案例01|閱讀習慣:教育程度 × 閱讀本數的 Copilot PivotTable

案例02|ED3-4 長條圖:先轉置再用 Copilot 視覺化

案例03|年齡群組 × 閱讀本數:Copilot PivotTable 練習

案例04|欄名重新命名:讓 Copilot 提議可讀欄位名稱

案例05|拆分 Age Group:從 Y16-24 取得 First age 與 Last age

案例06|拆分 Education Level:ED0-2、ED3-4、ED5-8 與 TOTAL

案例07|Show data insights:Last age 64 的 Frequency 計數 6,528

案例08|Add all insights to grid:一次檢視多個 Copilot 探索結果

核心表格

核心主題 主要觀點/方法 實務用途 重要條件/限制/延伸
Copilot 與 Excel 整合 以自然語言在 Excel 中建立、編輯與理解資料 減少功能搜尋與重複操作時間 原書截至 2026 年 2 月的介面與方案描述會隨產品更新;教材重點應放在工作方法
Agent mode 原書描述為可直接在活頁簿中執行任務,例如建立工作表、樞紐分析表與清理資料 把多步驟操作交給 Copilot 執行 原書將其標示為當時的 Frontier 功能;任何自動修改都需回看工作表驗證
Analyst mode 原書描述為進行統計、計算與洞察,而不直接修改原始工作表 分析資料並產生解讀 分析結果仍取決於欄位定義、分母與統計方法是否正確
建立樞紐分析表 用 Prompt 指定 rows、columns、values 與彙總方式 快速比較教育程度、年齡與閱讀本數 Excel 預設 Grand Total 可能在統計意義上不合理;不能只接受自動彙總
建立圖表 先整理適合視覺化的資料形狀,再要求 Copilot 建圖 比較類別百分比與排序 欄/列方向、series 數量與排序會直接影響圖表可讀性
欄位重新命名 讓 Copilot 根據內容提出更可讀的欄名 降低縮寫與原始代碼的理解成本 有資料字典時應以資料字典為權威,不能只靠模型猜測欄位語意
拆分文字欄 使用 TEXTBEFORE、TEXTAFTER 與條件邏輯,把 Age Group/Education Level 拆成數值欄 讓文字分類轉成可排序、可計算欄位 需要測試前綴字元、TOTAL 等特殊值,不能只測一個一般案例
Show data insights 讓 Copilot 自動選擇欄位、產生 PivotTable、圖表與文字摘要 快速探索可能的模式 自動 insight 只是探索起點;計數較高不代表業務意義更高
Add all insights to grid 一次把多個 Copilot 洞察加入工作表 快速比較不同自動分析方向 圖表數量增加不等於分析品質提升;正式報告只保留真正回答問題的結果

Copilot 在本書中的定位

第 5 章開始進入本書第二部分「Data Science with Copilot」。與前四章把 ChatGPT 當成 Excel 外部助理不同,這一章示範的是直接在 Excel 介面內透過自然語言建立、編輯與理解資料。

原書截至 2026 年 2 月描述的 Excel Copilot 需要適當的 Microsoft 365/Copilot 方案,且檔案需儲存在 OneDrive 並啟用 AutoSave 才能使用完整整合功能。這些屬於產品當時狀態,不應當成永久不變的教材規則。

原書區分的 Copilot 工作方式

原書除了基本聊天外,還介紹當時的兩種工作模式:

不論哪一種,核心原則都相同:人工智慧產生或執行結果後,仍要回到 Excel 檢查欄位、公式、彙總方式與資料意義。

建立:先說清楚表格結構與彙總規則

本章主要資料是 Eurostat 的閱讀習慣資料。原書用它示範讓 Copilot 建立教育程度 × 閱讀本數的 PivotTable,再建立圖表。Prompt 必須明確指定列、欄、值與彙總方法,否則 Excel 可能採用不符合問題的預設值。