商业数据可视化分析：Excel+Power BI 课件 项目七 AI辅助下的商业数据可视化

项目七AI辅助下的商业数据可视化任务一

AI辅助下的数据整理与分析学习目标技能目标1.能够运用不同的AI工具辅助完成数据可视化相关操作。2.能够正确解读并合理调整AI辅助生成的可视化分析结果。素质目标1.具备数据伦理意识，关注数据隐私和安全性。2.具备创新思维与批判性思维，积极探索数据可视化的新方法。知识目标1.理解AI在商业数据可视化中的应用场景。2.熟悉主流AI辅助可视化工具的操作步骤。学习目标经过一段时间的学习，小丽已经熟练掌握了运用Excel和PowerBI进行数据可视化的操作技能。在学习过程中，小丽发现AI不仅能够辅助完成文字工作，还能协助处理数据和制作图表，极大地提升工作效率。对此，小丽开始尝试将AI运用到数据可视化中，帮助自己进一步提升数据可视化实操能力。思维导图一、AI辅助处理数据的思路和方法AI辅助数据处理与图标制作知识储备数据清洗与预处理AI可以通过自动化工具自动识别并处理数据中的缺失值、异常值和重复数据。例如，使用机器学习算法(如KNN算法或回归模型)填充缺失值，或者通过规则引擎自动修正错误数据。数据分类与聚类AI可以通过监督学习算法（如决策树、随机森林）对数据进行分类，帮助用户快速识别数据中的模式和类别。在操作时，可以将训练好的模型参数或数据样本截图上传至AI平台进行识别分析。数据预测与趋势分析AI模型（如时间序列分析、LSTM神经网络）可以基于历史数据预测未来趋势，为业务决策提供参考。通过关联规则挖掘（如Apriori算法），AI可以发现数据中的潜在关联关系，从而进行趋势分析。知识储备(二)计算与数据分析图表自动化生成AI工具(如PowerBI的QuickInsights、Tableau的ExplainData)可以自动生成可视化分析结果及对应图表，并根据数据特征添加必要的注释和趋势线。通过自然语言查询(如“显示2023年销售额趋势”)，AI可以快速生成对应的可视化图表，降低用户的操作门槛。图表优化与交互AI可以根据数据的分布和用户需求，自动优化图表的颜色、标签和比例，使其更易于理解。AI辅助数据处理与图标制作智能图表推荐AI可以根据数据的类型和分析目标，自动推荐最合适的图表类型。例如，对于时间序列数据推荐折线图，对于分类数据推荐柱状图或饼图。二、AI辅助制作图表的思路和方法AI辅助下的数据整理与分析AI辅助数据整理01在数字经济时代，AI技术正深刻改变数据处理的方式，从简单的数据清洗到智能分析建模，AI的辅助让数据处理更高效、更精准。DeepSeek、豆包、ChatGPT等AI工具通过“自然语言交互+代码生成+功能调用”模式辅助Excel数据处理，无须安装额外插件,只需要在AI界面输入需求指令，即可获取数据处理方案、生成执行代码,还可以直接得到处理结果文件。以DeepSeek为例，打开DeepSeek网页版或客户端，上传原始Excel文件“销售信息表.xlsx”。销售信息表存在单价含异常值、数量含缺失值的问题。操作步骤上传数据并输入需求步骤一在输入框中明确需求“帮我清洗这份销售信息表数据，处理3个问题：①删除单价异常值(单价为0~1000)；②填充数量缺失值，需结合日期和促销活动规律；③统一商品名称(‘短款风衣’‘中长款风衣’统一为‘风衣’)，并说明处理逻辑”。操作步骤上传数据并输入需求步骤二根据输入指令，DeepSeek在1~2分钟内生成处理方案，包含：①用Z-score算法识别出2条单价异常值，如单价2518、1518，明显超过1000元上限；②基于时序趋势+促销标签填充数量缺失值：数量列中存在空白或公式(如=RANDBETWEEN(1,2))，需统一处理。假设:促销活动通常在周末(周五至周日)和法定节假日进行，销量较高，非促销日销量较低。填充策略：若为促销日(周末或节假日)，数量填充为2，否则填充为1。③将类似商品名称统一为标准名称：在产品品类列中，将所有包含“风衣”的子类统一替换为“风衣”，如图所示。操作步骤确认DeepSeek处理方案注意：由于AI的快速迭代，不同时间、不同文件及不同指令下的回复很可能存在较大差异。AI辅助下的数据整理与分析DeepSeek导出Excel文件02

获取清洗结果与报告操作步骤步骤一当DeepSeek完成数据清洗后，输入需求指令：“请导出①清洗后的Excel文件(命名为“销售信息表_清洗后.xlsx”)；②数据清洗报告(含处理记录、异常值数量、缺失值填充条数关键修改记录)，点击链接即可下载”。

单击“销售信息表_清洗后.xlsx”按钮，将文件下载至本地(默认保存至“下载”文件夹)，无需额外操作。操作步骤借助AI辅助处理数据,无须关注技术细节，适合快速获取结果，且AI能够自动校验文件格式(如确保“数量”列为数值型、“销售日期”列为日期型)，避免格式错误。步骤二项目七AI辅助下的商业数据可视化任务二AI在Excel数据

可视化中的应用AI在Excel数据可视化中的应用AI自动生成可视化图表的技巧01打开浏览器，在网址栏输入网址“”，打开“OFFICEAI助手”下载官网，如图一所示。单击“立即下载”，进入新界面后向下翻动，找到“本地服务器端”，单击下方“二合一版本下载”链接进行下载，如图所示。操作步骤AI工具嵌入Excel步骤一下载插件双击下载的文件，按照提示步骤完成OFFICEAI助手插件安装，如图所示。操作步骤AI工具嵌入Excel步骤二安装插件安装完成后，将自动打开两份OFFICEAI助手文件(word和Excel)，菜单栏位置新增了“officeAI”选项卡。单击菜单栏的“右侧面板”选项，即可调用页面右侧的AI助手，如图所示。操作步骤AI工具嵌入Excel步骤三调用插件

单击officeAI助手面板“内置模型”右侧的“设置”按钮，

可以打开“设置”界面，选择不同的AI模型，如图所示。操作步骤AI工具嵌入Excel步骤四操作步骤AI辅助生成可视化图表

打开素材Excel文件，单击菜单栏中的“officeAI”选项卡，选择“右侧面板”选项，调用嵌入的officeAI助手功能。

在AI助手对话界面输入指令：“根据[销售额]和[辅助数据列]的值生成堆积柱形图，X轴为[产品类目]的值，标题为‘SY超市月销售统计’”，此时AI助手便会生成一张堆积柱形图，如图所示。操作步骤AI辅助生成可视化图表

AI自动生成的图表默认将靠前的数据作为第一数据系列并置于底部。若要将堆积柱形图改为瀑布图就需要调整数据系列位置。选中图表，右击图表中的数据系列,在弹出的快捷菜单中单击“选择数据”选项，在弹出的对话框中，于“图例项”下方选中“辅助列”，单击右侧的“上移”按钮，设置完成后单击“确定”按钮。过程如图所示。操作步骤AI辅助生成可视化图表

隐藏辅助数据系列在图表中选中辅助数据系列，右击，在弹出的快捷菜单中选择“设置数据系列格式”，在右侧面板中单击“填充与线条”，“填充”设置为“无填充”，“边框”设置为“无边框”。设置如图所示。

双击“合计”对应的数据点，在右侧“设置数据点格式”面板中选择“填充与线条”，将该数据点设置为绿色填充，以突出合计数的特殊性。删除“辅助列”对应的图例项和数据标签。操作步骤AI辅助生成可视化图表

将图表标题修改为“SY超市月销售额统计图”，最终效果如图所示。AI在Excel数据可视化中的应用AI驱动的智能图表推荐与优化02当前，主流的AI图表工具有ChartAI、ChartExcel、爱图表等,这些工具基于AI算法，能够根据数据特征自动推荐相匹配的图表类型。下面，我们以ChartExcel为例，展示如何运用AI完成智能图表推荐与优化。操作步骤AI完成智能图表推荐步骤一打开ChartExcel网站,登录账号，在聊天框内上传数据表格文件。在聊天框内输入命令语句，如：“请根据我上传的数据信息,帮我选取合适的可视化图表类型，并生成可视化图表。”如图一所示，单击发送按钮。AI立即开展对数据文件的分析工作，如图。步骤二操作步骤AI完成智能图表推荐完成数据分布与关系分析后，AI将结合分析结果给出图表类型推荐;同时，自动生成对应的可视化图表供用户使用，如图所示。步骤三注意：ChartExcel官方网址为。目前同类AI图表工具不断涌现，读者可根据需求选择使用。若AI初次推荐并生成的图表未达到预期效果，用户可通过进一步对话交互对图表进行持续优化。市面上主流的AI工具如DeepSeek、文心一言等也能够为用户推荐和选择图表。如图所示，在DeepSeek中输入可视化需求指令“销售数据可视化报表分析对象及指标选择”，DeepSeek便可快速完成图表推荐工作。操作步骤AI辅助智能图表优化此外，AI还可以根据数据特点和图表类型，自动调整图表的样式和布局，包括颜色搭配、字体选择、坐标轴设置等，使图表更加美观、专业。过去，面对数据量庞大的商业数据，人们往往需要耗费大量时间逐步整理分析，不仅费时费力，而且容易出错。随着人工智能的飞速发展，AI智能助手能快速解读数据和图表背后的商业逻辑，协助快速定位问题根源，支持精准做出战略决策。目前，零售、制造、金融等行业已广泛应用AI开展数据图表分析，AI正日益成为企业数字化转型的核心驱动力和商业决策的智慧大脑。市面上主流AI工具均能实现高效、高质量的数据图表分析。下面我们结合豆包这一AI工具，展示AI是如何助力用户开展商业数据分析的。操作步骤AI助力商业数据图表分析将待分析的数据表格文件上传至AI，在对话框中为AI设定角色身份，并输入一段明确的指令，清晰描述本次数据分析的预期目标。如本案例中，希望AI分析A公司的客户数据，可以输入如下指令：“你是一位在数据分析领域拥有超过10年经验的资深数据分析师……”，如图一所示。最终分析结果如图所示。操作步骤AI助力商业数据图表分析项目七AI辅助下的商业数据可视化任务三

AI在PowerBI数据

处理中的应用AI在PowerBI数据处理中的应用PowerQuery与AI的链接01操作步骤PowerQuery可与Azure认知服务、Azure机器学习等紧密集成。通过Azure认知服务提供的文本分析与视觉识别功能，在PowerQuery中可对文本数据进行情绪分析、关键短语提取、语言检测等操作，还能对图像进行标签识别等处理。Azure机器学习模型也可直接在PowerQuery中调用，用户可方便地指定输入列等参数来调用模型，实现预测分析等高级分析功能，为业务决策提供更精准的依据，如图所示。AI在PowerBI数据处理中的应用PowerQuery与AI结合的实操演练02操作步骤增加前缀补齐位数PowerQuery凭借直观易用的交互界面以及丰富的功能模块，能够高效完成筛选、排序、去重等一系列常见的基础数据清理工作。但在部分特殊场景下，界面功能无法直接满足需求，这时就需要借助更加灵活且强大的M函数辅助实现。虽然M函数功能强大，但它的学习成本相对较高，对于学习者来说，不必花费大量时间系统学习M函数语法体系，只需了解其基本应用方式，并掌握在现有代码基础上进行适当修改的方法，即可满足多数场景下的数据处理需求。通过与AI进行交互并明确具体需求，AI即可快速生成相应的M代码。现有用户ID数据，如图所示。如果需要将用户ID调整为7位代码，不足7位的，前面用“0”补齐，该怎么做呢?操作步骤增加前缀补齐位数打开DeepSeek网页，对话框中输入“你是一个PowerQuery高手，我有一列数字，比如12、123、12345等，需要将这些编码调整为7位代码，不足7位的，前面用字符0补齐，比如123变成0000123,在PowerQuery中如何用M函数实现呢?”。DeepSeek将生成几种方案，如图所示。步骤一操作步骤增加前缀补齐位数加载案例数据后，在“PowerQuery编辑器”窗口中执行以下操作：选中“用户ID”列→添加列→自定义列→新列名输入“用户ID(7位)”→输入自定义公式→单击“确定”按钮，如图一所示。最终得到新的“用户ID(7位)”列数据，如图二所示。步骤二操作步骤日期时间转换现有销售日期数据如图所示。如果需要计算销售日期距离2025年1月1日的天数，应该怎么做呢?加载案例数据后，在“PowerQuery编辑器”窗口中,执行以下操作；选中“用户ID”列→添加列→自定义列→新列名输入“距今天数”→输入自定义公式→单击“确定”按钮。最终得到新的“距今天数”列数据，如图所示。步骤二打开DeepSeek网页，在对话框中输入“今天是2025年1月1日，我有一列日期数据，……，如何用PowerQuery的M函数将这些日期转换为距离今天的天数呢?”，如图所示。DeepSeek生成了几种方案，如图所示。步骤一操作步骤特殊结构的数据转为一维表现有部分销售表数据如图所示。想将该特殊结构表格转化为一维表格，应该怎么做呢?操作步骤特殊结构的数据转为一维表打开DeepSeek网页，在对话框中输入“附件是Excel数据，……，请你用PowerQuery的M函数帮我将附件数据转换为一维表格”，如上图所示。DeepSeek生成了方案，如右图所示。步骤一操作步骤特殊结构的数据转为一维表加载案例数据后，在“PowerQuery编辑器”窗口中执行以下操作：主页→高级编辑器→自定义列→输入生成的M函数代码→单击“确定”按钮，如左图所示。最终得到转换后的一维表格，如图右所示。步骤二项目七AI辅助下的商业数据可视化任务四

AI辅助的报告生成与优化AI辅助的报告生成与优化AI辅助数据可视化报表解读01操作步骤在运用AI辅助进行报告生成与优化工作时，通常通过以下三个步骤进行:步骤一：将待分析的可视化报表上传至AI，利用AI完成报表数据的分析与解读；步骤二：根据拟生成的数据报表的特点、使用场景等，采用“背景+目标+结构”的描述方式向AI下达指令,快速设计并生成数据分析报告模板；步骤三：结合AI对报表的解读结果以及生成的报告模板，填制完整的数据报告，并上传至AI进行报告质量评估与优化。操作步骤目前市面上主流的AI工具大多具备高效解读数据可视化报表的能力。下面我们结合任务二中的销售数据可视化报表，运用KIMI这一AI工具，展示如何利用AI辅助解读数据可视化报表。打开项目六中制作的“销售数据可视化报表”，使用截图工具截取可视化看板，并将图片保存至本地。打开KIMI网页，上传看板截图，如图所示。步骤一1操作步骤在对话框中输入数据分析指令“请帮我分析上传的销售数据可视化看板中的关键信息”，单击对话框右下角“箭头”按钮，AI解读结果如图所示。步骤二2提示：AI生成的数据看板解读结果在准确性、全面性等方面可能存在不足，用户需对结果进行审核与校验。AI辅助的报告生成与优化AI辅助数据分析报告模板设计与生成02操作步骤若要运用AI辅助设计与生成数据分析报告模板，通常应按照以下要点与AI开展对话：描述报告使用背景、明确报告分析目标、提供报告关键信息、指出报告基本结构、等待AI生成报告模板、提出反馈及修改意见、完成模板优化。下面，我们以企业2024年度销售数据分析为例，运用Kimi这一AI工具，演示如何使用AI辅助生成数据分析报告模板。操作步骤打开Kimi网页，在对话框中输入指令。指令应准确描述背景、目标、关键信息等内容，以确保AI能够充分理解数据分析需求。如图所示，“我是A公司的数据分析师，现在需要制作一份《2024年度销售数据分析报告》用于向CEO汇报”，明确了报告使用背景；“我的目标是充分分析上年度企业整体的销售表现，包括全年销售额、销售量、销售利润，以及各项产品、各个地区、各个门店的销售占比情况，各项产品的获利能力以及市场竞争力等，以便为新一年的销售布局提供有用信息”，明确了报告分析目标，并为AI提供了报告的关键信息；“我希望报告整体结构采用总分总形式”，则明确了报告的基本结构。步骤一操作步骤发送指令，等待AI生成报告模板，如左图所示。初步生成的报告模板如下图所示。步骤二步骤二操作步骤步骤三AI生成的模板仍比较笼统粗糙，用户可通过进一步反馈并发送修改指令，向AI传达明确的修改意见，指导AI对模板进行优化与精简。例如，加入更具体的分析要求、优化提示词等。如图所示，提出报告中需包含销售趋势分析、销售占比分析和销售利润分析模块的要求后，AI能够在生成的初步模板中进行优化。AI辅助的报告生成与优化AI辅助的报告质量评估与优化03操作步骤AI驱动的数据准确性检测一份高质量的数据分析报告通常具备以下几个特征：数据准确性高、可视化效果良好、内容相关且逻辑清晰、文字可读性强且通俗易懂。下面介绍AI如何辅助用户完成数据报告的质量评估与优化。利用AI技术可以对报告中的数据准确性进行自动检测和评估。AI驱动的数据准确性检测工具可以通过与原始数据源进行比对，快速发现数据差异和错误。例如，一些数据质量检测软件可以连接到报告的数据源，自动抽取报告中的关键数据并与数据源中的原始数据进行逐一对比，识别出数据不一致、缺失值、异常值等问题。这些工具通常采用先进的数据匹配算法和异常检测模型，能够高效地处理大量数据，并提供详细的错误报告和修复建议。操作步骤AI评价报告内容相关性与逻辑性AI技术可以通过自然语言处理(NLP)算法对报告中的文本内容进行分析，评估内容的相关性和逻辑连贯性。NLP技术可以对报告中的关键词、短语、句子结构等进行语义分析，识别文本内容与报告主题和目标之间的关联程度。例如，通过主题建模算法(如LDA)，AI工具可以提取报告中的题关键词，并分析各部分文本内容与这些主题关键词的关联性，从而判断是否存在内容偏离主题的情况。在逻辑连贯性评估方面，AI可以利用文本序列分析和逻辑推理模型，分析报告中各段落之间的逻辑关系、句子之间的衔接情况，检测是否存在逻辑跳跃、矛盾或不连贯的地方。例如，基于神经网络的文本生成和理解模型(如GPT2、GPT3等)，可以对报告的文本内容进行理解，并生成与报告逻辑一致的摘要或继续创作内容;通过对比生成内容与实际报告内容之间的差异，发现报告中可能存在的逻辑问题。同时，AI工具可以识别报告中结论和建议部分与前面数据和分析内容的对应关系，检查是否存在结论与分析脱节的情况。借助上述AI技术，可有效支撑报告内容的相关性和逻辑连贯性评估，帮助作者发现文本内容中的潜在问题并进行优化改进。AI评估可读性与易懂性AI工具可以运用可读性评估算法(如Flesch-Kincaid可读性测试、GunningFog指数等)对报告的文本内容进行可读性评估。这些算法通过对文本的词汇复杂度、句子长度、段落结构等因素进行量化分析，计算出文本的可读性得分，并根据得分评估文本的阅读难度级别。例如，Flesch-Kincaid可读性测试通过计算平均句子长度和平均音节数等指标，给出文本的可读性评分，评分越低表示文本越难以理解。AI工具可以对报告中的各个部分进行可读性评估，并指出可读性较差