Pattener株式会社（总公司：东京都品川区，代表董事：深野 嗣）已发布实践指南《【附提示范例】ChatGPT x Excel 数据预处理/自动化/实践手册》，旨在利用ChatGPT从根本上提高Excel业务的效率。 本指南将详细阐述如何通过指示和利用ChatGPT，并提供可直接拷贝粘贴的具体提示（指令文），来大幅减少占数据分析过程大部分的「数据预处理（清洗・整理）」以及日常「例行工作的自动化」所需工时。 ▼ 阅读《【附提示范例】ChatGPT x Excel 数据预处理/自动化/实践手册》（PDF下载） https://tazna.io/contents-chatgpt-excel-dataanalytics-2 ■ 发布背景：数据分析时间，大部分都花在「整理数据」上 「想进行分析，但数据因表记不一或充满空白而无法使用」 「想编写复杂的函数或宏，但研究需要花费数小时」 在推动数据利用的现场，这种「手动数据预处理」已成为一个主要瓶颈。 一般而言，数据分析所需时间的约80%据说都花费在「数据收集和预处理」上。 然而，随着ChatGPT的崛起，这种常识正在被颠覆。 即使没有高端的编程技能或VBA知识，只需用自然语言（日语）向ChatGPT发出指令，就能瞬间完成从复杂函数到数据清洗方法，再到宏代码生成等任务。 本指南以易于理解的方式，结合提示范例，详细解释了如何无缝连接人人熟悉的「Excel」和「ChatGPT」，从繁琐的手动工作中解放现场的实践知识。 ▼ 阅读《【附提示范例】ChatGPT x Excel 数据预处理/自动化/实践手册》（PDF下载） https://tazna.io/contents-chatgpt-excel-dataanalytics-2 ■ 本数据（白皮书）的亮点 【附提示范例】ChatGPT x Excel 数据预处理/自动化/实践手册 前言 ChatGPT x Excel 的整体设计：什么交给AI，什么由人来确保 首先掌握「角色分工」：ChatGPT（分析）/ Excel（整理・汇总） 如何提出有效的「问题」：分析目的→假设→验证模式 预处理・整理决定90%：Excel x AI 的数据质量设计 一次性纠正类型、缺失值、表记不一的提示设计 通过ChatGPT「设计→测试→应用」Power Query 清洗流程 「AI友善」的Excel设计：表格形式、标题、禁止事项 同时创建数据字典和审计视角 质量保证模式：抽样验证和差异日志 分析・可视化设计：如何创建有助于决策的「问题」 描述性统计和异常检测：首先「一击」掌握「情况」 与Copilot共同创建枢纽分析/可视化模式 在Excel中运行t检定・回归的注意事项和AI的应用点 「展示」仪表板的UX设计：消除误读的检查清单 通过故事化（叙事）和自动摘要加速决策 自动化和营运：可重复性、可扩展性、治理 使用Office Scripts／宏固定例行工作 函数生成提示模式：引导至XLOOKUP/LET/TAKE 让ChatGPT编写Office Scripts / VBA 以生成可运行的代码 报告营运协调：基于Power Automate 的设计 Copilot in Excel／=COPILOT 的应用点和注意事项 高端：Python in Excel/外部数据链接 Python in Excel 的应用点和局限性 与API/Power BI 的分工和治理 可直接使用的提示集：Excel 数据分析模板（可拷贝粘贴） 预处理指令模板（缺失值、异常值、类型转换、名称匹配） 分析指令模板（摘要→假设→验证→启示） 报告生成模板（图表方案、文本、下一步行动） 总结 ▼ 阅读《【附提示范例】ChatGPT x Excel 数据预处理/自动化/实践手册》（PDF下