商業數據可視化分析：Excel+Power BI 課件 項目七 AI輔助下的商業數據可視化

項目七AI輔助下的商業數據可視化任務一

AI輔助下的數據整理與分析學習目標技能目標1.能夠運用不同的AI工具輔助完成數據可視化相關操作。2.能夠正確解讀并合理調整AI輔助生成的可視化分析結果。素質目標1.具備數據倫理意識，關注數據隱私和安全性。2.具備創新思維與批判性思維，積極探索數據可視化的新方法。知識目標1.理解AI在商業數據可視化中的應用場景。2.熟悉主流AI輔助可視化工具的操作步驟。學習目標經過一段時間的學習，小麗已經熟練掌握了運用Excel和PowerBI進行數據可視化的操作技能。在學習過程中，小麗發現AI不僅能夠輔助完成文字工作，還能協助處理數據和制作圖表，極大地提升工作效率。對此，小麗開始嘗試將AI運用到數據可視化中，幫助自己進一步提升數據可視化實操能力。思維導圖一、AI輔助處理數據的思路和方法AI輔助數據處理與圖標制作知識儲備數據清洗與預處理AI可以通過自動化工具自動識別并處理數據中的缺失值、異常值和重復數據。例如，使用機器學習算法(如KNN算法或回歸模型)填充缺失值，或者通過規則引擎自動修正錯誤數據。數據分類與聚類AI可以通過監督學習算法（如決策樹、隨機森林）對數據進行分類，幫助用戶快速識別數據中的模式和類別。在操作時，可以將訓練好的模型參數或數據樣本截圖上傳至AI平臺進行識別分析。數據預測與趨勢分析AI模型（如時間序列分析、LSTM神經網絡）可以基于歷史數據預測未來趨勢，為業務決策提供參考。通過關聯規則挖掘（如Apriori算法），AI可以發現數據中的潛在關聯關系，從而進行趨勢分析。知識儲備(二)計算與數據分析圖表自動化生成AI工具(如PowerBI的QuickInsights、Tableau的ExplainData)可以自動生成可視化分析結果及對應圖表，并根據數據特征添加必要的注釋和趨勢線。通過自然語言查詢(如“顯示2023年銷售額趨勢”)，AI可以快速生成對應的可視化圖表，降低用戶的操作門檻。圖表優化與交互AI可以根據數據的分布和用戶需求，自動優化圖表的顏色、標簽和比例，使其更易于理解。AI輔助數據處理與圖標制作智能圖表推薦AI可以根據數據的類型和分析目標，自動推薦最合適的圖表類型。例如，對于時間序列數據推薦折線圖，對于分類數據推薦柱狀圖或餅圖。二、AI輔助制作圖表的思路和方法AI輔助下的數據整理與分析AI輔助數據整理01在數字經濟時代，AI技術正深刻改變數據處理的方式，從簡單的數據清洗到智能分析建模，AI的輔助讓數據處理更高效、更精準。DeepSeek、豆包、ChatGPT等AI工具通過“自然語言交互+代碼生成+功能調用”模式輔助Excel數據處理，無須安裝額外插件,只需要在AI界面輸入需求指令，即可獲取數據處理方案、生成執行代碼,還可以直接得到處理結果文件。以DeepSeek為例，打開DeepSeek網頁版或客戶端，上傳原始Excel文件“銷售信息表.xlsx”。銷售信息表存在單價含異常值、數量含缺失值的問題。操作步驟上傳數據并輸入需求步驟一在輸入框中明確需求“幫我清洗這份銷售信息表數據，處理3個問題：①刪除單價異常值(單價為0~1000)；②填充數量缺失值，需結合日期和促銷活動規律；③統一商品名稱(‘短款風衣’‘中長款風衣’統一為‘風衣’)，并說明處理邏輯”。操作步驟上傳數據并輸入需求步驟二根據輸入指令，DeepSeek在1~2分鐘內生成處理方案，包含：①用Z-score算法識別出2條單價異常值，如單價2518、1518，明顯超過1000元上限；②基于時序趨勢+促銷標簽填充數量缺失值：數量列中存在空白或公式(如=RANDBETWEEN(1,2))，需統一處理。假設:促銷活動通常在周末(周五至周日)和法定節假日進行，銷量較高，非促銷日銷量較低。填充策略：若為促銷日(周末或節假日)，數量填充為2，否則填充為1。③將類似商品名稱統一為標準名稱：在產品品類列中，將所有包含“風衣”的子類統一替換為“風衣”，如圖所示。操作步驟確認DeepSeek處理方案注意：由于AI的快速迭代，不同時間、不同文件及不同指令下的回復很可能存在較大差異。AI輔助下的數據整理與分析DeepSeek導出Excel文件02

獲取清洗結果與報告操作步驟步驟一當DeepSeek完成數據清洗后，輸入需求指令：“請導出①清洗后的Excel文件(命名為“銷售信息表_清洗后.xlsx”)；②數據清洗報告(含處理記錄、異常值數量、缺失值填充條數關鍵修改記錄)，點擊鏈接即可下載”。

單擊“銷售信息表_清洗后.xlsx”按鈕，將文件下載至本地(默認保存至“下載”文件夾)，無需額外操作。操作步驟借助AI輔助處理數據,無須關注技術細節，適合快速獲取結果，且AI能夠自動校驗文件格式(如確保“數量”列為數值型、“銷售日期”列為日期型)，避免格式錯誤。步驟二項目七AI輔助下的商業數據可視化任務二AI在Excel數據

可視化中的應用AI在Excel數據可視化中的應用AI自動生成可視化圖表的技巧01打開瀏覽器，在網址欄輸入網址“”，打開“OFFICEAI助手”下載官網，如圖一所示。單擊“立即下載”，進入新界面后向下翻動，找到“本地服務器端”，單擊下方“二合一版本下載”鏈接進行下載，如圖所示。操作步驟AI工具嵌入Excel步驟一下載插件雙擊下載的文件，按照提示步驟完成OFFICEAI助手插件安裝，如圖所示。操作步驟AI工具嵌入Excel步驟二安裝插件安裝完成后，將自動打開兩份OFFICEAI助手文件(word和Excel)，菜單欄位置新增了“officeAI”選項卡。單擊菜單欄的“右側面板”選項，即可調用頁面右側的AI助手，如圖所示。操作步驟AI工具嵌入Excel步驟三調用插件

單擊officeAI助手面板“內置模型”右側的“設置”按鈕，

可以打開“設置”界面，選擇不同的AI模型，如圖所示。操作步驟AI工具嵌入Excel步驟四操作步驟AI輔助生成可視化圖表

打開素材Excel文件，單擊菜單欄中的“officeAI”選項卡，選擇“右側面板”選項，調用嵌入的officeAI助手功能。

在AI助手對話界面輸入指令：“根據[銷售額]和[輔助數據列]的值生成堆積柱形圖，X軸為[產品類目]的值，標題為‘SY超市月銷售統計’”，此時AI助手便會生成一張堆積柱形圖，如圖所示。操作步驟AI輔助生成可視化圖表

AI自動生成的圖表默認將靠前的數據作為第一數據系列并置于底部。若要將堆積柱形圖改為瀑布圖就需要調整數據系列位置。選中圖表，右擊圖表中的數據系列,在彈出的快捷菜單中單擊“選擇數據”選項，在彈出的對話框中，于“圖例項”下方選中“輔助列”，單擊右側的“上移”按鈕，設置完成后單擊“確定”按鈕。過程如圖所示。操作步驟AI輔助生成可視化圖表

隱藏輔助數據系列在圖表中選中輔助數據系列，右擊，在彈出的快捷菜單中選擇“設置數據系列格式”，在右側面板中單擊“填充與線條”，“填充”設置為“無填充”，“邊框”設置為“無邊框”。設置如圖所示。

雙擊“合計”對應的數據點，在右側“設置數據點格式”面板中選擇“填充與線條”，將該數據點設置為綠色填充，以突出合計數的特殊性。刪除“輔助列”對應的圖例項和數據標簽。操作步驟AI輔助生成可視化圖表

將圖表標題修改為“SY超市月銷售額統計圖”，最終效果如圖所示。AI在Excel數據可視化中的應用AI驅動的智能圖表推薦與優化02當前，主流的AI圖表工具有ChartAI、ChartExcel、愛圖表等,這些工具基于AI算法，能夠根據數據特征自動推薦相匹配的圖表類型。下面，我們以ChartExcel為例，展示如何運用AI完成智能圖表推薦與優化。操作步驟AI完成智能圖表推薦步驟一打開ChartExcel網站,登錄賬號，在聊天框內上傳數據表格文件。在聊天框內輸入命令語句，如：“請根據我上傳的數據信息,幫我選取合適的可視化圖表類型，并生成可視化圖表。”如圖一所示，單擊發送按鈕。AI立即開展對數據文件的分析工作，如圖。步驟二操作步驟AI完成智能圖表推薦完成數據分布與關系分析后，AI將結合分析結果給出圖表類型推薦;同時，自動生成對應的可視化圖表供用戶使用，如圖所示。步驟三注意：ChartExcel官方網址為。目前同類AI圖表工具不斷涌現，讀者可根據需求選擇使用。若AI初次推薦并生成的圖表未達到預期效果，用戶可通過進一步對話交互對圖表進行持續優化。市面上主流的AI工具如DeepSeek、文心一言等也能夠為用戶推薦和選擇圖表。如圖所示，在DeepSeek中輸入可視化需求指令“銷售數據可視化報表分析對象及指標選擇”，DeepSeek便可快速完成圖表推薦工作。操作步驟AI輔助智能圖表優化此外，AI還可以根據數據特點和圖表類型，自動調整圖表的樣式和布局，包括顏色搭配、字體選擇、坐標軸設置等，使圖表更加美觀、專業。過去，面對數據量龐大的商業數據，人們往往需要耗費大量時間逐步整理分析，不僅費時費力，而且容易出錯。隨著人工智能的飛速發展，AI智能助手能快速解讀數據和圖表背后的商業邏輯，協助快速定位問題根源，支持精準做出戰略決策。目前，零售、制造、金融等行業已廣泛應用AI開展數據圖表分析，AI正日益成為企業數字化轉型的核心驅動力和商業決策的智慧大腦。市面上主流AI工具均能實現高效、高質量的數據圖表分析。下面我們結合豆包這一AI工具，展示AI是如何助力用戶開展商業數據分析的。操作步驟AI助力商業數據圖表分析將待分析的數據表格文件上傳至AI，在對話框中為AI設定角色身份，并輸入一段明確的指令，清晰描述本次數據分析的預期目標。如本案例中，希望AI分析A公司的客戶數據，可以輸入如下指令：“你是一位在數據分析領域擁有超過10年經驗的資深數據分析師……”，如圖一所示。最終分析結果如圖所示。操作步驟AI助力商業數據圖表分析項目七AI輔助下的商業數據可視化任務三

AI在PowerBI數據

處理中的應用AI在PowerBI數據處理中的應用PowerQuery與AI的鏈接01操作步驟PowerQuery可與Azure認知服務、Azure機器學習等緊密集成。通過Azure認知服務提供的文本分析與視覺識別功能，在PowerQuery中可對文本數據進行情緒分析、關鍵短語提取、語言檢測等操作，還能對圖像進行標簽識別等處理。Azure機器學習模型也可直接在PowerQuery中調用，用戶可方便地指定輸入列等參數來調用模型，實現預測分析等高級分析功能，為業務決策提供更精準的依據，如圖所示。AI在PowerBI數據處理中的應用PowerQuery與AI結合的實操演練02操作步驟增加前綴補齊位數PowerQuery憑借直觀易用的交互界面以及豐富的功能模塊，能夠高效完成篩選、排序、去重等一系列常見的基礎數據清理工作。但在部分特殊場景下，界面功能無法直接滿足需求，這時就需要借助更加靈活且強大的M函數輔助實現。雖然M函數功能強大，但它的學習成本相對較高，對于學習者來說，不必花費大量時間系統學習M函數語法體系，只需了解其基本應用方式，并掌握在現有代碼基礎上進行適當修改的方法，即可滿足多數場景下的數據處理需求。通過與AI進行交互并明確具體需求，AI即可快速生成相應的M代碼。現有用戶ID數據，如圖所示。如果需要將用戶ID調整為7位代碼，不足7位的，前面用“0”補齊，該怎么做呢?操作步驟增加前綴補齊位數打開DeepSeek網頁，對話框中輸入“你是一個PowerQuery高手，我有一列數字，比如12、123、12345等，需要將這些編碼調整為7位代碼，不足7位的，前面用字符0補齊，比如123變成0000123,在PowerQuery中如何用M函數實現呢?”。DeepSeek將生成幾種方案，如圖所示。步驟一操作步驟增加前綴補齊位數加載案例數據后，在“PowerQuery編輯器”窗口中執行以下操作：選中“用戶ID”列→添加列→自定義列→新列名輸入“用戶ID(7位)”→輸入自定義公式→單擊“確定”按鈕，如圖一所示。最終得到新的“用戶ID(7位)”列數據，如圖二所示。步驟二操作步驟日期時間轉換現有銷售日期數據如圖所示。如果需要計算銷售日期距離2025年1月1日的天數，應該怎么做呢?加載案例數據后，在“PowerQuery編輯器”窗口中,執行以下操作；選中“用戶ID”列→添加列→自定義列→新列名輸入“距今天數”→輸入自定義公式→單擊“確定”按鈕。最終得到新的“距今天數”列數據，如圖所示。步驟二打開DeepSeek網頁，在對話框中輸入“今天是2025年1月1日，我有一列日期數據，……，如何用PowerQuery的M函數將這些日期轉換為距離今天的天數呢?”，如圖所示。DeepSeek生成了幾種方案，如圖所示。步驟一操作步驟特殊結構的數據轉為一維表現有部分銷售表數據如圖所示。想將該特殊結構表格轉化為一維表格，應該怎么做呢?操作步驟特殊結構的數據轉為一維表打開DeepSeek網頁，在對話框中輸入“附件是Excel數據，……，請你用PowerQuery的M函數幫我將附件數據轉換為一維表格”，如上圖所示。DeepSeek生成了方案，如右圖所示。步驟一操作步驟特殊結構的數據轉為一維表加載案例數據后，在“PowerQuery編輯器”窗口中執行以下操作：主頁→高級編輯器→自定義列→輸入生成的M函數代碼→單擊“確定”按鈕，如左圖所示。最終得到轉換后的一維表格，如圖右所示。步驟二項目七AI輔助下的商業數據可視化任務四

AI輔助的報告生成與優化AI輔助的報告生成與優化AI輔助數據可視化報表解讀01操作步驟在運用AI輔助進行報告生成與優化工作時，通常通過以下三個步驟進行:步驟一：將待分析的可視化報表上傳至AI，利用AI完成報表數據的分析與解讀；步驟二：根據擬生成的數據報表的特點、使用場景等，采用“背景+目標+結構”的描述方式向AI下達指令,快速設計并生成數據分析報告模板；步驟三：結合AI對報表的解讀結果以及生成的報告模板，填制完整的數據報告，并上傳至AI進行報告質量評估與優化。操作步驟目前市面上主流的AI工具大多具備高效解讀數據可視化報表的能力。下面我們結合任務二中的銷售數據可視化報表，運用KIMI這一AI工具，展示如何利用AI輔助解讀數據可視化報表。打開項目六中制作的“銷售數據可視化報表”，使用截圖工具截取可視化看板，并將圖片保存至本地。打開KIMI網頁，上傳看板截圖，如圖所示。步驟一1操作步驟在對話框中輸入數據分析指令“請幫我分析上傳的銷售數據可視化看板中的關鍵信息”，單擊對話框右下角“箭頭”按鈕，AI解讀結果如圖所示。步驟二2提示：AI生成的數據看板解讀結果在準確性、全面性等方面可能存在不足，用戶需對結果進行審核與校驗。AI輔助的報告生成與優化AI輔助數據分析報告模板設計與生成02操作步驟若要運用AI輔助設計與生成數據分析報告模板，通常應按照以下要點與AI開展對話：描述報告使用背景、明確報告分析目標、提供報告關鍵信息、指出報告基本結構、等待AI生成報告模板、提出反饋及修改意見、完成模板優化。下面，我們以企業2024年度銷售數據分析為例，運用Kimi這一AI工具，演示如何使用AI輔助生成數據分析報告模板。操作步驟打開Kimi網頁，在對話框中輸入指令。指令應準確描述背景、目標、關鍵信息等內容，以確保AI能夠充分理解數據分析需求。如圖所示，“我是A公司的數據分析師，現在需要制作一份《2024年度銷售數據分析報告》用于向CEO匯報”，明確了報告使用背景；“我的目標是充分分析上年度企業整體的銷售表現，包括全年銷售額、銷售量、銷售利潤，以及各項產品、各個地區、各個門店的銷售占比情況，各項產品的獲利能力以及市場競爭力等，以便為新一年的銷售布局提供有用信息”，明確了報告分析目標，并為AI提供了報告的關鍵信息；“我希望報告整體結構采用總分總形式”，則明確了報告的基本結構。步驟一操作步驟發送指令，等待AI生成報告模板，如左圖所示。初步生成的報告模板如下圖所示。步驟二步驟二操作步驟步驟三AI生成的模板仍比較籠統粗糙，用戶可通過進一步反饋并發送修改指令，向AI傳達明確的修改意見，指導AI對模板進行優化與精簡。例如，加入更具體的分析要求、優化提示詞等。如圖所示，提出報告中需包含銷售趨勢分析、銷售占比分析和銷售利潤分析模塊的要求后，AI能夠在生成的初步模板中進行優化。AI輔助的報告生成與優化AI輔助的報告質量評估與優化03操作步驟AI驅動的數據準確性檢測一份高質量的數據分析報告通常具備以下幾個特征：數據準確性高、可視化效果良好、內容相關且邏輯清晰、文字可讀性強且通俗易懂。下面介紹AI如何輔助用戶完成數據報告的質量評估與優化。利用AI技術可以對報告中的數據準確性進行自動檢測和評估。AI驅動的數據準確性檢測工具可以通過與原始數據源進行比對，快速發現數據差異和錯誤。例如，一些數據質量檢測軟件可以連接到報告的數據源，自動抽取報告中的關鍵數據并與數據源中的原始數據進行逐一對比，識別出數據不一致、缺失值、異常值等問題。這些工具通常采用先進的數據匹配算法和異常檢測模型，能夠高效地處理大量數據，并提供詳細的錯誤報告和修復建議。操作步驟AI評價報告內容相關性與邏輯性AI技術可以通過自然語言處理(NLP)算法對報告中的文本內容進行分析，評估內容的相關性和邏輯連貫性。NLP技術可以對報告中的關鍵詞、短語、句子結構等進行語義分析，識別文本內容與報告主題和目標之間的關聯程度。例如，通過主題建模算法(如LDA)，AI工具可以提取報告中的題關鍵詞，并分析各部分文本內容與這些主題關鍵詞的關聯性，從而判斷是否存在內容偏離主題的情況。在邏輯連貫性評估方面，AI可以利用文本序列分析和邏輯推理模型，分析報告中各段落之間的邏輯關系、句子之間的銜接情況，檢測是否存在邏輯跳躍、矛盾或不連貫的地方。例如，基于神經網絡的文本生成和理解模型(如GPT2、GPT3等)，可以對報告的文本內容進行理解，并生成與報告邏輯一致的摘要或繼續創作內容;通過對比生成內容與實際報告內容之間的差異，發現報告中可能存在的邏輯問題。同時，AI工具可以識別報告中結論和建議部分與前面數據和分析內容的對應關系，檢查是否存在結論與分析脫節的情況。借助上述AI技術，可有效支撐報告內容的相關性和邏輯連貫性評估，幫助作者發現文本內容中的潛在問題并進行優化改進。AI評估可讀性與易懂性AI工具可以運用可讀性評估算法(如Flesch-Kincaid可讀性測試、GunningFog指數等)對報告的文本內容進行可讀性評估。這些算法通過對文本的詞匯復雜度、句子長度、段落結構等因素進行量化分析，計算出文本的可讀性得分，并根據得分評估文本的閱讀難度級別。例如，Flesch-Kincaid可讀性測試通過計算平均句子長度和平均音節數等指標，給出文本的可讀性評分，評分越低表示文本越難以理解。AI工具可以對報告中的各個部分進行可讀性評估，并指出可讀性較差