案例01|Topics 公式:用 LET/SEARCH/TEXTJOIN 從摘要抽取主題

案例02|Author 多作者拆欄:First/Second/Third Author

案例03|tech_sales:姓名標準化與顧客+日期 ID 練習

案例04|BrentDykes:缺少空格時依大寫字母拆 Name/Surname

案例05|練習 2:用 Table 7-2 測試六類文字資料錯誤

案例06|讓 Copilot 自動偵測 Author 錯誤並產生更可泛化公式

案例07|Title 關鍵字分類:Data Book/Other

核心表格

核心主題 主要方法 用途 驗證重點
解釋文字公式 讓 Copilot 依工作表/欄位位置逐步解釋公式 理解既有活頁簿邏輯 說明必須能對應公式中的實際函數與資料範圍
產生文字公式 以情境→主要目標→動作/格式要求描述需求 拆欄、擷取、字串模式、串接、清理 生成公式必須用代表性資料列測試
多作者拆分 SUBSTITUTE • TEXTSPLIT • INDEX • TRIM • IFERROR 把 Author 拆成 First/Second/Third Author 同時處理逗號與 and ,且作者不足時回傳空白
已知錯誤處理 先描述資料問題,再要求 Copilot 建立容錯公式 處理缺空格、缺值、格式不一致、特殊字元、資料型別錯誤 不能只測格式正常的資料
讓 Copilot 偵測問題 指定問題欄位,要求辨識錯誤→提出策略→產生公式 使用者尚未確定錯誤原因時 AI 的錯誤診斷仍需用實際資料驗證
條件文字邏輯 IF • ISNUMBER • SEARCH 依文字關鍵字加標籤、判斷存在與否 先定義大小寫、部分匹配與空白處理規則

章節重點

本章把 Copilot 當成文字公式的解釋器、產生器與除錯助手。原書強調的不是記住每一條公式,而是能用自然語言清楚描述資料位置、想做的轉換,以及錯誤或例外應如何處理。

文字轉換的五類常見任務

原書 Table 7-1 列出五類:Split operation、Extraction、Substring and pattern、Concatenation and formatting、Cleanup and normalization。例如從 Author 拆姓名、從 Summary 取前 20 字元、取第一句、以作者+年份建立 ID,以及將 Topics 清理成一致格式。

錯誤處理不能假設資料乾淨

本章用 books_with_errors.xlsx 示範:一般公式常假設 Author 一定有空格,但 BrentDykes 這類值會讓 TEXTBEFORE/TEXTAFTER 失敗。因此應把錯誤情境明確寫進 Prompt,或先要求 Copilot 偵測錯誤類型,再產生容錯公式。

Table 7-2 的六類資料錯誤

原書整理:缺少預期文字結構、空白/缺漏輸入、格式不一致、特殊字元/編碼問題、非預期資料型別,以及依賴欄位不完整。這些問題的共同點是:看似簡單的字串公式,在真實資料上可能產生錯誤或錯誤分類。

條件文字邏輯

若目標不是改寫文字,而是依文字內容建立標籤,可以使用條件邏輯。原書以 Title 是否包含 Data 為例,將資料標記為 Data Book 或 Other;也延伸到判斷 Storytelling 是否出現,以及依條件醒目提示資料。

本章驗證原則