【养虾系列08篇】2分钟完成169条数据深度分析，给出5个洞察，老板震惊了：你开挂了？

大家好，这是我们养虾系列的第八篇文章，今天我们开始深入龙虾如何改变我们的日常工作的。

课程目标： 用一个真实案例，展示 AI Agent 怎么把一份 169 行的 Excel 数据，变成一份有洞察、有结论、可以直接拿去开会的分析报告。

▼ 龙虾产出的分析报告效果（数据已脱敏）

读者收益

看完本文，你可以获得什么呢？

• 一套" CSV → AI多维拆解 → 输出洞察"的标准操作路径
• 一个给 AI 下数据分析指令的 Prompt 模板
• 3 条"数据分析 ≠ 画图表"的底层认知

一分钟小知识

如何开始分析一份数据，提炼出洞察而不是简单数字的罗列？

拿到一份数据，大多数人的反应是"先画个饼图看看"。但好的数据分析，不是从图表开始的，是从维度开始的。

今天教你一个框架——数据分析五维拆解法：

记住这个顺序：先看全局（健康度）→ 再看谁（分类）→ 再看变化（趋势）→ 再看风险（异常）→ 最后看结构（分布）。

下面的实战案例，就是按这 5 个维度依次拆解的。

实践出真知（AI实战）

一. 之前：一头钻进Excel图表里出不来

169 张工单，横跨两年，10 家合作伙伴，11 种服务类型。

为了回答老板的问题："为什么单子越来越多，完成率却没提高？"

以前的做法：打开 Excel → 分类汇总（1 天）→ 画图表（1 天）→ 写结论（1 天）→ 领导说"换个维度" → 再来三天。

如果换做是你，拿到 169 行 Excel，你会从哪几个维度分析？

（思考 1 分钟……）

二. 现在：2 分钟，CSV → 报告，深挖后再分析

我给龙虾的指令：

"帮我做一份深度分析报告，数据源是这份 CSV。要求：1. 先做数据质量检查，标出所有异常2. 从以下维度分析：整体健康度、分类对比、时间趋势、异常/超期、分布集中度3. 每个发现要有数据支撑4. 最后给出问题清单和建议5. 输出为 HTML 格式，可视化"

2 小时后，一份 8 板块的 HTML 分析报告到手。下面是龙虾做的 4 件事。

三. 龙虾做了什么

Step 1：数据清洗——先揪脏数据

龙虾上来不画图，先验数据质量。发现：

• 6 张异常中止单（不是完成也不是进行中，是中途取消的）
• 日期字段 3 种格式混用
• 4 条记录负责团队为空

169 行你不可能逐条检查。龙虾逐行扫，每个异常都标了出来。

Step 2：五维拆解——不是一张饼图就完事

维度一：整体健康度

54% 完成率听起来还行？但龙虾往下挖了一层：71 张在途单里，62% 卡在前两个环节（组建团队 + 方案设计）——它们根本还没开始干活。一张饼图看不出这个。

维度二：供应商能力对比

第一名是第九名的 3 倍。同一批工单，派给不同供应商，结果天差地别。不做这个分析，你根本不知道。

维度三：月度趋势

龙虾用纯 CSS 画了柱状图。关键发现：去年 9 月创建了 18 单但只完成 6 单——积压从这个月开始恶化。今年初完成数终于超过了创建数，积压在缓解，但历史欠账还在。

维度四：超期分析

已完成的 92 单里，47.8% 超过 90 天才交付。接近一半的工单要拖三个月以上。

维度五：服务类型分布

11 种服务包，80% 的单量集中在 3 种。剩下 8 种要么太冷门、要么定义模糊——这本身就是产品设计的问题。

Step 3：要的不是图表——是结论

Excel 给你数据，龙虾给你报告，但只有你才能做判断。

记得用5W进行层层深入和挖掘背后的原因！

5 个核心问题

1. 42% 在途，其中 62% 卡在前两个环节

2. 供应商分化严重——最高 85%，最低 13%

3. 超期率逼近 50%

4. 80% 单量挤在 3 个包里，其他 8 个包要不要砍

5. 6 张取消单没有任何复盘

3 个亮点

1. 头部供应商 85% 的做法可以推广

2. 近期完成数超过创建数，趋势在好转

3. 数据颗粒度够细，能支撑更深入的分析

Step 4：输出 HTML 报告

不是 PPT，不是 Word，是浏览器直接打开的网页。不依赖 Office 版本、排版不会错位。8 个板块，全部纯 CSS 可视化，零 JavaScript。

So What：认知提升

1. AI 分析数据的真正价值不是"快"，是"让你有了更多思考的时间"。

以前做 Excel 分析，处理数据，选择合适图表，格式编排就花费大量时间，现在这些都交给AI，我们有了更多时间从不同的维度来思考和深挖问题。

2. "帮我分析一下"是全世界最差的 Prompt。

你必须说清楚：从什么维度看、要什么格式的输出、拿这个分析做什么决策。三样不说清楚，龙虾就会给你一份"正确但无用"的通用报告。

3. 数据分析的终点是行动，不是图表。

我第二天拿龙虾给的 5 个问题去开会。讨论不再是"你觉得哪个供应商好"，而是"数据显示 A 是 B 的 3 倍，我们调不调分配策略"。有数据支撑的讨论，效率至少提高 5 倍。