AI智能体数据分析实战——人人可用的WorkBuddy实操课

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com

课程背景：

一份月度经营分析报告，从整理数据、清洗、统计到做完图表，要花多久？不同岗位的答案不同。做报表的人说“两天”，看报表的人说“为什么不能更快一点”。销售、运营、财务每天都在和数据打交道，却因Excel效率有限或不懂专业工具，反复做重复性工作；管理者催着要数据，业务人员陷在数据里，两头都累。

这不是某个岗位的问题。凡是需要处理数据的人，都会碰到这个情况。WorkBuddy这类AI智能体解决的正是这个问题——不写代码、不靠IT支持，用自然语言就能完成数据清洗、统计分析、图表生成、报告输出，把原本一两天的分析工作压缩到几十分钟。

本课程不讲算法原理，不写代码。围绕真实业务数据，从零开始，带着学员一步一步完成清洗、分析、可视化、报告生成、多表关联和定时自动化，最终输出可直接汇报的完整成果。课程内容不挑岗位，不挑职级，会基础Excel就能学会。课上写的指令，回去改改就能跑在自己的数据上。管理者亲自走一遍流程，能看到一份分析报告从数据到结论要经历哪些环节、每个环节需要什么条件，自己心里有数了，布置任务时方向更清晰，给团队的支持也更到位。

课程收益：

大幅提升数据处理效率：释放时间和精力，用于更有价值的业务决策

掌握一套数据分析指令库：获得可回到岗位直接套用的标准化提示词模板

独立完成从原始数据到决策报告的全流程：获得处理各类数据并输出完整报告的能力

建立数据驱动的决策思维：让分析结果精准服务于业务决策

实现数据分析的定时自动化：告别高频分析任务的重复性劳动

课程对象：

有数据分析需求的全员（不限岗位、不限职级），会基础Excel操作即可，无需任何AI或编程基础

课程方式：

讲师讲授 + 实操演示 + 实战跟练 + 小组共创

课程大纲

导入：为什么用AI做数据分析

问题：你做一份数据分析报告要多久？

1. 整体多久？

2. 最耗时的环节？

效率对比：传统方式2小时 VS AI方式10分钟，差距在哪？

第一部分：AI辅助分析的基础能力——从数据整理到洞察发现

第一讲：认知与准备——让AI听懂你的需求

一、场景痛点

1. 打开WorkBuddy后，不知道该做什么

2. 试着输入指令，AI给出结果没法用

3. 反复修改指令，花的时间比自己做还长

二、基本原理

1. Workbuddy读取数据的三种方式

1）上传本地Excel/CSV文件

2）连接本地文件夹

3）MCP方式（进阶选学）

2. WorkBuddy理解数据分析需求的机制

1）解析指令中的分析目标

2）将需求转化为数据操作

3. WorkBuddy生成分析结果的输出形式

1）清洗后的数据表

2）统计汇总表

3）可视化图表

4）HTML/PPT/Markdown报告

三、分析模式

1. Ask模式：探索式分析

2. Craft模式：结构化任务

四、AI指令基本结构

1. 指令三要素

1）数据范围：处理哪部分数据？

2）分析动作：做什么处理（清洗/统计/制图）？

3）输出格式：以什么形式返回结果？

2. 指令模板

模板：处理[数据范围]，执行[分析动作]，以[输出格式]返回

示例：处理销售明细表，按地区汇总销售额，以表格形式返回

课堂实操练习：完成Workbuddy安装与登录；配置本地授权文件夹；导入数据验证环境可用

第二讲：AI数据清洗——让脏数据变干净

一、场景痛点

你拿到一张Excel表，里面什么格式都有，没法直接分析：

1. 日期列各种格式都有，无法排序

2. 数据列混入文字，Excel求和报错

3. 很多行数据重复，肉眼查找耗时长

二、数据质量诊断——让AI先体检再治疗

诊断指令的结构：数据范围 + 诊断维度 + 输出格式

示例：检查[数据表]的数据质量，包括[空值、重复值等]，输出Excel格式诊断报告

三、六大高频清洗场景的指令写法

1. 去重

示例：删除[数据表]中[按某列]重复的行，保留第一次出现

2. 空值处理

示例：将[数据表]中[某列]的空值填充为[指定值]

3. 日期标准化

示例：将[数据表]中[日期列]统一格式为YYYY-MM-DD

4. 列名重命名

示例：将[数据表]中的[原列名]改为[新列名]

5. 数据类型转换

示例：将[数据表]中的[某列]转换为[数字/文本/日期]类型

6. 异常值标记

示例：将[数据表]中[某列]超出[范围]的值标记为“异常”

实操任务：清洗一份含错误数据的销售明细表，输出一份清洗干净的Excel文件

第三讲：AI统计分析——让数据开口说话

一、场景痛点

数据清洗干净了，但你想从数据里得到业务结论，依然无从下手：

1. 想做排名、占比分析，不知道让AI怎么做

2. 做透视表，反复拖拽字段、试错调整，效率很低

3. 不知道怎么问AI，才能一次性得到分析结果

二、单维度统计的指令

使用场景：按一个维度对数据进行分组汇总，回答“各XX的YY是多少”这类问题

典型场景：

1. 各区域销售额排名

2. 各产品类别销量对比

3. 各门店月度订单量

指令结构：按[维度列]汇总[数值列]的[统计量]

示例：按地区汇总销售额的合计

讲师演示：执行示例指令得到分析结果

三、多维度统计的指令

使用场景：按两个以上维度交叉分组汇总，回答“各XX在各YY下的ZZ是多少”这类问题

典型场景：

1. 各区域×各品类的销售分布

2. 各月份×各门店的业绩追踪

3. 各销售代表×各产品类别的业绩构成

指令结构：按[维度列1]和[维度列2]汇总[数值列]的[统计量]

示例：按地区和产品类别两个维度汇总销售额

讲师演示：执行示例指令得到分析结果

四、4类分析场景的指令

1. 对比分析指令

示例：按[维度]对比[指标]，用柱状图展示

2. 趋势分析指令

示例：按[时间维度]展示[指标]的变化趋势，用折线图展示

3. 占比分析指令

示例：计算[各维度]在[总指标]中的占比，用饼图展示

4. 异常检测指令

示例：找出[数据表]中[指标]异常的记录（高于/低于均值[X]个标准差）

讲师演示：逐条执行，展示前后效果

实操任务：完成3组不同维度的统计分析

实操产出：一份多维统计报表

第二部分：AI驱动分析的进阶实战——从报告输出到自动运行

第一讲：AI可视化报告生成——让数据变成可汇报的成果

一、场景痛点

1. 表格转图表贴到PPT里，过程很费时

2. 图表怎么选才专业？担心选错

3. 结论怎么提炼，图表怎么解读才专业

二、图表生成指令

指令结构：生成[图表类型]，X轴为[维度]，Y轴为[指标]，标题为[文字]

示例：月度销售趋势——生成折线图

三、图表美化指令

指令结构：修改图表：[修改内容]，如颜色/标签/字体

示例：将柱状图颜色改为蓝色系

四、报告生成指令

指令结构：将以上图表和分析结论生成一份[PPT]报告，[20]以内，包含[封面、目录等]

示例：将以上三张图表和分析结论生成一份PPT报告，控制在8页以内，包含封面页、各区域对比页

五、从报告到业务决策

——4类分析场景的结论提取指令

1. 对比分析

示例：对比各[维度]的[指标]，判断是否合理

2. 趋势分析

示例：分析最近[时间周期]的[指标]趋势，判断整体走向

3. 占比分析

示例：计算各[维度]的[指标]占比，判断是否健康

4. 异常检测

示例：找出[指标]异常高/低的[维度]，判断可能原因

讲师演示：逐条执行，展示AI输出的业务解读

实操任务：完成从图表生成到业务解读的全流程，输出一份完整的分析报告

实操产出：一份完整的分析报告 + 业务要点

第二讲：AI多表关联——从单表分析到多表综合分析

一、场景痛点

1. 订单表/产品表/门店表各自独立，想拼起来看无从下手

2. 以前用VLOOKUP拼表，匹配结果莫名其妙出错，一搞就是半天

3. 不知道AI能不能处理多表关联，不知道怎么下指令

二、多表关联的AI指令设计

1. 两表关联指令结构（替代VLOOKUP）

指令结构：将[表1]和[表2]按“[关联字段]”关联，保留[需要的字段]，生成合并表

示例：将“订单明细表”和“产品信息表”按“产品ID”关联，保留订单ID、下单日期，生成合并表

2. 三标关联指令结构

指令结构：将[表1]、[表2]、[表3]按[关联字段1]和[关联字段2]依次关联，生成完整分析数据集

示例：将“订单明细表”……按“产品ID”和“门店ID”依次关联，生成包含订单ID……的完整分析数据集

三、关联后的统计分析指令

——在关联结果上执行统计指令，与单表统计指令写法一致

实操任务：三表关联生成综合分析报告，输出一份多表关联分析报告

第三讲：定时自动化——让分析自动运行

一、场景痛点

1. 每月固定要，每次从零重复做

2. 流程一样，每次都要手动操作一遍

3. 能不能让AI自动跑、不知道怎么配置

二、工作原理

本质：定时执行一段Prompt任务

——两要素

1. 触发时间

2. 执行内容（Prompt）

三、核心——写好Prompt

完整Prompt结构：数据来源+分析要求+报告格式+输出位置

示例：读取[数据文件]，按要求分析[步骤123]，输出报告为[PPT格式]，结果保存到[D/分析报告]文件夹

四、执行步骤

第一步：设定自动化名称：月度分析报告（示例）

第二步：填入Prompt指令：各区域产品销量分析报告（示例）

第三步：设置执行频率：每周/按间隔

第四步：是否推送位置：Workbuddy小程序/企业微信

第五步：测试运行：手动测试确保顺利运行

第六步：保存自动化方案：后续定时执行

结语：学习总结与落地行动

1. 课堂回顾

2. 答疑互动

3. 落地行动

张老师

张闻川老师 AI+企业智能提升实战专家

20+年AI算法研究应用和实战经验

国防科学技术大学 计算机科学与技术/博士

海军大连舰艇学院 信号与信息处理/硕士

高校特批引进的高层次AI人才

曾任：深信服科技（上市）丨高级数据科学家

曾任：腾讯科技（世界500强）丨高级研究员

曾任：北京奇虎360科技有限公司（上市）丨AI专家

曾任：宽拓科技（前高盛CTO带队的金融量化科技）丨数据科学家（北京团队负责人）

→主操推进落地30+AI智能化提效落地项目：包括【大模型问答系统】、【AI销售预测】、【AI商业线索生成及企业客户流失AI预警】、【金融云脑项目】等核心AI战略项目，在企业战略管理、营销管理、财务、人力资源等多场景覆盖，累计为企业提供有效线索5万/年，降本增效超5000千万元；

擅长领域：数智化转型、数智化营销、AI办公应用、知识库搭建、智能体应用、工作流自动化、大数据与人工智能解决方案、数据可视化、数据安全……

>>>>>20+年专注数智化研究和应用，更懂AI底层原理<<<<<

→以第一作者发表高水平AI国际期刊论文，包括SCI论文2篇，EI论文5篇（英文），EI论文1篇（中文），撰写专著1部《海洋纪事》，博士论文获明评通过；

论文题目类型

Real-time navigation of nonholonomic mobile robots under velocity vector control《非完整约束移动机器人在速度矢量控制下的实时导航》SCI

Real-time path planning of multiple robots in a dynamic certain environment《确定性动态环境下多机器人的实时路径规划》SCI

On-line centralized path planning of multiple mobile robots in dynamic environments《动态环境下多移动机器人的在线集中式路径规划》EI

A new path tracking approach for a mobile robot under velocity field

《速度场下移动机器人的一种新路径跟踪方法》EI

A real-time path tracking approach for a wheeled mobile robot

《轮式移动机器人的一种实时路径跟踪方法》EI

An improvement approach based on linear navigation law for mobile robot

《基于线性导航律的移动机器人改进方法》EI

Real-time trajectory tracking of a wheeled mobile robot with kinematic and dynamic constraints《运动学与动力学约束下轮式移动机器人的实时轨迹跟踪》EI

实战经验：

张闻川老师拥有20+年AI算法研究与大型企业数智化应用实战经验，是国防科技大学博士科班出身的AI专家。曾任职腾讯、360、深信服等世界500强及上市企业，主导落地30+AI提效项目，涵盖大模型、销售预测、客户预警等核心场景，善于从0到1搭建数智化体系，助力企业实现显著降本增效。

①〖数智化工具全景应用落地〗——从顶层设计到底层落地闭环，业务场景全维覆盖

【01】-主导深信服公司的数智化战略项目规划与落地，涵盖从顶层设计到流程标准化建立，主导落地4个高效能AI数智化工具，实现业务场景全覆盖：

工具1：【产品】-大模型问答系统&：利用LLM提升销售产品查询效率与准确性，基于GPT-3.5构建LLM知识库，提升销售查询效率300%，缩短新销售查询耗时50%；

工具2：【需求】-AI销售预测系统：用AI算法替代人工预测供应链销量，提前备货降库存、提高交付及时率，预测正确率从51%提升到70%，效率从3人/天提升到5分钟，覆盖公司所有在销产品，节约资金3000万/年；

工具3：【线索】-AI商业线索生成系统：预测未来3个月即将增复购客群，生成AI线索辅助销售拜访，新建AI线索线上下发系统形成数据闭环，每月新增AI线索4000条（复购3K、增购1K），全年线索5万条/年，促成转化率从6%提升到24%；

工具4：【客户】-企业客户流失AI预警平台：分析流失现状，对即将流失客户建模并提前预警，创新客户流失预警AI新范式，预计挽回营业额8千万+，挽回营收损失3千万；

【02】-从0→1组建宽拓科技北京数据团队，搭建多个数智化平台，规划数据分析挖掘流程，基于数据统筹业务对接与需求管理，帮助客户公司业务从经验驱动向数据驱动转型：

工具1：【营销】-线上营销体系&客户全景BI系统：从0到1构建起客户公司的完整客户画像体系，业务分析体系，实现了客户公司的数字化转型；

工具2：【决策】-金融产品推荐系统：设计了新的推荐策略（二级匹配），解决近100万券商产品购买数量无法支撑协同过滤推荐码以及业务专家推荐结果存在严重偏向性问题，实现金融产品的人工推荐到智能系统推荐的跨越，推荐精准率提升50%；

工具3：【运营】-券商数据平台：建立统一的企业级数据管理平台和分析平台，有力支撑上层的数据应用，推动券商向数据驱动式运营转变，数据管理应用和客户运营效率的大幅提升；

②〖AI算法模型商业化项目落地〗——海量数据深度分析，构建智能决策体系驱动业务增长

【01】-主导腾讯科技公司数万维度的金融数据治理与智能风控模型体系建设，覆盖信用评估、反欺诈、质量监控等核心风控场景：

案例1：【信用评估与反欺诈项目】：规划设计基于数万维度的支付数据、身份特征，建构信用模型、反欺诈建模，应用于现金贷、供应链金融、消费金融等场景，从微信10亿+客群中精准挖掘出有相应需求的客户，赋能内外部客户，开拓了业务新增量；

案例2：【质量监控项目】：对2000+风控标签进行质量监控，对入模特征、模型分进行波动性环比同比、稳定性PSI等质量监控并可视化，支持特征和模型问题的排查定位，从数据基座保证了质量，奠定了模型的可用性可靠性；

案例3：【数据源应用系统】：支撑数据源接入和使用管理，高效地从数万外部字段中选择有效的字段进行特征构建和规则构建，有效补充了内部数据的不足，从更全面的角度审查客户的风险；

【02】-主导360科技公司【智能风控与反欺诈项目】，基于数亿级的客户数据，从0到1搭建金融智能风控与反欺诈体系，涵盖风控建模、反欺诈识别、智能营销等全链路能力：

案例1：【金融风控模型项目】：利用自有数据和外部数据分析挖掘逾期客户的特征，同时利用APP行为数据进行反欺诈识别，构建用户金融画像，基于渠道用户事件分析进行渠道反欺诈分析挖掘，提高贷款量3000万/天，降低逾期率至0.1%；

案例2：【金融云脑项目】：主导安全信用分和智能营销项目，探索对外输出智能金融技术，将集团内部成熟的金融风控能力产品化，面向外部数十家金融机构提供智能风控SaaS服务，拓展了技术变现的新业务模式。

部分授课案例：

序号企业课题

1深信服科技《AI算法原理与企业落地应用》

《供应链销售预测的AI实战应用》

《企业数字化转型的整体思路和框架》

2腾讯科技《金融信贷风控中的算法应用实战》

《基于多源数据构建客户完整画像》

3360科技《金融反欺诈模型的构建和应用》

4酷友会《AI在数字化转型中的应用实战》

主讲课程：

《AI办公10倍效率提升——从认知到实战、场景落地》

《AI智能体数据分析实战——人人可用的WorkBuddy实操课》

《AI赋能业务增长与科学决策——从获客到利润的经营闭环实战》

《AI工作流自动化实战——用WorkBuddy打造7x24小时无人值守办公》

《AIAgent从入门到实战：从工具使用到自主开发——不会代码也能打造智能体》

《AI智能体办公实战工作坊——用Workbuddy打造你的数字员工，让重复工作自动化》

项目：

【AI信用评估】、【AI反欺诈】、【AI销售预测】、【AI线索生成】、【AI客户流失预测】

授课风格：

真实案例讲透AI价值：精选销售预测、线索转化、流失预警等30+实战项目，用“痛点→方案→结果”一条线讲清AI怎么落地

复杂技术拆成简单步骤：国防科大博士出身，把算法模型翻译成业务人能听懂、管理者能决策、执行者能上手的方法

带业务来，带成果走：现场搭智能体、做应用、练数据分析，用自己的真实问题产出可用结果，不搞纸上谈兵

从战略到执行形成闭环：帮企业找到AI与增长的最佳结合点，从顶层规划到落地推广，让AI真正变成生产力

——一句话总结：听得懂、学得会、带得走、用得上。

部分客户评价：

课程让我挺意外的，贴近业务实际情况，AI线索生成这个案例，把我们怎么找客户、怎么判断谁要复购讲得很有条理。原来AI不是啥玄学，是真能帮到我们的。已经让团队重新梳理思路了，几个模糊的画像现在清晰多了。

——深信服科技 营销总监 王总

我们供应链做销量预测一直靠老经验，经常备错货。老师用AI的方法告诉我们，还可以这么做，很惊喜，不是必须要靠堆人才能提高准确率。整个数据清洗、模型选型、效果评估的流程讲得很清楚，解决了困扰团队很久的老大难

——深信服科技 供应链总监 杨总

一直有个疑问，就是不知道怎么把数据更好的变现。课程把怎么选特征、怎么平衡准确率和召回率、怎么和业务方一起在优化AI模型，讲的很好。还有模型上线后的监控体系，这块我们以前做得不够，回来团队要补上。

——极光科技 信贷风控业务负责人 李总

课程把业务和技术融合的很好。从数据接入到模型上线的全链路都走了一遍，还特别强调数据质量监控这种容易被忽略的环节。讲技术时也会讲清楚业务考量，帮我解决了不少纠结。

——阳光保险 数据部负责人 张总

AI线索生成和客户流失预警这两个案例，就像专门给我们销售团队准备的一样。以前我们判断客户基本靠感觉，AI可以提前三个月可能增购的客户圈出来，转化率还提升了好几倍，AI赋能确实不错。

——传音控股 销售部负责人 高总

数字化转型的课程很受益。老师在大厂主导数字化转型的完整经历，很有共鸣感。顶层设计、流程标准化、AI切入点选择、效果量化评估等关键环节讲得很好，解答了我们很久的疑惑。既有战略高度又有落地细节。

——酷友会 战略部负责人 何总

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com