案例03｜門市銷售：用 SUMIFS 比較 Store Location
案例05｜客戶類型：比較 New、Returning、VIP 的營收
案例06｜樞紐分析表：用 ChatGPT 指導建立產品營收排名
案例07｜錄製巨集到泛化除錯：A1:B6、UsedRange 與 VBA 錯誤修正
案例08｜每週產品銷售報告：ChatGPT 生成 VBA 巨集
| 核心主題 | 主要觀點／方法 | 實務用途 | 重要條件／限制／延伸 |
|---|---|---|---|
| 資料分析工作流 | 資料 → 判斷類別 → 提出問題 → 產生公式 → 實作 → 驗證 | 把「不知道要問什麼」轉成可執行的 Excel 分析 | 人工智慧提出問題與方法，不代表已經回答問題 |
SUMIFS |
依產品、日期、地點、客戶類型等條件彙總 Total Sale Amount | 建立可重算分析表 | 條件愈多公式愈複雜；欄位名稱與條件必須正確 |
COUNTIF |
計算付款方式等類別出現次數 | 分布與頻率分析 | 要區分筆數與金額，不可誤用加總 |
| PivotTable | 以拖拉方式快速彙總、排序、探索並建立圖表 | 快速探索產品營收等問題 | Values 的 Sum／Count／Average 必須與問題一致 |
| 公式與 PivotTable 的選擇 | 兩者可以回答相似問題，但維護方式不同 | 依工作流程選擇合適工具 | 公式較易嵌入其他模型；PivotTable 較適合互動探索 |
| 錄製巨集 | 把手動操作轉成 VBA | 自動化格式化、報表與重複工作 | 錄製巨集會保留固定儲存格與工作表參照，泛化能力有限 |
| VBA 泛化 | 用 ActiveSheet、UsedRange 等移除固定參照 |
讓同一巨集套用不同工作表 | ChatGPT 生成程式可能有語法或編譯錯誤，必須實際測試 |
| 直接生成 VBA | 以情境、任務、輸出三段式需求讓 ChatGPT 寫完整巨集 | 每週產品銷售報告、條件標示等自動化 | 需檢查欄位、邊界、錯誤處理與版本相容性 |
| 人工智慧除錯 | 把實際錯誤訊息回傳 ChatGPT，再重新生成／修正 | 縮短 VBA 除錯時間 | 不能只看程式碼「像是正確」；VBA Editor 與實際執行才是驗證 |
本章的重要轉變是：前一章主要讓 ChatGPT 協助「怎麼做」，這一章進一步讓它協助決定「這份資料值得問什麼」。原書流程先辨識資料屬於 Sales／Retail／Business，再提出五個問題，接著才為每個問題選擇 SUMIFS、COUNTIF 或其他 Excel 方法。
這個順序避免一個常見錯誤：因為已經會某個函數，就硬把資料套進那個函數。應先界定分析問題，再選工具。
原書反覆強調，ChatGPT 常常只產生「如何回答」的框架，例如列出不重複產品、套用 SUMIFS、建立工作表。Question 1 最後仍需要使用者把結果轉成真正 Excel Table、排序並確認 Headphones 是最高營收產品；Question 2 也必須加入折線圖後，才真正能回答時間趨勢。
所以本章的核心分工是：人工智慧把分析流程變快，Excel 提供可重算結果，使用者負責判讀與驗證。
SUMIFS 與 PivotTable 不互相取代原書指出，多數銷售問題可用 SUMIFS，也可用 PivotTable。SUMIFS 會直接存在儲存格公式中，適合自動更新、串接其他公式；PivotTable 則適合快速拖拉欄位、重新分組與探索。選擇依賴任務，不是「哪一個比較高級」。
同一個產品營收問題用兩種方法都得到 Grand Total 53,400 與相同產品排名，這本身就是很好的交叉驗證。