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 |
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。
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。