要最安全地用 AI 分析电子表格，应从一个明确的问题出发，使用脱敏或合成的副本，并把每个总计与原始数据或可复现的公式核对。OpenAI 把数据分析描述为处理上传文件和计算的一种方式，但工具的输出仍是分析草稿，而不是审计意见。［1］

关于设定任务、只提供有用的上下文并复核结果这一更普遍的习惯，请参阅如何使用 AI：获得实用结果的入门指南。本文的流程刻意保守：原始工作簿始终是权威版本，AI 只帮助你探索、解释和测试。

关键要点

保持原始工作簿不变，使用经过最小化且获准使用的副本。

请求计算之前，先说明列、单位、时间段和问题。

要求 AI 说明假设，并给出你能复现的公式或代码。

在模型之外重新计算总计、筛选、缺失值和异常值。

在人工批准之前，把图表、预测或“清洗后”的表格都视为提议。

什么时候适合用 AI 分析电子表格？

AI 适合用来探索定义清晰的表格：解释列的规律、对行分组、起草公式、找出明显的重复项，或建议图表。它还能帮你把“哪个月增长最多？”这样的问题，转换成一系列筛选和计算步骤。

它不能取代财务结账、统计审查、数据治理决策或安全关键的计算。如果某个结果会改变工资、定价、合规、医疗运营、信贷或生产行为，就用 AI 准备一份透明的工作表，再请负责的审核人验证。

先用自然语言写清问题

上传任何内容之前，先写下：

项目	示例
问题	订单的环比变化是多少？
行	每行一个月，不含小计行
指标	`orders` 是整数订单数，不是收入
时段	2026 年 1 月和 2 月
预期检查	1 月的 10 加 2 月的 12 等于 22
排除项	不预测、不填补缺失值、不重命名类别

这可以防止模型用一张精美的表格回答一个相近但不同的问题。如果你说不清单位或时段，就先停下来询问数据负责人，再开始分析。

第 1 步：最小化并准备文件

把源工作簿留在受控的位置。建立一份工作副本，只包含回答问题所需的列和行。删除姓名、电子邮件地址、账户 ID、自由文本备注、隐藏工作表、批注、会泄露机密的公式，以及不必要的历史标签页。

OpenAI 的文件和数据指引可能随产品设置和账户控制而变化，因此在把文件发送给任何服务之前，先查阅当前的官方文档和所在组织的政策。［2］不要只因为界面接受上传，就粘贴密码、API 密钥、客户导出数据、健康记录、未公开的财务结果或整个网盘。

只测试方法时使用合成数据

如果你在测试流程，就用一个保留任务结构的小数据集替换生产数据。例如：

month,orders
Jan,10
Feb,12
Mar,9

这些数字足以测试总计、差值、排序和异常值规则，又不会暴露任何客户或业务记录。注明这是合成示例，以免有人把它误当作实测结果。

第 2 步：计算前先检查结构

让模型在不改动文件的前提下描述它：

检查这份合成 CSV。列出列名、推断的类型、行数、缺失值、重复行和任何假设。暂时不要计算业务结论。如果类型或单位含糊，请提出问题。

自己把回答与文件对照。检查首行是否为表头、某个数字是数量还是货币金额、日期是否使用同一时区，以及空白单元格表示零、缺失还是不适用。类型一旦弄错，之后的每个总计都可能看起来合理，实际上却是错的。

截图展示公开 Gemini 零状态界面中的合成 CSV 提示词，未上传文件、未提交请求，不含业务数据。

如果平台表示它生成了代码，就把代码或公式与工作表一起保存。解释固然有用，但可复现的操作才是其他审核人能够测试的内容。

第 3 步：一次只请求一个计算

从一个简单的总计和一条明确的假设开始：

只使用 orders 列，计算所有行的总计。把每一行视为一个月，不要把表头当作数据。给出公式或代码、输入行、结果，以及一项我能复现的独立检查。

然后请求环比变化：

按现有的月份顺序排序。对每一对相邻月份，计算 new - old 和 ((new - old) / old) * 100。如果旧值为零，写“未定义”，不要做除法。显示分母，只对显示的百分比进行四舍五入。

小步骤能暴露假设。它们也更容易让你发现，模型是否悄悄按字母顺序排列了文字月份、把小计行算了进去、在计算前就四舍五入，或把空白当作零。

把公式和值放在一起

使用一张核验表：

计算	AI 结果	独立检查	差异	决定
订单总数	31	`10 + 12 + 9 = 31`	0	通过
二月减一月	2	`12 - 10 = 2`	0	通过
二月变化	20%	`2 / 10 × 100 = 20%`	0 个百分点	通过

不要把“看起来没错”当作检查。把运算写下来，让另一个人能用计算器或一份新工作簿重复一遍。

第 4 步：测试缺失值、重复项和异常

要求模型把数据质量问题与业务发现分开报告。例如：

列出含空值、重复键、负数计数，以及超出所述范围数值的行。不要删除、填补或更正任何行。每个问题都显示行标识和触发标记的规则。

然后到原始文件中检查被标记的行。重复项可能是合理的重复事件；负值可能是一笔更正；空白可能表示“不适用”。绝不要让模型在生成干净图表的同时，悄悄填补或丢弃行。

对于异常值，要求模型给出中性的描述和可能的检查方法，而不是原因。“三月低于二月”是观察结果；“三月下降是因为营销活动失败”则是需要表格之外来源支持的假设。

第 5 步：核对筛选、分组和图表

每个筛选都需要书面的纳入规则。“活跃客户”可能指某个状态字段、最近 30 天内有交易，或另一个系统中的业务定义。写明规则，列出纳入的行数，并与手动筛选的结果比较。

对于分组结果，要求给出分组键和一个对账总计。各组总计之和应等于相同筛选行的总计，除非各组有重叠；如有重叠，应明确记录。

图表是所选数据的一种视图，本身并不是证据。检查坐标轴单位、时间顺序、零基线、汇总方式和隐藏的筛选。保留图表背后的数据表和公式，让审核人可以检查来源。

第 6 步：在模型外复算

使用一份干净的电子表格、SQL 查询、计算器或一个小型本地脚本，重复重要的运算。保持相同的行和列定义。比较四舍五入之前的数值，并记录任何差异。

如果模型使用了生成的脚本，运行之前先读一遍。确认它不会上传数据、访问无关文件、覆盖原始工作簿，或在预期环境之外执行代码。文件分析功能可以很方便，但并不因此成为执行任意代码的安全边界。

接受结果之前，在三个层面对账：行数、小计或分组总计，以及最终数字。记录公式或代码、输入范围、筛选条件和预期单位。然后从未改动的原始文件运行一项独立检查。如果数字不一致，就停在第一个出现分歧的地方，而不是把几个输出取平均。差异可能来自隐藏的筛选、以文本格式存储的数字、重复的行或缺失的期间。写一份简短的决定说明，写明你检查了什么、还有什么不确定，以及谁负责后续跟进。不要把一个小小的差异四舍五入掉。这样，一张看似合理的图表就变成了可审计的工作成果，而不必把模型当作记录系统。

保留原始文件和决定轨迹

按照你的保留政策，存放原始文件、脱敏后的工作副本、提示词、返回的表格或代码、独立检查，以及审核人的决定。不要用模型清洗过的版本覆盖来源。如果结果要发布，清楚标注合成示例和估算值。

常见失败

模型把小计行当成数据行

明确标注小计行和总计行，或从工作副本中删除它们。用不含小计行的版本核对行数和总计。

空白被当作零

询问数据负责人空白代表什么。两种方式都算一遍，但只作为敏感性检查，然后记录哪一种解释获得授权。

日期或月份按文字排序

提供一列 ISO 格式的日期或明确的顺序。排序后核对第一行和最后一行，并检查每个期间边界。

百分比掩盖了很小的分母

同时显示分子和分母。只来自两个观察值的大百分比，信息量可能不如底层的计数。

“清洗”破坏审计性

要求提供变更日志。每一行被删除、合并、重命名或填补，都需要理由和负责人；否则就保留原始行并加以标记。

可复用的表格核验工作表

把以下结构复制到你的项目笔记中：

字段	值
问题与负责人
源文件与版本
允许的列和行
单位、时区和期间
缺失值规则
公式或代码
独立检查
异常与例外
审核人和决定日期

空白字段是有意设计的。它们迫使你在图表或摘要成为决策的一部分之前，先识别出其中的假设。

总结

用 AI 探索一份经过最小化、描述清楚的电子表格，然后复现重要的计算，并让原始文件保持权威。说明单位和假设，测试数据质量，对分组进行对账；只要结果重要，就必须由人作出决定。

常见问题

AI 能分析 Excel 文件吗？

许多 AI 工具支持文件分析，但可用性和控制选项因产品、账户和组织而异。查阅当前的官方文档，把文件最小化，并让原始工作簿独立于模型的输出之外。

应该上传整个工作簿吗？

通常不应该。只复制回答问题所需的行和列，删除隐藏和敏感的内容，并把原始文件保存在受控位置。

如何核对 AI 生成的总计？

要求模型给出公式或代码以及输入行，然后独立进行同样的运算。比较四舍五入之前的数值，记录差异和决定。

模型改变或“清洗”了数据怎么办？

不要覆盖来源。要求提供变更日志，保留原始行，并由数据负责人批准每一次删除、合并、重命名或填补。

图表能证明趋势吗？

不能。图表只是经过筛选和汇总的数据的一种视图。解读之前，先检查它的来源行、单位、日期、坐标轴、筛选和对账总计。

可以用 AI 做财务或合规报表吗？

只能在有具名审核人的获批流程中使用。在模型之外复现重要的计算，并保留来源、假设和审核证据。

遇到异常值怎么办？

把它当作一个标记，而不是原因。检查原始行，确认数据质量规则，并询问负责人它代表的是一笔更正、一个真实事件，还是一个错误。

来源:

OpenAI Help Center — Data analysis with ChatGPT — https://help.openai.com/en/articles/8437071-data-analysis-with-chatgpt
OpenAI Help Center — Data usage for consumer services — https://help.openai.com/en/articles/7730893-data-usage-privacy-and-security

Sources checked 2026 年 8 月 23 日。

延伸阅读：

如何用 AI 分析电子表格：先核对公式和异常值，再在模型外复算