这门课的名字看着有点"反常识"——数据分析不学 Python、不碰 SQL，靠 AI 就能做完？先把结论放前面：如果你日常要处理的是几十万行以内的业务表格，想把"从一堆脏数据到能拿给老板看的结论"这条路走通，这门课的思路是成立的；但如果你要做的是大规模数据管道、模型部署这类工程活，它不解决你的问题。下面按这个判断展开。
它瞄准的是哪类工作场景
典型场景是这些：运营或销售拿到一份导出的 Excel，字段命名混乱、有空行、日期格式不统一，需要整理后做同比环比；市场同学想快速看一下不同渠道的转化差异；产品同学手上有一批用户反馈或问卷，想做词频和分类统计。这些活的共同点是——逻辑不复杂，但手工做耗时间，写代码又划不来。课程要处理的正是这一段：让 AI 承担取数整理、口径计算、初步结论输出这些环节，人负责判断分析角度和核对结果。
学完之后能独立做什么
- 把一份结构混乱的表格交给 AI 助手，说清需求后拿到清洗过的版本，并能判断它哪里改错了；
- 用自然语言描述分析意图，产出对比分析、描述性统计的结论，而不是自己写公式；
- 根据结论选择图表类型并生成可视化，而不是默认套一个柱状图；
- 对一个完整的分析任务拆步骤：先确认口径，再取数、清洗、分析、出图，最后检查一遍数字对不对。
注意这里的关键不是"会用某个工具"，而是这套拆步骤的习惯。工具会换，流程不会。
内容怎么组织的
课程从认知层面切入，先讲 AI 在描述性分析、对比分析这些常见场景里到底替代了哪一步——这部分值得认真看，因为很多人用 AI 做分析翻车，问题出在没想清自己要的到底是什么口径。之后进入工具环节，用三个 AI 助手配合 Excel 完成一个完整案例，并且专门讲工具之间的差异和常见坑，比如数字被"编"出来、字段理解偏差、格式丢失。工具对比这一节的实际价值，比它在目录里看起来要高。
适合什么基础，不适合什么基础
适合：会用 Excel 做基础操作、能看懂表格结构、但没系统学过编程的业务岗和转行者。全程不需要写代码，跟着案例走一遍就能上手自己手头的数据。
不太适合：已经能熟练用 pandas 或 SQL 处理数据的人，你会发现绕了一圈还不如自己写两行；另外课程偏业务分析，不涉及数据建模、自动化调度、多源数据集成，别指望拿它去接数据开发的活。
用这份资料的建议
建议不要一口气看完。每学完一个分析场景，就立刻拿自己工作里一份真实（脱敏后）的表格试一遍，看看 AI 给的结论和你的预期差在哪。案例数据是干净的，真实数据不会——这个落差才是你要练的地方。工具部分可以先跟着走一遍，然后固定下来一个顺手的助手长期用，不用三个都精通。
最后提醒一点：AI 输出分析结论时，数字对不对必须自己抽查。课程里也提到了这个问题，但养成核对的习惯，比学任何工具都重要。这门课的价值在于帮你把分析的门槛从"会不会写代码"降到"会不会提问题"，后者才是真正的分水岭。
课程目录
第1章 课程介绍 1-1 课程内容介绍 1-2 课程课件 1-3 课程素材 第2章 认知篇 —— AI 时代人人可做数据分析 2-1 AI 如何改变数据分析-描述性分析 2-2 AI是如何改变数据分析-对比分析 2-3 AI如何改变数据分析-其他分析场景介绍以及完整案例演示输出 2-4 工具准备3个AI助手+excel，用AI完成第一个数据分析 2-5 AI工具的对比以及常见问题分析 2-6 AI助手工具-WorkBuddy&QoderWork 2-7 用AI 5分钟完成一份数据报告-分析实操以及结果输出 2-8 万能数据分析提示词模板结构 2-9 通过追问做更深入的分析 第3章 数据获取篇——零爬虫零 SQL 快速拿取数据 3-1 让AI帮你生成模拟数据 3-2 生成数据的提示词高级技巧以及常见QA说明 3-3 网页数据通过AI快速整理 3-4 AI截图识别表格数据做整理输出 3-5 PDF提取表格的3种方法 3-6 问卷调查数据统计分析哪家强（豆包orWPS AI） 3-7 问卷类调研场景扩展与AI分析 3-8 数据库连接不用写SQL，用AI做自然语言查询 3-9 数据库数据分析结果追问与交叉验证 3- 10 AI根据中文直接转移成可执行的SQL语句 3- 11 案例实操 3- 12 AI如何生成多表关联的SQL查询语句 第4章 数据清洗篇 —— AI 自动化处理脏数据 4-1 数据清洗不会用函数，AI帮你统一格式 4-2 数据清洗实操案例以及WPS AI中如何处理 4-3 字段清洗规则速查，让AI秒懂如何清洗 4-4 重复数据、异常值：AI帮你找出来 4-5 数据质量检查提示词速查，如何保证数据修复准确性的SO 4-6 多表合并不会用VLOOPUP，让AI辅助生成函数 4-7 分类与编码：用AI做文本数据的智能归类技巧 4-8 AI智能归类实操案例 4-9 AI智能归类进阶技巧和常见QA分析 4- 10 第三章全流程实战：从原始数据到干净数据步骤分解解析 4- 11 动手实操多文件清洗合并全流程 4- 12 用QoderWork生成了质量更高的合并数据 4- 13 数据清洗的进阶技巧以及常见QA解答 第5章 数据分析篇（上）—— 描述、对比、趋势、漏斗与RFM客户分群 5-1 描述性分析报告AI自动生成实操 5-2 描述性分析深入挖掘技巧、提示词速查卡以及常见问题应对 5-3 对比分析，用AI找出”哪里不一样”，案例实操 5-4 对比分析深入剖析、注意点以及常见QA解答 5-5 趋势分析——用AI预测未来3个月走势，实操案例 5-6 趋势分析，可靠性说明、库存规划、预算分配及趋势预测的 5-7 趋势分析——避坑指南，让AI基于预测数据生成可视化图 5-8 漏斗分析——用AI找出用户流失的关键环节，实操案例 5-9 可视化：漏斗数据如何转化为图表展示，助你快速定位高流 5- 10 漏斗分析的四种常用方法 5-11 漏斗分析常见场景AI提示词速查、避坑指南、常见问题分 5- 12 用户分群——用AI做客户分层（RFM模型说明） 5- 13 用户分群——RFM模型分析实操 5-14 加权RFM、动态RFM、多维RFM交叉分析使用户分群 5- 15 RFM三种可视化图表显示 5- 16 其他客户分层方法介绍及用户分层小节 第6章 数据分析篇（下）—— 关联分析、归因分析与完整经营分析报告 6-1 关联分析原理解析 6-2 关联分析实操案例演示 6-3 关联分析的进阶用法 6-4 关联分析避坑指南 6-5 关联分析，可视化图表展示 6-6 关联分析，常见QA说明 6-7 归因分析，三个核心概念 6-8 归因分析，单因素多因素分析实操案例 6-9 归因分析，进阶用法（时序归因、客群归因、预测归因） 6- 10 归因分析，避坑指南 6- 11 归因分析，各因素贡献度图与销量变化归因瀑布图 6- 12 归因分析，常见问题以及小结 6- 13 数据分析综合运用，完整的经营分析报告结构框架 6- 14 数据分析经营报告生成，运用本章的方法生成完整报告 6- 15 数据分析报告优化与可视化图表输出 6- 16 数据分析报告AI提示词速查以及常见问题解答 第7章 数据可视化篇（上）——专业图表、动态仪表盘与制作分析型PPT 7-1 不用学excel也可以用AI生成专业可视化图表 7-2 AI生成区域销售额数据对比实操案例-workbudd 7-3 AI生成其他高级图表的方法 7-4 图表提示词速查卡、生成图表注意点以及如何生成带文案的 7-5 如何让AI生成放进PPT里的图表 7-6 AI制作动态仪表盘的操作步骤 7-7 动态仪表盘实现方案 7-8 仪表盘进阶使用技巧 7-9 仪表盘相关常见问题处理 7-10 AI做数据分析PPT的优势以及几个AI工具的横向对比 7-11 通过素材与核心结论生成PPT交付物，豆包与workb 7-12 助你更好得使用PPT做表达：PPT叙事结构的几种经典 7- 13 制作数据分析型PPT常见问题梳理 第8章 数据可视化篇（下）——高级图表与可视化数据报告综合实战 8-1 高级图表——用AI做热力图、桑基图、雷达图 8-2 热力图实操输出 8-3 桑基图与雷达图的实操输出 8-4 高级图表优化样式及进阶用法 8-5 如何生成带文字说明的高级图表以及高级图表常见问题梳理 8-6 数据可视化综合实战，用AI制作一份可交互的数据分析报 8-7 市场活动效果分析报告实操案例 8-8 如何给活动分析报告增加功能，如何分享报告 8-9 可视化分析报告制作常见的问题 第9章 实战篇——行业案例，学完就能用 9-1 电商行业，用AI做店铺诊断与选品分析 9-2 淘宝店铺月度诊断报告实战演练 9-3 店铺诊断报告的进阶方法以及常见分析问题整理 9-4 金融行业，用AI做贷款违约预测与风险评估 9-5 信用风险分析评估实操案例 9-6 风险评估模型如何落地到Excel 9-7 HR与组织分析，用AI做人才盘点 9-8 用AI预测离职风险 9-9 教育与科研，用AI做学生学习成绩分析 9- 10 教育与科研，用AI做科研调查数据处理 9- 11 课程总结与进阶路径 适合人群 数据分析师 业务人员 数据驱动决策者 学习收获 掌握AI数据分析工具 提升数据分析效率 实现数据驱动决策 祝您学习愉快！ 学有所成，前程似锦！
