用AI在Excel做仪表盘的三种尝试：为什么最简指令反而效果最好

科技网站 How-To Geek 近期分享了一项在 Excel 中使用 AI 搭建数据仪表盘（Dashboard）的测试经验。测试者使用一份包含 5000 条观影记录的数据表，对比了三种利用 Copilot 制作看板的方法，得出的结论很实在：给 AI 明确的目标并给它发挥空间，效果往往优于过度规划或让 AI 自由挖掘。

测试数据包含 5000 条记录、878 部不同影片，其中 82.4% 为重复观看，2023 年观影量达到峰值。测试者尝试了以下三种不同的搭建路径：

第一种尝试：让 AI 自行寻找“有趣规律”并制作看板
测试者让 Excel 中的 Copilot（Copilot in Excel）先分析数据、提炼有趣的模式，再据此生成仪表盘。AI 随后生成了包含 6 个摘要卡、6 个切片器（slicer）和 4 个图表的交互式看板。但问题随之而来：Copilot 认为数据中最值得讲的故事是“高重复观看率”，于是把大量版面和切片器分配给了新旧观影对比与重温分析，反而挤占了其他更实用的常规指标。

第二种尝试：网页版 Copilot 规划方案 + Excel 端执行
测试者改用两步法：先让网页端 Copilot 分析数据并给出一套涵盖观影模式、平台、类型、评分、季节趋势、热力图和计分卡的详细方案，再将这套建议喂给 Excel 中的 Copilot 进行制作。生成的看板包含 8 个图表、2 个表格视图、5 个切片器、5 个摘要卡和筛选洞察区。但实际使用体验欠佳：内容过多导致在大显示器上也需要大幅缩放才能看清；同时组件和计算过于复杂，人工核对和维护成本极高，违背了看板“快速获取概览”的目的。

第三种尝试：给出基础背景与清晰目标（最简方案）
这一做法契合了 OpenAI 的提示词指引思路：给 AI 设定清晰的目标，由它自行规划路径，而不是规定每一个步骤。测试者仅向 Excel 中的 Copilot 提供了 5000 条记录的基础信息，直接要求它构建一个实用且具备交互性的仪表盘。
最终的效果最为均衡：
1. 包含 5 个核心摘要卡与 4 个图表（按年份统计观影量、类型分布、平台分布及评分分布）；
2. 搭配 2 个联动全局的切片器，顶部还带有提炼峰值年份、最常看类型和主要平台的总结行；
3. 支撑图表的数据透视表（PivotTable）被整齐地放在独立的工作表中，既方便调用，又不会遮挡看板；
4. 布局紧凑，无需缩放即可在屏幕中完整呈现，创建耗时最短，且未来数据增加时也不需要推倒重构。

在实际操作中，如果需要用 Copilot 快速搭建可用的 Excel 仪表盘，无需把需求拆解得过于繁复，也不必让 AI 自由发散去挖偏门数据。直接给出数据基本面，明确要求生成结构清晰、带交互的基础看板，往往是最省时且易维护的做法。