很多公司每天都会产生大量销售数据。

例如一个Excel表格中有5000条订单：

• 哪个产品卖得最好？

• 哪个地区销售额最高？

• 哪个月销售突然下降？

• 哪些商品销售额很高，但利润很低？

• 哪个销售员业绩最好？

• 有没有异常订单？

• 下个月应该重点卖什么？

传统做法可能需要使用Excel公式、数据透视表、VLOOKUP、Power BI，甚至专门让数据分析人员编写Python程序。

如果使用 Codex，可以把整个流程变成：

上传销售数据 → 告诉Codex想分析什么 → 自动清洗数据 → 自动计算 → 自动生成图表 → 自动输出分析结论。

对于5000条甚至更多结构化销售数据，这种方式尤其适合日常经营分析。

---

一、准备一份销售数据

假设我们有一个文件：

销售数据.xlsx

一共有5000条订单。

表格大致包含以下字段：

字段	含义
order_id	订单编号
order_date	下单日期
product	产品名称
category	商品分类
region	销售地区
channel	销售渠道
salesperson	销售员
quantity	销售数量
unit_price	商品单价
cost	成本
revenue	销售额
profit	利润
customer_id	客户编号
order_status	订单状态

例如：

日期	商品	地区	数量	销售额	成本	利润
2026-01-03	产品A	上海	3	897	520	377
2026-01-03	产品B	北京	1	1299	900	399
2026-01-04	产品C	深圳	5	2495	1750	745

为了提高分析准确度，建议Excel第一行使用清晰的字段名称，并保持“一行代表一条记录”，尽量避免空白行、合并单元格和一个工作表里混放多个无关表格。OpenAI目前也推荐使用这种结构化方式准备Excel/CSV数据。

---

二、把销售数据交给Codex

有两种常见方法。

方法一：Codex项目直接分析

把：

销售数据.xlsx

放到Codex可以访问的项目目录。

例如：

sales-analysis/
│
├── 销售数据.xlsx
└── README.md

然后打开Codex，让它读取这个文件。

这种方式最大的优势是：

Codex不仅可以分析数据，还可以帮你编写和运行Python程序，把整个销售分析过程做成可以重复执行的项目。

以后换成新的销售数据，只需要替换Excel文件，再运行一次即可。

---

方法二：直接操作Excel

如果平时主要使用Microsoft Excel，也可以安装 ChatGPT for Excel，然后在ChatGPT桌面应用中选择Codex。

当前官方支持让Codex通过桌面应用配合 ChatGPT for Excel，对已经打开的Excel工作簿进行读取和修改，包括工作表、公式、数值、格式以及图表。

对于普通用户来说，这种方式更加直观。

---

三、第一步：不要马上让Codex分析

很多人上传Excel之后第一句话就是：

帮我分析这个销售表。

虽然也可以得到结果，但分析质量通常不够稳定。

更好的方法是：

先让Codex检查数据。

输入下面这段提示词：

请先读取“销售数据.xlsx”。

暂时不要修改原始文件，也不要直接给经营建议。

第一步先检查数据质量：

1. 统计总行数和总列数；
2. 判断每一个字段的含义；
3. 检查日期格式是否统一；
4. 检查数字字段是否存在文本格式；
5. 检查空值；
6. 检查重复订单；
7. 检查销售额、成本、利润是否存在异常值；
8. 检查订单状态中是否包含退款、取消订单；
9. 告诉我哪些数据问题会影响后面的销售分析。

最后输出一份“数据质量检查报告”。

这一步非常重要。

因为真实公司的Excel经常存在：

重复订单
日期格式混乱
空白数据
退款订单
0元订单
负数金额
销售额填写错误
利润公式错误

如果直接分析，很容易得出错误结论。

---

四、第二步：让Codex自动清洗数据

检查完成以后继续输入：

根据刚才发现的问题清洗数据。

要求：

1. 不修改原始销售数据.xlsx；
2. 创建一个清洗后的数据文件；
3. 删除完全重复的订单；
4. 标记缺失值；
5. 日期统一为YYYY-MM-DD格式；
6. 金额统一转换为数字；
7. 单独标记退款和取消订单；
8. 检查：

利润 = 销售额 - 成本

如果数据不一致，请新增异常标记。

最终保存为：

sales_clean.xlsx

同时告诉我：
原始数据多少条；
有效订单多少条；
退款多少条；
重复数据多少条；
异常数据多少条。

这样Codex就不会直接破坏原始Excel。

最后形成：

销售数据.xlsx
↓
数据检查
↓
数据清洗
↓
sales_clean.xlsx

---

五、第三步：自动分析核心经营指标

接下来才正式开始分析。

输入：

请分析sales_clean.xlsx中的销售数据。

首先计算以下核心指标：

1. 总销售额；
2. 总订单量；
3. 总销售数量；
4. 总成本；
5. 总利润；
6. 平均订单金额；
7. 平均订单利润；
8. 整体利润率；
9. 客户数量；
10. 客单价。

同时按照月份统计：

销售额
订单量
利润
利润率
客户数量

最后生成一个经营数据汇总表。

例如最终可能得到：

指标	结果
总销售额	¥3,862,450
有效订单	4,827
总利润	¥892,300
利润率	23.1%
客户数量	3,216
平均订单金额	¥800
平均订单利润	¥185

以前需要自己写很多Excel公式。

现在可以直接让Codex完成。

---

六、第四步：找出最赚钱的产品

只看销售额是不够的。

例如：

产品A：

销售额：100万元
利润：5万元

产品B：

销售额：60万元
利润：20万元

虽然A卖得更多，但是B可能才是真正值得重点推广的产品。

所以继续输入：

按照商品进行销售分析。

分别统计：

1. 商品销售额；
2. 销售数量；
3. 订单数量；
4. 总利润；
5. 利润率；
6. 平均售价；
7. 客户数量。

分别输出：

销售额TOP10商品
利润TOP10商品
销量TOP10商品
利润率TOP10商品

另外找出：

销售额高但利润低的商品；
销量高但利润低的商品；
销售额低但利润率高的商品。

最后给出商品经营建议。

这样就能发现一些肉眼很难直接看出来的问题。

---

七、第五步：分析不同地区

例如公司业务覆盖：

上海
北京
深圳
广州
杭州
成都
武汉

输入：

按照region字段分析不同地区的销售表现。

分别计算：

销售额
订单量
利润
利润率
平均订单金额
客户数量

生成地区销售排行榜。

同时找出：

1. 销售额最高地区；
2. 利润最高地区；
3. 利润率最高地区；
4. 增长最快地区；
5. 销售额下降最明显地区。

如果存在明显异常，请解释可能原因。

这样很快就可以知道：

钱到底从哪里赚来的。

---

八、第六步：分析销售人员

如果Excel中包含：

salesperson

还可以直接做销售员业绩分析。

输入：

按照salesperson统计销售人员业绩。

计算：

销售额
订单数量
客户数量
利润
平均订单金额
平均利润
利润率

生成销售人员TOP10排名。

同时找出：

销售额高但利润率偏低的销售员；
订单很多但客单价较低的销售员；
客户数量较少但客单价非常高的销售员。

最后总结不同销售人员的经营特点。

这比单纯按照销售额排名更加有价值。

---

九、第七步：让Codex自动寻找异常数据

这是AI数据分析非常有价值的一步。

输入：

请对整个销售数据进行异常分析。

重点检查：

销售额异常高的订单；
销售额异常低的订单；
利润异常高的订单；
亏损订单；
利润率异常订单；
短时间大量下单的客户；
短时间销量突然增长的产品；
销售突然下降的产品；
退款率异常高的商品；
退款率异常高的销售渠道。

不要直接删除异常数据。

请给每一类异常提供：
异常数量；
典型订单；
可能原因；
是否值得人工复核。

这样Codex不仅仅是在“算数据”。

而是在帮助你：

找问题。

---

十、第八步：自动生成销售趋势图

数据分析如果只有数字，管理人员往往很难快速理解。

继续输入：

请根据销售数据生成以下图表：

1. 每月销售额趋势折线图；
2. 每月利润趋势折线图；
3. TOP10商品销售额柱状图；
4. TOP10商品利润柱状图；
5. 各地区销售额对比图；
6. 销售渠道占比图；
7. 销售额与利润关系图。

所有图表：
使用中文标题；
金额显示人民币；
注明单位；
保证文字清晰。

将图表统一保存到charts文件夹。

项目就会逐渐变成：

sales-analysis/
│
├── 销售数据.xlsx
├── sales_clean.xlsx
│
├── charts/
│   ├── 月销售趋势.png
│   ├── 月利润趋势.png
│   ├── 商品销售TOP10.png
│   ├── 商品利润TOP10.png
│   └── 地区销售分析.png

ChatGPT目前支持根据上传的数据进行计算、统计分析以及生成表格和图表。

---

十一、第九步：直接让Codex生成老板能看的报告

最后一步才是真正提升效率的地方。

不要把5000条数据直接发给老板。

让Codex把结果重新整理一次。

输入：

现在请基于前面的所有分析，生成一份《销售经营分析报告》。

报告面向公司负责人，不要写代码实现过程。

报告结构：

一、本期核心经营数据
二、销售趋势
三、商品表现
四、地区表现
五、销售渠道表现
六、销售人员表现
七、异常数据与经营风险
八、最值得关注的5个问题
九、最值得执行的5个经营动作
十、下个月重点关注指标

要求：

不要只描述数据。

每一个重要结论必须说明：
数据发生了什么；
为什么值得关注；
可能是什么原因；
下一步建议怎么做。

结论按照重要性排序。

最后得到的就不再是一堆Excel数据。

而是一份真正可以拿来开会的经营报告。

---

十二、一个Prompt完成整个分析

如果数据比较规范，也可以直接一次性输入：

请分析项目中的“销售数据.xlsx”。

你现在是一名高级商业数据分析师。

任务目标：
从销售数据中发现真正影响经营结果的问题和机会。

请依次完成：

第一阶段：数据检查
- 字段识别
- 缺失值
- 重复数据
- 异常金额
- 日期异常
- 退款/取消订单

第二阶段：数据清洗
保留原始文件，生成sales_clean.xlsx。

第三阶段：经营分析
统计：
总销售额
订单量
销量
成本
利润
利润率
客户数
客单价

第四阶段：维度分析
按照：
月份
商品
商品分类
地区
渠道
销售员
客户

分别分析销售额、订单量、利润和利润率。

第五阶段：排名
生成：
销售额TOP10商品
利润TOP10商品
销售地区TOP10
销售员TOP10
客户TOP20

第六阶段：异常分析
找出：
亏损订单
异常订单
异常增长
异常下降
退款异常
高销售低利润商品

第七阶段：可视化
自动生成必要的销售趋势和排行榜图表。

第八阶段：经营建议
找出影响经营结果最大的5个问题，
以及最值得执行的5个改进动作。

第九阶段：输出报告

生成：
sales_analysis_report.md

要求所有重要结论都有数据依据。

不要编造不存在的数据。
如果数据不足以支持结论，请明确写“数据不足，无法判断”。

这个Prompt可以保存下来。

以后每个月只需要：

1月份销售.xlsx
↓
2月份销售.xlsx
↓
3月份销售.xlsx

替换文件，再让Codex重新执行。

原来每个月重复几个小时的数据分析工作，就可以逐渐变成一个标准化流程。

---

十三、进一步升级：让Codex做成自动分析工具

如果每个月都要分析一次，还可以继续告诉Codex：

请把刚才的数据分析流程做成一个可以重复运行的Python项目。

要求：

1. input目录用于放原始Excel；
2. output目录保存分析结果；
3. charts目录保存图表；
4. 自动读取input目录最新Excel；
5. 自动清洗数据；
6. 自动计算所有经营指标；
7. 自动生成图表；
8. 自动生成Markdown分析报告；
9. 提供run.bat，让Windows用户双击即可运行。

以后替换Excel后，不需要修改代码。

最终可以做成：

销售分析系统/
│
├── input/
│   └── sales.xlsx
│
├── output/
│   ├── clean_sales.xlsx
│   └── sales_report.md
│
├── charts/
│
├── analyze.py
│
└── run.bat

以后工作人员只需要：

把新的Excel放进去 → 双击运行。

这才是Codex和普通“AI聊天”的一个重要区别：

不只是回答一次问题，还可以进一步把重复工作变成程序和工作流。

---

总结

以前面对5000条销售数据，你可能首先想到：

Excel公式、数据透视表、Power BI或者找数据分析人员。

现在可以换一个思路：

5000条销售数据
        ↓
      Codex
        ↓
数据检查 + 数据清洗
        ↓
销售额 / 利润 / 产品 / 地区
        ↓
趋势分析 + 异常分析
        ↓
     自动图表
        ↓
    经营分析报告
        ↓
     决策建议

而真正更值得做的，是继续让Codex把这一套流程写成一个可重复运行的销售分析工具。

这样以后不是“每个月让AI重新分析一次”，而是：

每个月替换一次Excel，就自动生成新的经营报告。

这才是AI帮助企业提高效率最实际的一种用法。