? 这是「不惑工具箱2026」的第12篇原创。 每周一篇实操干货，帮中年人用AI省出真实时间。 觉得有用，记得点关注 ?

? 本文提要： ✅ 为什么中年人学不会Excel函数不是你的问题 ✅ 零售行业3个真实数据分析场景 ✅ 每个场景附可直接复制的DeepSeek提示词 ✅ 踩坑记录：AI分析数据什么时候会出错 ⏱️ 预计阅读时间：7分钟

我在大厂干了20年，最怕的一件事是——做数据分析。

不是怕看数据。数据摆在那，哪个涨了哪个跌了，我一眼就能感觉到不对。我怕的是"做出来"——Excel透视表、VLOOKUP、数据清洗、图表美化……每次做到一半，就开始喊同事帮忙。

"张姐，帮我拉个表呗。"

张姐比我小十岁，手指在键盘上噼里啪啦，一分钟出图。我在旁边看着，心想：这玩意儿我这辈子也学不会。

有一天我在测试工具，突然想：如果我现在还在岗，AI能不能帮我把这个短板补上？

我拿以前做过的零售数据跑了一遍DeepSeek。结果让我挺意外的。

不需要函数。不需要透视表。不需要任何Excel技巧。只要把数据贴进去，用大白话说清楚你要什么，AI直接给你分析结论。

一个做了20年零售的老兵，和一个完全不懂技术的AI，配合起来，做了一份让张姐看完都说"可以啊"的数据分析报告。

今天把方法拆给你看。如果你是零售行业的，或者在任何一个"被数据压着走"的岗位上，这个方法都能帮你。

为什么90%的中年人学不会Excel数据分析？

先说一个真相：不是你的问题。

Excel函数（VLOOKUP、SUMIFS、INDEX+MATCH）和透视表，本质上是一种"编程思维"——你要先想清楚字段之间的逻辑关系，再把逻辑翻译成公式。这件事对年轻人来说不难，因为他们从小就习惯了操作数码产品。

但对35+的人来说，你的大脑更擅长另一种能力：直觉判断。

你看到一份月度销售表，不用算，就能感觉到"这个月饮料涨得不对""这家门店的客单价有问题"。

这种直觉，是AI永远做不到的。而Excel公式，是AI闭着眼睛就能做的。

所以正确的分工是：你出判断，AI出技术。

场景一：月度销售数据趋势分析

这是零售行业最常见的数据场景。假设你手里有一份月度销售表，大概是这样的：

以前做这份分析，你要拉透视表、做环比增长、画趋势图，至少折腾2-3小时。

现在，把数据直接丢给DeepSeek：

【提示词：月度销售趋势分析】

我有一份零售门店的月度销售数据，帮我做一次趋势分析。  数据如下（总共12个月的数据）： [把Excel表格直接复制粘贴到这里]  我是[填你的岗位，比如区域经理/店长]，汇报对象是[填领导岗位]。  请帮我分析以下几点： 1. 整体销售趋势：这12个月的销售额变化趋势是什么？有没有明显的增长或下滑？ 2. 品类分析：哪个品类表现最好？哪个品类在拖后腿？ 3. 门店对比：各门店的表现差异大不大？有没有谁严重掉队？ 4. 毛利率变化：毛利率有没有下降的趋势？如果有，可能是什么原因？ 5. 下个月我应该重点关注什么？给出3条具体建议。  要求： - 每条分析结论都要有具体数据支撑（比如"XX品类从7月开始连续3个月下滑，累计降了XX%"） - 别给我画饼，数据是什么就说什么 - 如果有些结论你无法判断，直接说"建议人工核实" 

跑完之后，DeepSeek会给你一份分析报告。不是那种"整体向好"的废话，而是实打实的——3月到5月销售额连续下滑、零食品类毛利被促销活动吃掉、红旗店客单价异常——这些问题你一眼能看出来，但AI帮你用数据验证了一遍。

你拿着这份报告，加上你自己的行业判断，一份有说服力的分析就有了。

场景二：库存预警分析

库存是零售行业的"隐形杀手"——你赚的钱不是压在货架上，就是压在仓库里。

我以前管零售的时候，最头疼的就是库存。畅销品经常断货，滞销品堆了一仓库。每个月做库存分析，要从ERP系统导出几千行数据，筛选、排序、打标签，搞半天也只看了个大概。

用AI做库存分析，逻辑是反过来的：你告诉它规则，它帮你筛。

【提示词：库存预警分析】

我有一份门店库存报表，帮我做一次库存健康度诊断。  数据如下（含：商品编码、商品名称、品类、月初库存、本月进货、本月销量、月末库存、建议周转天数）： [把库存数据表贴进来]  请按以下规则分析，不符合规则的标记为"预警"：  规则1：畅销品（本月销量排名前20%的商品）如果月末库存 < 7天日均销量，标记为"断货风险" 规则2：滞销品（连续2个月销量排名后20%的商品）如果月末库存 > 30天日均销量，标记为"积压风险" 规则3：当月进货量是当月销量的3倍以上，且月末库存 > 15天日均销量的商品，标记为"过度采购" 规则4：毛利率高于40%但销量排名后30%的商品，标记为"高毛利但动销差"  请按以下格式输出： - 先汇总四类风险各有多少个商品 - 每类风险列出前5个最严重的商品，标明具体数据和损失估算 - 最后给3条库存优化建议，要具体（比如"XX商品建议立即做买一送一清仓"） 

这个提示词的价值在于：你以前可能要花半天时间来筛选和计算的数据，AI几分钟跑完了。你拿到手的是一份"已经画好重点"的报告，直接拿着去开会就行。

我之前测的时候，一份1800行的库存表，DeepSeek跑完大概30秒。中间掉了两个网络包，我又跑了第二遍。

场景三：会员复购分析

零售行业有一个铁律：获取一个新会员的成本，是留住一个老会员的5倍。

所以会员复购分析，是零售数据分析里最有价值的一类。但这也是最容易被忽视的——因为做起来太麻烦了。你要把会员消费记录拉出来，按人头归集、算消费频次、分时间段对比，一套操作下来，没个半天搞不定。

让AI帮你做：

【提示词：会员复购分析】

我有一份会员消费记录，帮我做一次复购率分析。  数据如下（含：会员ID、性别、年龄、首次消费日期、最近消费日期、累计消费金额、累计消费次数、每次消费金额列表）： [把会员数据表贴进来]  请帮我分析： 1. 整体复购率是多少？（定义：有2次及以上消费记录的会员占比） 2. 按年龄分段，哪个年龄段复购率最低？为什么？ 3. 按消费金额分档（低/中/高），哪个档的复购率最高？ 4. 找出"沉睡会员"：最近一次消费距今超过90天、但累计消费金额在前30%的会员。这类会员占多少比例？怎么激活他们？ 5. 从数据里看，什么品类/什么价格带的商品最容易带来复购？ 6. 给3条提升复购率的具体建议（要对标数据，不要泛泛而谈）。  输出格式：每个分析点分别给出结论+数据依据。 

这份分析出来之后，你可以看出你的会员结构：哪个年龄段的复购不行、哪个价格段的回购率最高、"沉睡会员"有多少人、值不值得做一次唤醒活动——这些决策以前需要你凭直觉拍板，现在有数据支撑了。

踩坑记录：AI分析数据，什么时候会出错？

我测了不止零售数据，还拿其他行业的表跑过。说实话，DeepSeek做数据分析确实可以，但有几类情况会翻车：

坑1：数据量太大时，AI会"选择性忽略"

一份超过3000行的表，AI有时候会只分析前2000行，后面的内容直接跳过。你如果不仔细检查，很难发现它漏了数据。

解决办法：把大数据表拆成几个小表，分批分析。

坑2：异常值判断不准

比如有一条记录"销售额500万"，AI会以为是正常数据，其实可能是录错了（5万写成500万）。AI不会怀疑数据源本身有问题。

解决办法：分析前先让AI做一次"异常值扫描"，用这个提示词：

先帮我扫描这份数据，找出可能的异常值： - 数值是否在同一列里严重偏离平均值（超过3个标准差） - 是否存在明显的逻辑错误（比如进价高于售价） - 日期格式是否统一 

坑3：百分比计算可能出错

AI在处理"同比增长率""毛利率"等百分比时，偶尔会把分母搞错。这个不是每次都错，但你得核对。

解决办法：关键百分比自己用计算器核一遍，别盲信。

?️ 投票互动 你工作中最头疼的数据分析场景是什么？ A. 月度/季度销售分析报告 B. 库存管理（畅销断货、滞销积压） C. 会员/客户数据分析 D. 我根本不会用Excel，从头就崩溃

评论区告诉我，下篇我可以针对你最头疼的场景单独写一篇教程。

? 关注「不惑工具箱2026」，下篇我写：《用AI整理会议纪要：3分钟出完整记录》

中年职场 #AI工具 #数据分析 #零售行业 #DeepSeek

写在最后

我以前一直觉得，数据分析是年轻人的活——要懂函数、懂透视表、懂各种工具，中年人学不会。

这波实测下来，我发现我搞反了。

中年人的优势不是做表技术，是对数据的敏感度和逻辑性。

你在这个行业干了十几年，哪个数字看着不对，哪个趋势有异常，你一眼就能感觉出来。年轻人拿着同样的数据，可能要做完分析才发现"哦这个有问题"，而你看到原始数据就已经有判断了。

AI做的，是把你的判断快速变成结论和图表。它补的是你的短板（做表技术），但发现问题的嗅觉、分析问题的逻辑、解决问题的方向——这些是AI给不了的，恰恰也是你最有价值的地方。

会发现问题，会分析问题，最后能解决问题，输出结果——这才是中年人在数据这件事上的真正护城河。

AI让你把这个过程从3天缩短到3小时，但"发现问题"这件事，还是得你来。

━━━━━━━━━━━━━━

 ? 我是「不惑工具箱2026」 中年职场人的AI工具实测站 每周更新：好用的AI工具 + 职场转型真实记录

? 关注后发送关键词，领取实用职场工具： ? 发送「AI工具」→ 领取8大AI工具保姆级教程 ? 发送「提示词」→ 领取AI常用提示词合集 ? 发送「跳槽」→ 领取跳槽AI工具包

觉得有用，点个「赞」和「在看」让更多同路人看到 ? ━━━━━━━━━━━━━━