利用AI进行数据分析——基于DeepSeek+豆包+智谱清言，让效率提高N倍

让AI参与分析，也让结果经得起检查

把表格交给AI，得到一段看起来专业的解释，并不等于完成了数据分析。真正重要的是：问题有没有定义清楚，数据口径是否一致，计算是否正确，结论能否回到证据。《利用AI进行数据分析》适合把AI当作工作助手、同时希望保留判断与校验能力的读者。

作者与版本

作者徐小磊，清华大学出版社，2025年8月出版，ISBN 9787302697756。完整书名为《利用AI进行数据分析——基于DeepSeek+豆包+智谱清言，让效率提高N倍》。书名中的效率表达属于原书标题，并非本站对实际提效幅度的保证。

内容重点：从提出问题到确认结果

根据官方目录与前言，本书围绕提示工程、任务场景与目标设定、多轮验证及数据分析实践展开。公开目录列出了描述性分析、电商销售数据、图书榜单数据等案例，并讨论不同工具的使用表现。出版社页面部分简介文案与本书主题存在不一致，本条目以书名、书目信息、目录和前言为主要核对依据，不将不一致内容作为课程承诺。

对工作中的读者而言，值得关注的不是某句提示词能否复制，而是它是否说明了任务背景、字段含义、分析范围、输出格式与验证方式。这些要素不清楚，换一个模型也未必能得到可信答案。

适合哪些工作场景

• 运营和业务人员整理销售、用户或活动数据，希望更快形成分析初稿。
• 需要把分析需求说清楚，并与数据团队协作的产品与管理岗位。
• 已经使用AI，却希望补上结果检查和工作流程意识的初学者。

如果目标是深入学习统计推断、实验设计或复杂建模，需要另外补充相应课程。工具可以辅助执行，但不能替代对指标、样本和业务背景的理解。

推荐练习：用一份可公开的数据做闭环

选择一份不含个人隐私和商业机密的练习数据，先写出字段字典和三条明确问题。让AI说明分析步骤，再要求它给出可复算的公式或代码。随后用电子表格或其他可靠工具核对关键数字，最后把结论分成“数据直接支持”“需要补充证据”和“暂时无法判断”三类。

例如，销售额上涨可能来自客单价、订单量或统计范围变化。阅读时可以反复追问：分母有没有变化？缺失值如何处理？是否把相关关系写成了因果关系？只有解释清楚这些问题，报告才更适合支持决策。

如何避免常见误用

不要把模型生成的数字直接复制进正式汇报；不要因为图表漂亮就忽略口径；也不要未经授权上传客户信息、员工资料或内部经营数据。真实工作中应先确认组织的数据使用规定，并尽量用脱敏样本进行验证。

书中针对具体工具的比较反映其写作时的环境。模型版本、账户权限和文件处理功能都会变化，当前使用体验需要重新测试，不宜把某次比较视为永久排名。

与其他AI书如何选择

如果最关心眼前的表格、报告和业务问题，这本书更容易对应到具体任务；若想理解模型训练与部署，优先考虑《大规模语言模型：从理论到实践（第2版）》；若缺少AI概念基础，可先读《人工智能的底层逻辑》。本书的合适读法是带着任务动手，并保留自己的验证记录。

查看清华大学出版社官方书页、目录与配套资源

书目信息核对日期：2026年10月17日。本站不宣称其当前销量排名，也不承诺固定提效倍数；上述练习和风险提醒为编辑建议。

封面仅用于识别与介绍本书，版权归相应权利人。