Excel 手動 K-Means 的無盡迴圈？看 AI 如何一鍵完成智慧病患分群
告別公式煉獄：從手動迭代到 AI 秒速收斂，精準病患分群不再是惡夢。
現況剖析與統計 (Diagnostic) ‧ Level 3 (進階整合應用)
商業危機與痛點
螢幕上的藍光映照在 Dave 疲憊的臉上，時鐘無情地指向午夜兩點。Mark 的指令像詛咒一樣在耳邊迴盪：「明天早上九點，我要看到一個全新的、基於數據驅動的病患分群模型，用來決定下個季度的資源投放策略。」這不僅僅是一份報告，這是攸關數百萬預算的戰略基石。
Dave 的 Excel 活像一個搖搖欲墜的巴別塔。數百個儲存格裡塞滿了由 SQRT 和 SUMXMY2 構成的歐幾里得距離公式，每一個公式都像一條脆弱的絲線，將五十位病患的數據點與三個假設的群體中心連結起來。他剛剛完成了第七次手動迭代，小心翼翼地用 AVERAGEIFS 重新計算出新的群體中心，然後屏住呼吸，將結果「選擇性貼上為值」，以斬斷那該死的循環參考。然而，群組的成員分配幾乎沒有變化，模型收斂的速度慢如冰河。他知道，只要一個複製貼上失誤，整個結構就會瞬間崩塌。
更糟的是，Mélanie 明天將會親自審核他的方法論。她會像鷹眼一樣，質問每一個手動步驟的合理性與可重複性。在這座由無數公式堆砌的迷宮裡，Dave 感覺自己不是在分析數據，而是在向上帝祈禱，祈禱這脆弱的平衡能撐到日出。
傳統的 Excel 分群是一場意志力的消耗戰。你被困在一個由 SQRT、SUMXMY2 和 AVERAGEIFS 函數編織的脆弱蛛網中。每一次手動計算距離、重新分配群組、再更新群體中心的過程，都像是在走鋼索。為了打破循環參考，你被迫反覆進行「複製、選擇性貼上為值」這個最原始的操作。這不僅僅是效率低下，更是一種精神折磨，每一步都充滿了讓整個模型毀於一旦的風險，將寶貴的分析時間浪費在無盡的機械式勞動上。
現在要處理的資料如下：
Patient_ID,Age,Gender,Blood_Type,Systolic_BP,Diastolic_BP,Has_Diabetes,Treatment_Plan PID-1001,45,Male,O+,125,82,False,Lifestyle Change PID-1002,68,Female,A-,155,95,True,Insulin Therapy PID-1003,29,Male,B+,118,78,False,Routine Checkup PID-1004,52,Female,AB+,142,91,False,Medication-A PID-1005,71,Male,O-,160,100,True,Medication-B PID-1006,34,Female,A+,122,80,False,Routine Checkup PID-1007,48,Male,B-,135,88,True,Dietary Control PID-1008,59,Female,O+,148,94,True,Medication-A PID-1009,25,Male,A-,115,75,False,Routine Checkup PID-1010,63,Female,AB-,151,96,False,Lifestyle Change ..... (共計 50 筆資料，請下載完整檔案進行實戰)
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：
[P]rove 稽核驗證點
- K-Means 的核心是『距離』。AI 處理的是純粹的數學運算，它在多維空間中計算每個點到群體中心的『歐幾里得距離』。這解釋了為什麼我們只選擇數值型欄位 (`Age`, `Systolic_BP`, `Diastolic_BP`) 進行分析，因為非數值欄位如 `Gender` 或 `Blood_Type` 無法直接參與距離計算。
- 傳統 Excel 的痛點在於『迭代收斂』。你手動執行的複製貼上，是為了打破公式的循環參考，模擬演算法一次又一次的重心更新。AI 在後台以毫秒級的速度完成了這個你耗費數小時的過程，直到每個群體的成員不再變動，即達成『收斂』狀態。
- AI 回傳的群組標籤（例如：高齡高血壓群）並非演算法的直接輸出，而是基於最終群體成員的數據分佈（例如該群體平均年齡最高）所做的『詮釋』。這層語意分析，是大型語言模型在純粹的數學分群之上，提供給你的額外價值。
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
- 選取並複製上方提供的 Pro CUBE Prompt。
- 打開您慣用的 AI 工具（例如 Google Gemini 或 ChatGPT），將 Prompt 貼入對話框中。
- 將您的完整病患資料（包含標題列）從 Excel 中複製，並直接貼在 Prompt 的下方，然後發送。
- AI 將回傳 CSV 格式的結果。請將其複製並貼到新的 Excel 工作表中，即可完成病患與其所屬分群的對應表。
你的價值，不在於重複計算，而在於洞察詮釋。
那場與 SUMXMY2 和 AVERAGEIFS 的深夜搏鬥，不是你能力的缺陷，而是工具的極限。你試圖用螺絲起子去鑿牆，那份挫折感源於此。AI 不是來取代你的分析大腦，而是來拆除那面牆，將你從重複計算的牢籠中解放出來。現在，你的寶貴精力可以從繁瑣的『如何分群』，轉移到更具價值的『為何如此分群』。去解讀群體背後的故事，去制定真正影響策略的洞察。讓機器去執行指令，讓你去洞見未來。這，才是你真正的力量所在。
Author’s Note & Inspiration:
The core analytical framework of this case is inspired by Mastering Excel through Projects by Hong Zhou (Chapter 8: K-Means Clustering and Interactive Calculation). This article serves as both a tribute to the original concepts and a modern challenge to push those boundaries further using AI-driven automation.