為什麼資料清理吃掉分析師 80% 的時間
資料清理 —— 去重、修資料型別、拆欄 —— 占了分析師在 Excel 裡大約 80% 的時間，這個數字是 o11 那份報告點出來的。多數 AI 工具回你的還是公式，跑不跑還得你自己來。這篇指南講最常見的清理任務，以及 AI 怎麼在你的表裡直接執行它們。
80% 這麼高，是因為清理**繁瑣而不難**：每一個修法都簡單，但數量有幾十個，而且換個表就不一樣。時間是在累積裡消失的 —— 這裡修一欄、那裡拆一欄 —— 而這恰好是機器比人更擅長的活，也恰好是執行型工具能接手的那部分。
這個 80% 不只是一條效率註腳 —— 它正是團隊第一個要自動化的 Excel 任務就是清理的原因。花在擦資料上的時間，就是沒花在真正支撐決策的分析上的時間，所以任何能壓縮掉「擦」這個階段的東西，收益都體現在它下游的工作上。
對財務分析師來說，這個 80% 是每天的日常 —— 財務分析師的清理工作 講了同樣的任務在出報表和月末結帳之前是怎麼發生的。
常見的清理任務
- 去掉重複列，讓每筆記錄只出現一次。
- 修資料型別 —— 文字數字變成真數字，混雜的日期變成真日期。
- 拆開合併欄，比如把全名拆成姓和名，或者把地址拆成幾部分。
- 統一樣式 —— 整張表的大小寫、空白和貨幣符號。
- 補上缺漏值 —— 能安全推斷的地方就補，不能的地方就標出來。
- 按模式（而不只是精確字串）尋找取代 —— 尾端空白、換行符號、不一致的分隔符。
- 按規則集驗證：意料之外的值、超出範圍的數字，以及不在預期清單裡的新類別。
實際做起來，有三項任務占主導：去重、修資料型別、統一樣式。它們描述起來便宜、執行起來機械，所以是 AI 清理裡性價比最高的第一批目標 —— 這也是先從這裡下手、再去碰更麻煩的空值和驗證場景的好理由。
清理最容易的做法是排序：先修結構 —— 型別、重複、拆分 —— 再統一樣式，最後做驗證。每個階段都依賴前一個，所以按這個順序規劃步驟的 Agent，結果通常比一次性亂修一通更乾淨。
AI 資料清理是怎麼運作的
執行型清理工具每次都走同一套：你用白話描述清理任務，它讀你的活頁簿、規劃操作，你批准這份計畫，然後它在你檔案裡逐步執行、把變更顯示出來。只會建議的工具停得更早 —— 它把公式或巨集遞給你，跑不跑留給你自己。
差別就在這種逐步可見 —— Mica 怎麼把每一步顯示出來 詳細講了這個流程。
而且因為清理會碰型別、空值和範圍，它能暴露出來的錯誤就是公式類的 —— 清理相關的公式報錯 把常見的那些都覆蓋了。
可見性不是好看的擺設。清理是**小規模破壞性**的操作 —— 一次拆欄把名字切錯、一次修型別把前導零弄掉 —— 所以唯一安全的 AI 清理工具，是每個操作在跑之前都給你看的那個。這也是下面那套流程裡總有一個批准步驟、而不是一個一把梭的巨集的原因。
幾分鐘的準備能讓任何一次清理都更好：確認資料在一張表裡、或者範圍命名清晰；標出哪些欄可以安全推斷、哪些絕不能碰；把空值規則定下來。事先把這些說清楚，計畫才能第一次就給你正確的操作。
AI 清理 vs 手動清理 vs Power Query
| 做法 | 速度 | 投入 | 可見性 |
|---|---|---|---|
| 手動（尋找取代、公式） | 慢 | 高 | 完全 —— 每一步都由你做 |
| 只給公式建議的 AI | 拿到文字快 | 中 —— 你仍要貼上和驗證 | 只有你貼上的那些 |
| 在你的檔案裡執行的 AI | 快 | 低 | 每一步跑的時候都顯示 |
Power Query 坐在前兩者之間：它能腳本化、能重複，但轉換要你自己搭。上面「執行」那一行才是時間黑洞消失的地方 —— 清理發生在檔案裡、看得見，不需要每週手動重搭一遍。
Power Query 和 AI 不是對手關係，它們解決的問題不同。當同一個轉換每週都要在一份新匯出的資料上跑，Power Query 就是對的選擇；當任務是一次性的、不規則的，為它搭一個 Query 就是殺雞用牛刀，這時 AI 才對。兩樣都需要的團隊，可以把可重複的那條路腳本化，其餘的留給 AI。
清理檢查清單
- 在任何 AI 清理步驟跑之前，先備份原始活頁簿。
- 每一步執行時都過一眼 —— 用本機 Agent，每個操作在發生前後都看得見。
- 在一份副本上把同一個任務再跑一遍，確認結果是穩定的，而不是運氣。
- 抽查合併欄或拆分欄時，拿真實資料列去核對，不要只看表頭。
AI 清理不是永遠正確。對一張很小的、本來就乾淨的表，手工過一遍比搭任何自動化都強；對必須滿足嚴格外部規範的資料，不管是誰做的清理，驗證都請手動保留。這篇指南是給**又大又亂的那中間一段**用的 —— 80% 真正住在那些表裡。