怎么做” 到 “做什么” 的思维跃迁。

核心技巧：像跟同事说话一样生成公式

很多人用 AI 觉得效果不好，是因为还在用关键词搜索的方式提问，比如 “Excel 求和公式”。但 AI 需要的是场景。试着这样给 AI 指令，你会发现新大陆：

我正在处理一个销售表，需要计算销售奖金。

A 列是销售额（数字），B 列是客户满意度（1-5 分），C 列是退货率（百分比）。

请帮我写一个 Excel 公式：

1、如果销售额大于 10000 且满意度大于 4，且退货率低于 5%，奖金为销售额的 10%；

2、如果销售额大于 10000 但其他条件不满足，奖金为销售额的 5%；其他情况没有奖金，显示 0。

3、请直接给我公式，并简单解释逻辑，让我能看懂。

AI 不仅会给你准确的 IF(AND(...), ...) 嵌套公式，还会像一位耐心的老师一样告诉你每一段代码代表什么。反过来，当你接手同事留下的 “天书” 公式时，以前你可能需要花十分钟去拆解括号，现在直接复制给 AI，问它：“请用人话解释这个公式在算什么”，效率提升立竿见影。

2、脏数据克星：文本处理与正则的降维打击

数据清洗中最头疼的往往不是计算，而是文本处理。地址分级、提取手机号、清洗不规范的录入、去除多余的符号……这些问题被称为 “非结构化数据” 处理。以前这需要极高超的函数技巧或者复杂的 VBA 脚本。现在，这正是 AI 最擅长的领域——因为它尤其擅长理解模式。

2.1 智能分列与提取：超越 “固定宽度”

假设你有一列数据是 “姓名 + 手机号 + 地址” 混在了一起，例如：“张三 13800138000 北京市朝阳区”。传统的 Excel “数据分列” 功能很难处理这种不定长的数据，因为名字有长有短，地址更是千奇百怪。

传统纯手工方式的痛点：

手动复制粘贴：几十行还能忍，几千行就是灾难。
试图用分列：固定宽度分列会导致名字长的被截断，分隔符分列在没有统一符号时完全失效。
复杂的函数组合：需要用 FIND 找数字位置，用 LEN 算长度，极易出错。

AI 辅助的高效解法：

采样示范法：你只需要复制表格中的前 3 行数据作为 “样本” 发给 AI。
自然语言描述：告诉它 “请观察这些数据的规律，帮我把手机号提取出来”。
获取结果：AI 可能会建议你使用 Excel 的 “快速填充（Flash Fill）” 功能（Ctrl+E），或者直接给你写好一个通用的提取公式。

2.2 正则表达式（Regex）的平民化

对于更复杂的文本清洗（比如从一堆乱码中提取邮箱，或者验证身份证号格式），“正则表达式” 是程序员手中的神器。但它的语法极其反人类，充满了 ^、\d、+、?、$ 这样的符号，普通人根本记不住。

现在，你可以完全跳过 “学习语法” 这一步，直接让 AI 帮你写。比如你可以这样问：

我有一列混乱的文本，里面夹杂着用户的个人邮箱地址（位置不固定）。请帮我写一个正则表达式（Regex），可以精准提取出所有的邮箱地址。如果你能提供适用于 WPS 的正则函数写法，或者 Excel 的 VBA 代码，请一并给出。

AI 会立刻给你类似 [\w\.-]+@[\w\.-]+\.\w+ 的代码。你不需要理解为什么 \w 代表字符，只需要复制粘贴，就能瞬间完成几千行数据的清洗。这种 “降维打击” 的感觉，是每一个 Excel 用户都应该体验的。

3、告别#N/A：VLOOKUP 的智能化替代

VLOOKUP 是很多 Excel 用户的噩梦，也是数据处理中最容易出错的环节。列数数错了？数据格式不一致？查找值有空格？一不小心就返回 #N/A 或 #REF!。更糟糕的是，当表格结构变化（比如在中间插入了一列）时，VLOOKUP 公式往往会直接失效。

现在，我建议直接让 AI 教你用 XLOOKUP（如果你有 Office 365 或新版 WPS）或者 INDEX + MATCH 组合。这两个方案比 VLOOKUP 强大且稳定得多，但以前因为语法复杂，很多人不愿意学。现在你只需要把表头告诉 AI：“我想在表 A 中根据 ‘订单号’，去表 B 里查找对应的 ‘物流状态’”，AI 就会直接吐出完美的 XLOOKUP 公式。

更重要的是，当匹配出错时，AI 是最好的调试员。当你的公式报错时，试试把错误现象告诉 AI：

“我在用 VLOOKUP 匹配两个表，A 表的 ID 是 ‘1001’，B 表的 ID 也是 ‘1001’，但 Excel 一直提示找不到（#N/A）。我检查了肉眼看着一样。请列出可能的原因和排查步骤。”

AI 通常会精准命中问题所在，并给出解决方案：

数据类型不同：一个是文本格式的数字（单元格左上角有绿色小三角），一个是纯数字。
不可见字符：末尾可能有空格或系统导出的不可见换行符（它会建议你用 TRIM 或 CLEAN 函数清洗）。
引用范围错误：它会提醒你检查是否锁定了区域（绝对引用）。

4、实战复盘：某电商日报数据清洗

假设这个电商日报数据是从ERP系统里面直接导出，只有这几个字段：订单详情字符串（包含商品、数量、单价，全部混在一起用逗号隔开）、下单时间（格式混乱，有”2023.01.01″也有”2023/1/1″）。我的目标是将其整理成规范的日报表。

第一步：清洗时间格式

问题：A 列是日期，但格式不统一，系统无法识别为日期，导致无法按周汇总。

Prompt：“A 列是日期，但格式不统一（混有点号和斜杠）。请给我一个公式，将它们统一转换为标准的 ‘YYYY-MM-DD’ 日期格式。如果遇到无法转换的错误，显示 ‘检查日期’。”

结果：AI 提供了 TEXT 配合 SUBSTITUTE 的组合拳，甚至考虑到了容错处理。

第二步：拆解订单详情

问题：B 列内容是 “商品 A*2 个 *99 元” 的格式。需要拆分成三列：商品名、数量、单价。

Prompt：“B 列内容是 ‘商品 A*2 个 *99 元’ 的格式。请帮我写三个公式，分别提取出商品名称（第一个星号前的内容）、数量（两个星号中间的纯数字）和单价（最后一个星号后的纯数字）。注意，去除 ‘个’ 和 ‘元’ 这样的单位。”

结果：AI 完美利用 FIND、MID 和 LEN 函数搞定，无需手动数位数。

第三步：异常值识别

问题：C 列是单价，但我怀疑有人录入错误（比如录成了 0 或负数）。

Prompt：“C 列是单价，请给出一个公式，用于条件格式，高亮标记出价格异常（小于 1 元或大于 5000 元）的行。”

结果：AI 直接给出了条件格式的规则公式，我只需复制进去，异常数据立刻变红。

如果按照传统方式，我在 “公式查找与试错” 环节至少要花 15 分钟，在 “手动分列与调整” 环节要花 20 分钟，最后的 “排错调试” 还要 10 分钟。总耗时接近一小时，且过程充满挫败感。

而使用 AI 辅助后，我只花了 2 分钟写 Prompt，3 分钟验证公式和填充，1 分钟做最后的检查。总耗时 6 分钟，而且心情是愉悦的——这种掌控数据的感觉，是传统操作无法给予的。

5、踩坑复盘：AI 不是万能的

AI 虽然很强，但它本质上是一个语言模型，而不是一个逻辑严密的计算器。以下这三点 “不要做”，这是之前踩坑换来的经验，后续如果踩到其他坑，我继续在这后面补充：

别把 AI 当计算器： 语言大模型通常数学很差，尤其是涉及多位数加减乘除时。千万不要直接把一堆数据扔给它问 “帮我算出这些数字的总和是多少”。它可能会一本正经地胡说八道，给你一个错误的数字。正确做法是让它写求和公式，然后你把公式粘贴到 Excel 里，让 Excel 去做它擅长的计算。
注意数据隐私： 不要将包含真实姓名、身份证号、手机号、公司财务机密的原始数据直接粘贴给公共 AI，这涉及严重的合规问题。正确做法是：将敏感信息脱敏，或只提供两三行虚构的 “样本数据” 来说明格式。
警惕上下文丢失： 如果你通过多轮对话不断修改需求，AI 可能会忘记最开始的列号（比如一开始你说数据在 A 列，后来讨论多了它可能默认你在处理 C 列）。正确做法是：在关键的步骤，重新把当前的表格结构描述一遍，比如 “好的，现在回到我们的 A 列数据…”。

通过今天这篇分享，你会发现，AI 不是要取代你的 Excel 技能，而是要成为你的外挂。从今天开始，试着把那些让你皱眉的机械操作，都抛给 AI 去处理吧。当你习惯了 “提需求” 而不是 “背公式”，你会发现，Excel 其实也没那么难。

（作者：岛主阿兰同学）