一句话总结
一份花两天做出来的 12 sheet 表格，VP 只看 30 秒，然后问一句”so what？“。这套流程把表变成 4 句话的叙述，能过 30 秒测试，表作为证据附在后面。2026 年有两条路可走：
- 小表、已经聚合好（50 行以内）： 把 pivot 当文本粘贴，让任意模型叙述。快、不用上传、免费档也能跑。
- 大文件、几千行原始数据： 把文件上传给会真跑 Python 的工具——ChatGPT 高级数据分析 或 开了代码执行的 Claude——让总数是算出来的，不是猜的。
无论哪条路，模型只负责写句子。每个数字你都得回表核对。这一步没得商量。
这篇适合谁看
分析师、PM、财务、运营——给”不在表里活着”的人讲数字的人。特别适合周 KPI 邮件、董事会 pre-read，以及任何”表显示在屏幕上但听众需要句子”的场合。给同行分析师做的汇报不适用——他们要的就是原表。
什么时候适合用
周 KPI 报告、季度业务回顾、leadership 要”标题”的临时深入、投资人更新、上线后复盘。还有一种：你接手了别人的周期报告，想快速学清楚”这些数字一般什么样”——让 AI 叙述 6 周历史比你自己读更快。
先选对路径
老建议”粘贴前永远先 pivot 到 50 行以内”，是在聊天模型靠脑补做数学、而且经常算错的年代写的。到 2026 年 6 月，更好的工具会执行代码，所以选择的关键变成了：文件多大、你信不信模型的算术。
| 路径 | 适用场景 | 模型实际在做什么 | 免费可用 |
|---|---|---|---|
| 粘贴 pivot（文本 / markdown） | 表已聚合，50 行以内 | 把数字当文本读、写句子；不会重新计算 | 是——任意聊天模型 |
| 上传原始文件、跑代码 | 几千行、你要真实总数 | 写并执行 Python（pandas）；数字是算出来的 | 免费档有额度限制 |
走粘贴路径时，模型大小几乎不重要——50 行的表 + 4 句话的要求，Claude Sonnet 4.6、GPT-5.5、Gemini 3.1 Pro 都绰绰有余。走上传路径才需要带代码沙箱的工具，见下面的工具表。
各工具的确切限制（截至 2026 年 6 月）
| 工具 | 文件上传 | 是否在数据上真跑代码 | 怎么开通 |
|---|---|---|---|
| ChatGPT（高级数据分析） | .xlsx / .csv，每文件约 50 MB（表格不占 token 上限） | 会——沙箱里跑 Python + pandas | 免费档额度紧；Go $8、Plus $20、Pro $100/$200 |
| Claude（代码执行） | 每文件 30 MB，单次对话最多 20 个文件 | 会——代码执行工具，另有 Excel 插件 | 免费档受限；Pro $20（年付 $17/月） |
| Google Sheets 里的 Gemini | 直接在活的表上操作；每格 =AI()、“Fill with Gemini” | 在 Sheets 内部运行；支持跨表分析 | Google AI Pro $19.99（旧称 “Gemini Advanced”） |
| Excel 里的 Copilot | 直接在打开的工作簿上操作；“Analyze Data” + Python in Excel | 会——通过 Copilot 编辑跑 Python in Excel | Microsoft 365 Copilot 加购 |
两件事值得记牢：当 ChatGPT 或 Claude 跑代码处理上传的文件时，总数是真实的 pandas 输出、不是猜的——这就解决了经典的”AI 把 5000 行的合计编出来了”的问题。但只要你把数字当纯文本粘贴，模型就是在读字符、写字符，照样可能把某个百分比抄错。下面的事实核对对两条路径都适用。
具体步骤（粘贴路径）
- 先聚合。按合适的维度（周、segment、地区）group，让表落在 50 行以内。有行合计 / 列合计也带上。
- 导出成紧凑 markdown 表，或带表头的 CSV 粘贴。
- Prompt 时显式给出框架，说清读者是谁、跟什么比：
读者：销售 VP，30 秒，要做决策。
比较基准：vs 过去 4 周均值。
输出：4 句话。覆盖 (1) 标题、(2) 最大正向、
(3) 最大缺口、(4) 一个值得调查的异常。
不要点评。不许出现"赋能"、"协同"、"势能"。
我标了 % 的列已经是百分比，不要再去除。
表格：
[在此粘贴表格]- 逐句复核叙述。每一个数字、百分比、方向都对照表核对。“涨 12%“和”涨 12 个百分点”模型仍会搞混。
- 改语气。AI 默认通用职业腔。把其中 1-2 句换成你 Slack 里实际说话的样子。
- 交付物里叙述和表配对：叙述在前、表作为证据在后。不要删表——exec 看完叙述会去复核。
具体步骤（上传路径，大文件）
- 把原始
.xlsx或.csv直接拖进 ChatGPT（高级数据分析），或开了代码执行的 Claude。不用先 pivot。 - 在一个 prompt 里让它先算再叙述：“按周 group，对 revenue 和 units 求和，然后写上面那段 4 句话的 VP 叙述。“这样会逼模型先跑代码算数字、再写句子。
- 让它把算出来的 pivot 给你看。现在你有了一张可核对的中间表——自己拿原文件对两三个 cell。
- 然后套用和粘贴路径一样的逐数字审计与语气修改。
上传路径去掉了”幻觉总数”的风险，但多了一步上传，免费档还有额度上限。周期性的周报，粘贴路径通常更快；一次性的 20 万行倒出来的数据，上传、让它跑代码。
第一次实操怎么跑
挑一份你上周手写的报告。用 AI 跑同一份 pivot 做对比。每句 AI 输出标三类：事实正确且有用、事实正确但通用、事实错。多数分析师会发现：AI 标题写得准，但会编异常——只有 3 个数据点的 segment 根本谈不上”spike”。第二次跑只动一个变量：把读者标签改掉，表和比较基准保持不变。你应该看到动词和首句变了，分析骨架没变。
完成后检查
- 数字审计： 随机挑 3 个叙述里的数字，逐个回溯到表里某个 cell。任何一个对不上，整份草稿都要怀疑。
- 异常测试： 那个”异常”真的偏离了 2 个标准差，或跨过有意义的业务阈值吗？没有，删掉。
- 比较基准必须说出来： 每个百分比都要说”vs 什么”。涨 12% vs 上周 / vs 去年 / vs 计划，是三个完全不同的故事。
- 决策测试： 读者读完叙述能不能说出一个会采取的行动？说不出来，你只是描述了，没解释。
- 隐私清理： 客户名、内部代号、员工个人——除非是公开 PR 内容，都不能出现真名。
隐私：什么东西离开了你的机器
走粘贴路径时，发什么完全由你决定，所以粘贴前剥掉 PII、客户名、内部代号——换成 客户 A 或 EU segment 这种角色标签。叙述根本不需要知道是”Acme”——“客户 A”读起来一模一样。走上传路径时，整个文件都交给厂商了，所以确认你套餐里的数据保留设置（ChatGPT 和 Claude 都提供把对话排除出模型训练的选项），受监管的数据无论如何都先聚合再上传。
怎么复用这套流程
- 存三个 prompt 模板：周 KPI 叙述、季度回顾叙述、异常调查。骨架一样，只换读者标签。
- 跨报告统一 pivot 形状——同样的维度、同样的比较列。表的形状一稳定，AI 的输出质量立刻一致。
- 维护一份
AI 数字错误案例日志。规律会浮现：百分点 vs 百分比、小分母被抹平、从绝对值反推方向错误。把这些写进 prompt 作为显式规则。 - 每季度拿一份旧叙述用当前模型（GPT-5.5、Sonnet 4.6、Gemini 3.1 Pro）跑一遍。标题还成立说明 prompt 稳；不成立，看哪类句子在漂。
容易踩的坑
- 把原始交易数据当文本粘贴、还指望合计正确。你一粘贴，模型就当文本读，可能把总数编出来。想要真实数学？上传文件、让它跑代码。
- 不复核 AI 数字——每份草稿至少有一个数字是悄悄错的，上传路径也会（句子可能跟算出来的 pivot 对不上）。
- AI 在小 segment 上编造统计上不成立的异常。
- 不写比较基准——“营收涨 12%“没有 baseline 就毫无意义，读起来像 spin。
- 用叙述替代表——exec 没法核对就会失去信任。
- 同一份叙述同时给 exec、平行、运营用。换读者标题也要变，不是只换措辞。
FAQ
- 数据敏感还能用 AI 吗？: 能。粘贴路径：先聚合（不要行级数据），把标识符换成标签。上传路径：确认保留设置，受监管数据优先用聚合后的文件。
- 是不是还得先 pivot 到 50 行？: 只在粘贴路径需要。如果你上传到 ChatGPT 高级数据分析 或 开了代码执行的 Claude，它会在原始文件上跑 Python、把总数算出来，先 pivot 就成了可选项。
- AI 为什么把百分比算错？: 通常是表里隐式百分比和绝对值混着。prompt 里说清哪些列是绝对值、哪些已经是百分比。这个坑在粘贴路径上最狠，因为模型没在跑代码。
- AI 能帮我找异常吗？: 能标候选，但小样本上会过度标。AI 异常当”看一下”，不是”这是真的”。
- 是不是直接画图就好了？: 两个都要。图给形状，叙述给结论。exec 先要结论。
- 多大模型够用？: 50 行粘贴 + 4 句叙述，当前任意模型（Sonnet 4.6、GPT-5.5、Gemini 3.1 Pro）都够。大文件场景里，关键是代码沙箱，不是模型大小。