拿到脏表格直接丢给AI全盘清洗，返工率往往超过四成。本文提供一套分治流程：先隔离问题列，再按数据量级选择ChatExcel、Python或Excel自带功能处理重复值、格式错乱与缺失值，配可直接复制的提示词与7项验收指标，帮售后、行政、采购等岗位把清洗耗时从3小时压到10分钟。
拿到脏表格就全盘丢给AI清洗，是效率最低的做法。去年11月，我带的一个售后团队实测：把一张包含合并单元格、重复客户编号、日期格式混用的Excel直接上传给某国产大模型，要求“清洗成标准表”。AI确实吐出了一张新表，但隐藏了3处致命错误：把“2024.3.5”和“2024/3/5”统一成了文本而非日期，删除了看似重复实则属于不同订单的记录，还把空单元格全部填成了0。售后主管林薇花了47分钟核对，反而比手动清洗更慢。
这个案例不是AI没用，而是启动姿势错了。脏数据本身就有“病征”，不先做隔离诊断就喂给AI，等于让医生不做检查直接开刀。我经手过三十多张类似的表，从采购清单到HR考勤，规律是相通的：十分钟的清洗流程，有七分钟应该花在“看表”和“拆任务”上，真正让AI动手的时间只占三成。
林薇在智能家居公司管售后，每月初要把客服热线、物流返修、上门安装三个渠道的反馈表拼成一张总表。今年1月那张表共817行、17列，打开就能看到“客户地址”和“故障描述”两列布满灰色合并单元格。VLOOKUP匹配客户信息时，匹配结果大面积报错#N/A。透视表统计“本月已完成工单”时，数字比财务系统少了23单。
“我当时就是一个个右键取消合并，再往下拉填充，”林薇回忆，“日期列里有'2024/1/5'、'2024.1.5'、'1月5日'甚至还有'1.5'，为了统一格式，我点了一上午的查找替换。”手机号更是混乱：有的带空格“138 0013 8000”，有的带横杠，有的前面加了“+86”。区域列里“北京”“北京市”“BJ”“beijing”混用，她只能靠肉眼归类，最后用了一个下午。
这3小时的重复劳动，其实有八成可以交给工具。前提是，你得先知道这张表究竟病在哪。
三个渠道各自导出，列名可能一个叫“客户手机号”，一个叫“联系电话”，拼到同一张表时，重复客户就产生了。更隐蔽的是同一客户的多次报修：系统里客户ID相同，但故障类型和日期不同，这种记录看起来“像重复”，实则不能删。
运营同事为了打印好看，把同一客户的5条记录合并了单元格，只有第一行写了地址。Excel里这类合并单元格会让筛选、透视、公式全部失灵。日期和数字被存成文本格式，通常是因为从PDF或网页复制粘贴时带进了不可见字符，或者录入者开头打了一个英文单引号。
小团队没有数据库校验，客服漏填“产品型号”是常态；大公司有系统，但IT导出的接口表偶尔会丢字段，最常见的是“订单编号”末尾几位变成科学计数法，或者直接显示为NULL。行政岗收集的供应商信息表，邮箱列常常空着，因为采购员觉得“反正有微信”。考勤员小王喜欢把同一个人的请假记录合并单元格显示，导致HR做月度汇总时总工时永远对不上。
我的习惯是拿到表之后先花两分钟做“体检”，而不是立刻打开AI对话框。
按Ctrl+G调出“定位条件”，勾选“空值”和“合并单元格”，一眼就能看到哪些列存在结构性问题。在“客户ID”或“订单号”这类关键列上用条件格式标注重复值，但先别删。你要人工扫一眼，判断这些重复是系统冗余，还是真实业务重复。检查每一列的格式：日期列里混进了文本，会在单元格左上角出现绿色小三角；数字列里出现汉字，会导致整列被识别为文本。把问题按列归类，决定哪些用Excel自带功能秒掉，哪些需要写规则给AI。
这个隔离步骤能帮你避开一个常见坑：让AI处理整表。整表上传时，AI会试图“理解”整张表的逻辑，反而容易在无关列上过度发挥。
如果你不确定从哪下手，可以把表结构描述给AI，让它出诊断方案：
【提示词模板1：脏数据诊断】
你是一位数据治理顾问。我手头有一张【售后反馈表】，共【17】列，主要字段包括【客户ID、申请日期、故障类型、处理结果】。我发现做透视表时数字对不上，VLOOKUP也常报错。请帮我设计一个系统的排查清单，告诉我如何逐列检查重复值、格式错乱和缺失值，并指出哪些列的问题可能相互影响。不要直接清洗数据，先给诊断步骤。
AI给出的排查清单通常比你自己摸索更系统。林薇用了这个思路后，发现“客户地址”列的合并单元格才是导致透视表丢数据的元凶，而不是她之前怀疑的重复行。
不同量级的表，清洗策略完全不同。两百行以内的表，对话式AI可以一口吃下；超过五千行，就必须让AI退到“码农”的位置，让它写代码，你在本地执行。
200行左右的行政采购表、活动报名表，我通常直接用WPS AI或ChatExcel。把文件丢进去，用自然语言下指令：“把手机号统一成11位数字，去掉空格和横杠”“把日期列统一成2024-01-05格式”。ChatExcel的优势在于保留公式和格式，WPS AI对中文日期识别更准。这类工具所见即所得，改完直接下载，不需要写公式。实测一张186行的供应商联系表，去重加改格式花了4分钟。
800到5000行的中型表格，比如林薇那张800多行的售后表，建议拆成两个动作：先用Excel自带功能处理结构性问题——取消合并单元格、查找替换明显的文本错误；再把处理到一半的表上传给通义千问或文心一言，让它处理需要“理解”的清洗规则。比如这条指令：
【提示词模板2：中等数据量清洗】
我上传了一张Excel表格，共【800】行。请帮我完成以下清洗任务：
1. 删除完全重复的行，但保留客户ID相同、申请日期不同的记录（同一客户多次报修）；
2. 把“申请日期”列统一为yyyy-mm-dd的标准日期格式，原列包含“2024.3.5”“2024/3/5”“3月5日”等混合格式；
3. 取消所有合并单元格，将合并单元格内的内容填充到对应每一行；
4. 手机号列去除所有空格、横杠和“+86”前缀，统一为11位数字文本。
请输出清洗后的表格，并告诉我你做了哪些改动，特别是删除了多少行、修改了多少个单元格。
这里必须注意一个失效边界：需要业务判断的去重，AI经常做错。比如“北京市朝阳区”和“北京朝阳”是不是同一个地址？系统里的“张婷”和“张婷（代）”是不是同一个人？这种判断不能交给AI自动处理，必须在提示词里写死规则，或者清洗后人工复核。
超过两万行的销售明细、HR考勤或电商订单，对话式AI会因为上下文限制而截断或幻觉。这时候正确的姿势是：让AI写Python脚本，你在本地用pandas跑。
【提示词模板3：让AI写Python清洗脚本】
我需要用Python的pandas库清洗一个Excel文件【feedback.xlsx】，共【23000】行。请帮我写一段完整的、可直接运行的代码，实现：
1. 读取文件，识别并删除完全重复的行；
2. 将【申请日期】列中的混合日期格式统一转为datetime64[ns]，无法转换的标为NaT；
3. 取消【客户地址】列的合并单元格效果（将空值向前填充）；
4. 将【手机号】列去除非数字字符，并验证是否为11位，不符合的写入【手机号_待核实】列；
5. 输出为新文件【feedback_cleaned.xlsx】，并在控制台打印每步处理的行数变化。
要求：代码要兼容中文路径，添加异常处理，避免内存溢出。
这个做法的前提是你电脑上装了Python。如果不会，可以找IT同事帮你搭好环境，以后每次换文件名就能复用。
| 数据量级 | 推荐工具 | 适合处理的问题 | 大致耗时 | 失效风险提示 |
|---|---|---|---|---|
| 200行以内 | ChatExcel/WPS AI | 去重、改日期格式、填少量空值 | 3-5分钟 | 可能误删“看似重复”的业务记录 |
| 200-5000行 | 通义千问/文心一言+Excel插件 | 批量格式转换、条件填补、规则去重 | 8-12分钟 | 合并单元格处理可能错位，需人工复核 |
| 5000行以上 | Python(pandas)+AI写代码 | 全量清洗、多表关联、自动化流程 | 15-25分钟 | 不会Python的需学习成本；敏感数据不能上传公有云AI |
反面案例就发生在我认识的销售运营身上。他把2.3万行的季度销售明细直接上传到某国产大模型网页版，指令只有四个字：“清洗并分析”。AI返回了一张看起来整洁的表，但只处理了前3000行就静默截断。更隐蔽的是，AI把“客户名称”列里所有带“有限公司”字样的条目当成了重复项，自动合并成了“XX集团”，导致财务对账时差了四十多万。大模型不是数据库，它对“清洗”的理解是语言层面的压缩，不是数据层面的精确操作。
AI交回来的表，不能直接转发给领导。我整理了一张验收清单，每次清洗完逐项打钩：
| 验收项 | 检查方法 | 合格标准 |
|---|---|---|
| 行数核对 | 清洗前后总行数对比 | 删除量与提示词要求一致，无静默截断 |
| 关键列空值 | 筛选客户ID/订单号列的空值 | 核心业务字段空值为0 |
| 日期格式 | 用TYPE函数或透视表分组 | 被Excel识别为日期型，非文本 |
| 重复项复查 | 条件格式再次标注重复值 | 无意外残留的多余重复 |
| 公式兼容 | 在新表上跑一遍原VLOOKUP | 不再报错#N/A或#VALUE! |
| 极端值抽查 | 对数值列排序看最大最小值 | 无200岁年龄、1亿金额等明显异常 |
| 文本保真 | 抽查地址、人名、备注列 | AI未擅自改写原文，如“北京市”未变成“北京” |
林薇那张800行的表，最后用了9分钟：2分钟取消合并单元格，4分钟用WPS AI处理日期和手机号，3分钟逐项验收。透视表拉出来，23单“消失”的工单全回来了，是因为合并单元格被取消后，每一行都带上了完整的区域信息。
清洗永远是事后补救。真正省时间的办法，是让脏数据进不来。
小团队没有IT资源，可以靠模板和规范。行政专员张敏每月收集各部门的办公用品申领，她做了一个带数据验证的Excel模板：日期列只能选日历控件，数量列只能填1-100的整数，品类列是下拉菜单。她把这个模板丢进钉钉群，收回的表格式统一了90%。
中型团队可以往前推一步。采购主管老周要求所有供应商信息必须走腾讯文档的多维表收集，手机号字段预设为“手机号码”类型，系统会自动校验11位数字，邮箱列自带格式校验。这样导出的Excel先天就是干净的。后来他们在模板里加了提醒批注，合并单元格保存时会弹窗警告，考勤表的总工时误差下降了八成。
大公司系统多，业务部门控制不了导出格式，但可以在接收端设一道“准入检查”：IT导出的表先跑一个Python脚本，验证列名、日期范围、空值率，不通过就打回重导。这个脚本同样可以交给AI写，一次编写，每月复用。
财务岗的表通常比较规范，因为凭证系统有校验；市场活动收集的线索表最脏，因为来源渠道多、录入者杂；HR的考勤表问题常出在合并单元格上。预防机制要针对岗位特点设计，不能一刀切。