课程简介
业务人员每天都在和数据打交道：取数、清洗、做表、写分析结论、做汇报。AI能大幅缩短这些步骤，但很多人用过之后不敢信——算错了看不出来，结论写得漂亮却经不起追问。企业需要的不是会让AI画图的人，而是能用AI把分析做对、做快、讲清楚的人。
本课程以一家证券公司财富管理部的客户经营分析为主线，按“清洗—分析—洞察—汇报”的完整链路，教学员用大模型和智能体完成每一步，并在每一步设置核对方法。讲师曾任职网易、阿里、工银瑞信，为招商证券、平安证券、华润信托等金融机构讲授过AI数据分析课程。
目标收益
1、会清洗：用AI快速处理缺失、重复、格式不一的数据，并能检查处理结果。
2、会分析：掌握对比、拆解、归因三类常用方法，并让智能体执行。
3、会洞察：从数据变化中找到业务原因，写出有判断的结论。
4、会汇报：用AI生成图表、看板和汇报材料，做到结论先行、数据可追溯。
培训对象
日常需要做数据分析和经营汇报的业务骨干、分析岗和管理人员，有Excel基础即可。
课程大纲
| 主题一、八成时间耗在整理数据：让AI先把清洗的“脏活”干完 |
1.AI数据分析的正确分工：人定问题和口径，AI做计算和整理，人做判断。 2.工具怎么选 2.1一个通用大模型（如DeepSeek等）处理日常问答式分析即可。 2.2复杂处理交给智能体：WorkBuddy直接处理本地表格，Claude、Gemini等可生成并运行分析脚本。 3.智能清洗 3.1缺失值、重复值、异常值的识别与处理规则。 3.2字段格式统一、多表合并与匹配。 3.3把清洗规则写成可复用的技能，下月一键复跑。 4.结果核对三法：总数核对、抽样复算、逻辑校验。 5.数据安全：客户数据脱敏后再交给外部工具，敏感数据使用企业内部平台。 【案例】某证券公司财富管理部：三个营业部的客户资产表字段不一致、日期格式混乱，用智能体统一清洗合并，并用总数核对发现一处重复导入，避免了资产规模被高估。 【实战】学员用课程数据完成一次清洗与合并，并用三种方法核对结果。 |
| 主题二、数据看了一堆却说不清原因：用分析方法驱动AI找到真因 |
6.对比分析：同比、环比、目标达成，找出“哪里变了”。 7.拆解分析：按地区、客群、产品逐层拆解，找出“谁变了”。 8.归因分析：结合业务动作和外部因素，判断“为什么变”。 9.分群分析：按资产、活跃度、交易行为划分客群，找到重点人群。 10.让AI做分析的指令结构：背景、口径、方法、输出格式。 11.防止AI编结论：要求列出计算过程和数据出处，关键数字人工复算。 【案例】某证券公司财富管理部：季度客户资产增速放缓，用拆解分析定位到两个营业部的中高净值客户流出，再结合活动与产品到期数据，找到产品到期后承接不足这一原因。 【实战】各组完成一次完整的“对比—拆解—归因”分析，写出三条有依据的结论。 |
| 主题三、分析做完讲不清、每月还要重做：结论先行，下月一键复跑 |
12.图表选择：比较、趋势、构成、分布各用什么图。 13.用AI生成图表与经营看板初稿，标题直接写结论。 14.汇报结构：结论、依据、问题、建议四段式。 15.把分析变成可复用资产：清洗、计算、出图写成智能体技能，下个月一键复跑。 16.汇报前的自查清单：口径、数据、结论、建议四项检查。 【案例】某证券公司财富管理部：把季度分析整理成一页纸汇报和一份客户经营看板，并把整套分析流程交给智能体，下季度直接复跑，分析时间从两天缩短到半天。 【实战】各组完成一页纸汇报并现场讲解，讲师点评结论是否站得住。 |
|
主题一、八成时间耗在整理数据：让AI先把清洗的“脏活”干完 1.AI数据分析的正确分工：人定问题和口径，AI做计算和整理，人做判断。 2.工具怎么选 2.1一个通用大模型（如DeepSeek等）处理日常问答式分析即可。 2.2复杂处理交给智能体：WorkBuddy直接处理本地表格，Claude、Gemini等可生成并运行分析脚本。 3.智能清洗 3.1缺失值、重复值、异常值的识别与处理规则。 3.2字段格式统一、多表合并与匹配。 3.3把清洗规则写成可复用的技能，下月一键复跑。 4.结果核对三法：总数核对、抽样复算、逻辑校验。 5.数据安全：客户数据脱敏后再交给外部工具，敏感数据使用企业内部平台。 【案例】某证券公司财富管理部：三个营业部的客户资产表字段不一致、日期格式混乱，用智能体统一清洗合并，并用总数核对发现一处重复导入，避免了资产规模被高估。 【实战】学员用课程数据完成一次清洗与合并，并用三种方法核对结果。 |
|
主题二、数据看了一堆却说不清原因：用分析方法驱动AI找到真因 6.对比分析：同比、环比、目标达成，找出“哪里变了”。 7.拆解分析：按地区、客群、产品逐层拆解，找出“谁变了”。 8.归因分析：结合业务动作和外部因素，判断“为什么变”。 9.分群分析：按资产、活跃度、交易行为划分客群，找到重点人群。 10.让AI做分析的指令结构：背景、口径、方法、输出格式。 11.防止AI编结论：要求列出计算过程和数据出处，关键数字人工复算。 【案例】某证券公司财富管理部：季度客户资产增速放缓，用拆解分析定位到两个营业部的中高净值客户流出，再结合活动与产品到期数据，找到产品到期后承接不足这一原因。 【实战】各组完成一次完整的“对比—拆解—归因”分析，写出三条有依据的结论。 |
|
主题三、分析做完讲不清、每月还要重做：结论先行，下月一键复跑 12.图表选择：比较、趋势、构成、分布各用什么图。 13.用AI生成图表与经营看板初稿，标题直接写结论。 14.汇报结构：结论、依据、问题、建议四段式。 15.把分析变成可复用资产：清洗、计算、出图写成智能体技能，下个月一键复跑。 16.汇报前的自查清单：口径、数据、结论、建议四项检查。 【案例】某证券公司财富管理部：把季度分析整理成一页纸汇报和一份客户经营看板，并把整套分析流程交给智能体，下季度直接复跑，分析时间从两天缩短到半天。 【实战】各组完成一页纸汇报并现场讲解，讲师点评结论是否站得住。 |
近期公开课推荐
