AI 降維打擊實戰
告別複製貼上地獄！用 AI 一秒搞定 Excel K-Means 客戶分群術
還在為了 K-Means 分群手動疊代到天亮？AI 幫你一鍵完成，準時下班！
PRO-Cube 分析矩陣
現況剖析與統計 (Diagnostic) ‧ Level 3 (降維打擊)
Marketing
商業危機與痛點
辦公室的時鐘已指向七點，但分析師小陳的螢幕上，Excel 表格裡的數字依然像無盡的迷宮。明天一早，他必須向行銷總監報告最新的病患分群結果，以利規劃個人化的健康管理方案。然而，他正卡在 K-Means 演算法最痛苦的一步：手動疊代。計算距離、重新歸類、更新中心點… 他已經重複了不下二十次，深怕任何一個儲存格的公式出錯，就得推倒重來。總監剛剛經過他的座位，笑著問：「進度順利嗎？我很期待明天的報告。」這句看似關心的話，卻像千斤重的石頭壓在小陳心上。他看著眼前密密麻麻的數字，感覺自己不是在做數據洞察，而是在做數據苦工，離真正的價值創造越來越遠。
傳統 Excel 的 K-Means 分群，是一場意志力的考驗。為了找出最佳分群，你必須手動計算每個客戶到各群中心的距離，重新分配歸屬，再更新群中心位置。這個過程不是一次，而是數十次的無盡迴圈。每一次疊代，都像把整個資料表複製貼上重算一遍，不僅極度耗時、枯燥，只要一個步驟或公式出錯，就得全部重來。盯著滿滿的數字，腦中不斷重複著機械式指令，我們不像數據分析師，更像一顆沒有感情的 CPU，深陷在無力感的泥沼中。
現在要處理的資料如下：
病患ID,特徵一,特徵二,特徵三,特徵四,特徵五,特徵六,特徵七 P001,45,M,135,88,0,205,2023-11-02 P002,68,F,160,95,1,245,2023-09-20 P003,29,M,118,75,0,180,2023-10-25 P004,52,F,142,91,0,210,2023-11-11,數據錯誤 P005,75,F,175,100,1,260,2023-10-28 P006,三十六,M,128,82,0,195,2023-12-01 P007,33,M,145,92,0,220,2023-11-25 P008,71,F,130,80,1,199,2023-10-05 P009,58,M,155,98,1,235,2023-11-18 P010,39,F,122,78,0,192,2023-12-03
實戰演練素材
下載此範例資料，直接拖曳至 Gemini 進行對話演練。
[P]rompt 神級咒語
請將剛下載的 CSV 拖曳放入 Gemini 視窗，並貼上以下咒語：
你現在是頂尖的數據分析師，專精於 K-Means 演算法。
請根據我提供的病患資料 (CSV 格式)，執行 K-Means 分群，並將他們分成 3 群。
任務要求如下：
1. 資料清洗：自動辨識並修正資料中的明顯錯誤，例如將中文數字轉為阿拉伯數字、移除無關文字。若有無法處理的整行錯誤資料，請直接移除該行並註記原因。
2. 特徵選取：請使用『特徵一』到『特徵七』的所有數值與類別特徵進行分群，並自動進行資料標準化處理。
3. 結果輸出：在原始資料的最後一欄加上『分群結果』(Cluster)，並以 CSV 格式完整回傳整個表格。這是我的資料：
[請將 CSV 資料貼在此處]
[P]rove 稽核驗證點
AI 的強大在於自動化，但我們的智慧體現在驗證。在這份範例資料中，AI 應該要能揪出並處理以下『髒資料』：
– **P004 病患**：該行資料末端多了「,數據錯誤」的異常文字與欄位，AI 應能識別並移除，或直接排除此筆雜訊紀錄。
– **P006 病患**：其『特徵一』(在此代表年齡) 為中文數字『三十六』，而非阿拉伯數字。一個好的 AI 模型應能自動轉換為『36』再進行計算。
當你檢視 AI 的回傳結果時，可以特別檢查這兩筆資料是否被正確處理，並確認 AI 的處理說明（若有提供），這就是驗證 AI 可靠性的關鍵步驟，確保你的分析建立在乾淨的數據之上。
職場防雷提示：
範例資料中故意埋放了空值與格式錯誤，請務必驗證 AI 產出的結果是否正確避開了這些坑！
[P]rocess 執行步驟
1. **複製結果**：將 AI 生成的完整 CSV 結果，從第一行標頭到最後一筆資料，全部複製起來。2. **貼回 Excel**：回到你的 Excel 工作表，點選一個新的分頁，在 A1 儲存格按下滑鼠右鍵，選擇「符合目的格式的貼上」或「使用文字匯入精靈」，確保資料正確分欄。
3. **快速驗收**：檢查最後一欄是否已新增「分群結果」欄位，以及每一位病患是否都被標上了一個群組編號 (例如：0, 1, 2)。
算盤打到冒煙，不如 AI 彈指之間
回想過去在 Excel 中手動執行 K-Means 分群，那種反覆計算、深怕出錯的枯燥過程，是許多分析師的共同夢魘。如今，AI 不僅將這數小時的折磨縮短為幾秒鐘的指令，更重要的是，它將我們從繁瑣的執行者，提升為高瞻遠矚的策略家。然而，我們必須謹記「Garbage In, Garbage Out」的鐵律。AI 能處理髒資料，但我們仍需扮演最終稽核者的角色，驗證其清洗邏輯與分群結果的合理性。別再讓工具限制你的想像力，立即動手將 AI 導入你的工作流，成為駕馭數據的智慧夥伴吧！