۱۰ پرامپت حرفه‌ای برای Excel و تحلیل داده؛ از فرمول‌نویسی تا ساخت گزارش

فهرست مطالب

• چرا استفاده از Prompt در Excel مهم شده است؟
• قبل از نوشتن Prompt چه اطلاعاتی باید بدهیم؟
• ۱۰ پرامپت حرفه‌ای برای Excel و تحلیل داده
• پرامپت پاک‌سازی داده‌ها
• پرامپت ساخت فرمول Excel
• پرامپت پیدا کردن خطای فرمول
• پرامپت تحلیل فروش
• پرامپت ساخت PivotTable
• پرامپت پیدا کردن داده‌های پرت
• پرامپت تحلیل روند
• پرامپت طراحی Dashboard
• پرامپت اتصال چند جدول با Power Query
• پرامپت تحلیل مدیریتی
• چطور Promptهای Excel را حرفه‌ای‌تر کنیم؟
• اشتباهات رایج هنگام استفاده از AI در Excel
• نکات کلیدی
• سؤالات متداول
• جمع‌بندی

چرا استفاده از Prompt در Excel مهم شده است؟

وقتی از AI برای Excel استفاده می‌کنیم، یک اشتباه رایج این است که فقط بنویسیم:

این Prompt بیش از حد کلی است.

مدل نمی‌داند دقیقاً چه چیزی باید بررسی شود، چه خروجی‌ای می‌خواهیم و چه معیارهایی برای ما اهمیت دارند.

در مقابل، یک Prompt خوب مشخص می‌کند:

داده چیست؟

هدف تحلیل چیست؟

چه چیزهایی باید بررسی شوند؟

خروجی را در چه قالبی می‌خواهیم؟

همین تفاوت می‌تواند کیفیت پاسخ را کاملاً تغییر دهد.

Microsoft نیز در راهنمای فعلی Excel تأکید می‌کند که ابزارهای تحلیل داده زمانی بهتر عمل می‌کنند که داده‌ها ساختارمند و جدولی باشند؛ برای نمونه، Analyze Data می‌تواند با پرسش‌های زبان طبیعی، خلاصه‌ها، روندها و نمودارهای مناسب ارائه دهد.

قبل از نوشتن Prompt چه اطلاعاتی باید بدهیم؟

یک Prompt حرفه‌ای برای Excel بهتر است حداقل پنج بخش داشته باشد:

۱. داده

مثلاً:

۲. هدف

مثلاً:

۳. محدودیت

مثلاً:

۴. نوع خروجی

مثلاً:

۵. سطح توضیح

مثلاً:

هرچه این پنج بخش واضح‌تر باشند، احتمال دریافت پاسخ مفیدتر بیشتر می‌شود.

۱. پرامپت حرفه‌ای برای پاک‌سازی داده‌های Excel

یکی از مهم‌ترین مراحل تحلیل داده، Data Cleaning یا پاک‌سازی داده است.

اگر داده‌ها ساختار خوبی نداشته باشند، حتی بهترین نمودار و فرمول هم ممکن است نتیجه اشتباه بدهد.

Microsoft نیز توصیه می‌کند داده‌ها به شکل جدولی، با Headerهای یکتا و بدون ساختارهای پیچیده یا سلول‌های ادغام‌شده باشند.

پرامپت آماده کپی

این داده Excel را به‌عنوان یک Data Analyst بررسی کن.

موارد زیر را پیدا کن:

1. سلول‌های خالی
2. داده‌های تکراری
3. مقادیر غیرعادی
4. فرمت‌های ناسازگار
5. تاریخ‌های اشتباه
6. فاصله‌های اضافی در متن
7. اعداد ذخیره‌شده به‌صورت Text
8. نام‌های مشابه اما با نگارش متفاوت

برای هر مشکل:
- نمونه داده مشکل‌دار را مشخص کن.
- توضیح بده چرا مشکل محسوب می‌شود.
- بهترین روش اصلاح در Excel را پیشنهاد بده.
- اگر Power Query راهکار بهتری است، مراحل آن را هم بگو.

در پایان یک چک‌لیست پاک‌سازی نهایی ارائه کن.

چه زمانی استفاده کنیم؟

وقتی یک فایل Excel از چند منبع مختلف جمع شده و نمی‌دانیم داده‌ها چقدر تمیز هستند.

۲. پرامپت ساخت فرمول Excel

یکی از کاربردی‌ترین کارهای AI در Excel، تبدیل یک خواسته ساده به فرمول دقیق است.

پرامپت آماده کپی

برای Excel یک فرمول دقیق برای هدف زیر ایجاد کن:

هدف:
[هدف را اینجا بنویس]

ساختار داده:
[توضیح ستون‌ها و محدوده سلول‌ها]

شرایط:
[شرایط خاص را بنویس]

خروجی را در این ترتیب بده:
1. فرمول نهایی
2. توضیح ساده هر بخش فرمول
3. یک مثال با آدرس سلول واقعی
4. اگر فرمول ساده‌تر یا قابل‌اعتمادتر دیگری وجود دارد، آن را هم پیشنهاد بده.

فرمول را برای Excel 365 بنویس و اگر نسخه قدیمی Excel تفاوت مهمی دارد، آن را ذکر کن.

مثال

فرض کنید می‌خواهیم مجموع فروش یک مشتری خاص را پیدا کنیم:

برای Excel 365 فرمولی بنویس که مجموع فروش مشتری «شرکت الف» را از جدول Sales محاسبه کند.

ستون Customer = نام مشتری
ستون Amount = مبلغ فروش

فرمول را با SUMIFS بنویس و توضیح بده.

۳. پرامپت پیدا کردن خطای فرمول

گاهی مشکل از خود Excel نیست؛ فرمول اشتباه نوشته شده است.

پرامپت آماده کپی

این فرمول Excel درست کار نمی‌کند:

[فرمول]

ساختار داده:
[توضیح ستون‌ها و سلول‌ها]

این موارد را بررسی کن:

1. Syntax
2. محدوده سلول‌ها
3. نوع داده‌ها
4. منطق شرط‌ها
5. توابع استفاده‌شده
6. خطاهای احتمالی مثل #VALUE!، #N/A، #REF! یا #DIV/0!

سپس:
- دلیل خطا را توضیح بده.
- نسخه اصلاح‌شده فرمول را ارائه کن.
- با یک مثال کوچک نشان بده که نسخه جدید چگونه کار می‌کند.

این Prompt برای رفع سریع خطاهای Excel بسیار کاربردی‌تر از سؤال کلی «این فرمول چرا کار نمی‌کند؟» است.

۴. پرامپت تحلیل فروش

حالا سراغ یکی از مهم‌ترین کاربردهای Excel برویم: تحلیل داده‌های فروش.

پرامپت آماده کپی

این Dataset فروش را مثل یک Data Analyst ارشد تحلیل کن.

ستون‌ها:
- Product
- Customer
- Region
- Date
- Quantity
- Revenue
- Cost
- Profit

این موارد را پیدا کن:

1. پرفروش‌ترین محصولات
2. کم‌فروش‌ترین محصولات
3. سودآورترین محصولات
4. کم‌سودترین محصولات
5. بهترین منطقه فروش
6. ضعیف‌ترین منطقه
7. روند فروش ماهانه
8. روند سود ماهانه
9. مشتریان مهم
10. نقاط غیرعادی

در پایان:
- 10 Insight مهم بده.
- 5 پیشنهاد مدیریتی ارائه کن.
- بگو برای هر Insight چه نمودار Excel مناسب‌تر است.

این Prompt می‌تواند از یک جدول ساده فروش، یک تحلیل مدیریتی اولیه بسازد.

۵. پرامپت ساخت PivotTable

PivotTable برای خلاصه‌سازی و تحلیل داده‌های جدولی یکی از ابزارهای اصلی Excel است. Microsoft امکان تحلیل چند جدول، ایجاد PivotChart و استفاده از Data Model را نیز فراهم کرده است.

پرامپت آماده کپی

این Dataset را بررسی کن و یک ساختار PivotTable حرفه‌ای برای آن طراحی کن.

هدف:
[هدف تحلیل]

ستون‌های داده:
[نام ستون‌ها]

مشخص کن:

- Rows
- Columns
- Values
- Filters
- Sort Order

بعد توضیح بده:
1. این PivotTable چه سؤالی را پاسخ می‌دهد؟
2. چه KPIهایی از آن استخراج می‌شود؟
3. آیا PivotChart هم پیشنهاد می‌کنی؟
4. اگر ساختار داده مناسب PivotTable نیست، قبل از ساخت چه تغییری باید انجام شود؟

نکته مهم

اگر داده‌ها پیچیده باشند، ممکن است بهتر باشد ابتدا با Power Query داده را تمیز و ساختارمند کنیم و بعد PivotTable بسازیم. Microsoft نیز Power Query را برای اتصال و تبدیل داده و Power Pivot را برای مدل‌سازی پیشنهاد می‌کند.

۶. پرامپت پیدا کردن داده‌های پرت

Outlier یعنی مقداری که با الگوی عمومی داده تفاوت قابل‌توجهی دارد.

اما هر Outlier الزاماً اشتباه نیست.

ممکن است یک سفارش بسیار بزرگ کاملاً واقعی باشد.

پرامپت آماده کپی

این Dataset را برای پیدا کردن Outlierها بررسی کن.

برای هر Outlier مشخص کن:

1. مقدار
2. رکورد مربوطه
3. دلیل احتمالی غیرعادی بودن
4. شدت انحراف
5. آیا احتمال خطای ثبت وجود دارد؟
6. آیا باید حذف شود یا نیاز به بررسی انسانی دارد؟

از حذف خودکار داده‌های پرت خودداری کن.

در پایان، یک فهرست از داده‌هایی که نیاز به بررسی انسانی دارند ارائه کن.

این جمله آخر مهم است؛ چون AI نباید خودش تصمیم بگیرد یک داده واقعی را حذف کنیم.

۷. پرامپت تحلیل روند

فرض کنید فروش ۱۲ ماه را داریم.

به‌جای اینکه فقط میانگین را محاسبه کنیم، می‌توانیم از AI بخواهیم الگو را پیدا کند.

پرامپت آماده کپی

این داده ماهانه را تحلیل کن.

هدف:
تشخیص روند و تغییرات مهم.

بررسی کن:

1. رشد یا کاهش کلی
2. ماه‌های دارای تغییر غیرعادی
3. بهترین ماه
4. ضعیف‌ترین ماه
5. روند صعودی یا نزولی
6. الگوی فصلی احتمالی
7. نقاط تغییر مهم

سپس:
- 5 Insight اصلی بده.
- پیشنهاد بده چه نموداری در Excel مناسب است.
- اگر برای نتیجه‌گیری داده کافی نیست، دقیقاً بگو چه اطلاعات دیگری لازم است.

این Prompt یک ویژگی مهم دارد:

اگر داده کافی نباشد، AI مجبور نیست داستان بسازد.

۸. پرامپت طراحی Dashboard مدیریتی

Dashboard خوب فقط چند نمودار رنگارنگ نیست.

باید به یک سؤال مدیریتی پاسخ دهد.

پرامپت آماده کپی

برای این Dataset یک Excel Dashboard مدیریتی طراحی کن.

هدف Dashboard:
[هدف]

مخاطب Dashboard:
[مدیر فروش / مدیر مالی / مدیرعامل / تیم بازاریابی]

اطلاعات موجود:
[ستون‌ها]

پیشنهاد بده:

1. KPIهای اصلی
2. نمودارهای مناسب
3. جدول‌های ضروری
4. Filter یا Slicerهای موردنیاز
5. ترتیب قرارگیری عناصر
6. مهم‌ترین Insight که Dashboard باید سریع نشان دهد

Dashboard باید ساده، حرفه‌ای و قابل فهم باشد.

از نمودارهایی که اطلاعات جدیدی اضافه نمی‌کنند استفاده نکن.

۹. پرامپت اتصال چند جدول با Power Query

وقتی داده‌ها در چند فایل یا جدول قرار دارند، Power Query می‌تواند برای Import، Transform، Merge و Refresh بسیار مفید باشد. Microsoft آن را ابزار اصلی Excel برای اتصال و شکل‌دهی داده معرفی می‌کند.

پرامپت آماده کپی

من این جداول را در Excel دارم:

Table 1:
[توضیح]

Table 2:
[توضیح]

Table 3:
[توضیح]

هدف:
می‌خواهم این داده‌ها را با Power Query به یک Dataset قابل تحلیل تبدیل کنم.

مشخص کن:

1. کلید مشترک بین جداول چیست؟
2. کدام جدول باید Merge شود؟
3. از Merge استفاده کنم یا Append؟
4. چه ستون‌هایی باید حذف یا تغییر نوع داده شوند؟
5. ترتیب صحیح مراحل Power Query چیست؟
6. ساختار نهایی جدول باید چگونه باشد؟

در پایان مراحل را به زبان ساده و مرحله‌به‌مرحله بنوی

۱۰. پرامپت تحلیل مدیریتی حرفه‌ای

این Prompt را می‌توانیم به‌عنوان پرامپت نهایی و همه‌کاره ذخیره کنیم.

پرامپت آماده کپی

این Dataset را مثل یک Senior Data Analyst و Business Analyst بررسی کن.

ابتدا ساختار داده را توضیح بده.

سپس:

1. داده‌های ناقص را پیدا کن.
2. داده‌های غیرعادی را مشخص کن.
3. مهم‌ترین KPIها را استخراج کن.
4. روندهای مهم را پیدا کن.
5. Outlierها را مشخص کن.
6. روابط مهم بین متغیرها را بررسی کن.
7. 10 Insight مهم استخراج کن.
8. 5 ریسک یا مشکل احتمالی را مشخص کن.
9. 5 فرصت مهم را پیدا کن.
10. 5 پیشنهاد عملی برای تصمیم‌گیری مدیریتی ارائه کن.

بعد برای هر Insight بگو:
- بر اساس کدام داده به این نتیجه رسیدی؟
- سطح اطمینان چقدر است؟
- چه اطلاعات دیگری برای تأیید آن لازم است؟

در پایان پیشنهاد بده:
- چه PivotTableهایی بسازم؟
- چه نمودارهایی بسازم؟
- چه KPIهایی در Dashboard قرار دهم؟

چطور Promptهای Excel را حرفه‌ای‌تر کنیم؟

یک قانون طلایی وجود دارد:

هرچه سؤال دقیق‌تر باشد، خروجی بهتر است.

مثلاً:

❌ Prompt ضعیف

فروش من را تحلیل کن.

✅ Prompt بهتر

فروش ماهانه سه منطقه را در سال ۲۰۲۶ تحلیل کن و رشد، افت، بهترین منطقه و بدترین منطقه را مشخص کن.

🔥 Prompt حرفه‌ای

فروش سه منطقه را در سال ۲۰۲۶ تحلیل کن. رشد ماهانه، سهم هر منطقه، Outlierها و تغییرات غیرعادی را بررسی کن. سپس ۵ Insight مدیریتی ارائه بده و برای هر Insight، نمودار Excel مناسب پیشنهاد کن. اگر داده برای نتیجه‌گیری کافی نیست، صریحاً مشخص کن.

یک نکته مهم درباره قابلیت‌های AI داخل Excel

امروزه خود Excel نیز ابزارهایی برای تحلیل زبان طبیعی ارائه می‌کند.

Microsoft برای Analyze Data امکان پرسیدن سؤال درباره داده‌ها به زبان طبیعی را فراهم کرده و می‌تواند پاسخ را با خلاصه، نمودار، جدول یا PivotTable ارائه کند. این قابلیت بیشتر برای داده‌های ساختارمند و جدول‌بندی‌شده طراحی شده است.

در نسخه‌های دارای Copilot نیز می‌توان سؤال‌هایی مانند:

«کدام جریان درآمد سریع‌تر رشد کرده است؟»

یا:

«فروش Q1 و Q2 را مقایسه کن.»

پرسید و پاسخ مستقیم و حتی تحلیل پیشرفته‌تر دریافت کرد. Microsoft همچنین در Copilot in Excel امکان تحلیل پیشرفته‌تر با Python را ارائه کرده است.

بنابراین Prompt فقط برای ChatGPT نیست؛ می‌تواند برای Copilot و سایر ابزارهای AI نیز قابل استفاده باشد.

⚠️ اشتباهاتی که هنگام استفاده از AI برای Excel نباید انجام دهیم

۱. نتیجه AI را بدون بررسی اجرا کنیم

AI می‌تواند فرمول اشتباه تولید کند.

۲. داده محرمانه را بدون توجه به سیاست سازمانی وارد کنیم

اطلاعات مالی، مشتریان و داده‌های حساس باید مطابق سیاست‌های امنیتی سازمان پردازش شوند.

۳. داده‌های پرت را خودکار حذف کنیم

Outlier ممکن است یک خطا باشد، اما ممکن است مهم‌ترین رکورد Dataset نیز باشد.

۴. خروجی AI را حقیقت قطعی بدانیم

تحلیل باید با داده خام و منطق کسب‌وکار بررسی شود.

۵. داده کثیف را وارد تحلیل کنیم

اول ساختار داده را اصلاح کن؛ بعد تحلیل را انجام بده.

نکات کلیدی

• قبل از استفاده از AI، داده را ساختارمند و تمیز کنید.
• Prompt باید داده + هدف + محدودیت + خروجی مورد انتظار را مشخص کند.
• برای فرمول‌نویسی، همیشه بخواهید منطق فرمول نیز توضیح داده شود.
• Power Query برای وارد کردن و شکل‌دهی داده بسیار مهم است.
• PivotTable برای خلاصه‌سازی و تحلیل داده‌های جدولی کاربرد زیادی دارد.
• Analyze Data می‌تواند سؤال‌های زبان طبیعی درباره داده‌ها را پاسخ دهد.
• خروجی AI را قبل از تصمیم‌گیری نهایی بررسی کنید.
• داده‌های حساس سازمانی را بدون رعایت سیاست‌های امنیتی وارد ابزار AI نکنید.

جمع‌بندی

Excel همچنان یکی از ابزارهای مهم تحلیل داده است، اما ترکیب آن با AI می‌تواند روش کار کاربران را تغییر دهد.

به جای اینکه فقط بپرسیم:

«فرمول این کار چیست؟»

می‌توانیم از AI بخواهیم:

داده را بررسی کند → ساختار مناسب تحلیل را پیشنهاد دهد → فرمول تولید کند → خطا را پیدا کند → PivotTable طراحی کند → Insight استخراج کند → Dashboard پیشنهاد دهد.

در کنار آن، ابزارهای داخلی Excel مانند Analyze Data، PivotTable، Power Query و Power Pivot نیز امکانات جدی برای تحلیل داده فراهم کرده‌اند.

اما یک اصل را نباید فراموش کرد:

هرچه Prompt دقیق‌تر، داده تمیزتر و هدف تحلیل روشن‌تر باشد، نتیجه ارزشمندتر خواهد بود.

سؤالات متداول