Profiler dataene før du spør om noe
Den vanligste måten regnearkanalyse går galt, har ingenting med AI å gjøre. Det er at filen inneholder 14 rader med et etterslep av mellomrom i regionnavnet, to datoformater, en subtotalrad noen lot bli stående midt i, og 300 tomme celler i kolonnen du er i gang med å beregne gjennomsnittet av. Still spørsmålet ditt først, og du får et sikkert svar beregnet over rot.
Derfor er den første prompten den samme uansett fil.
Prompt: profilen
Profiler denne filen før vi analyserer noe. Returner: antall rader, kolonnenavn med utledet type, antall og prosentandel manglende verdier per kolonne, antall eksakte duplikatrader, distinkte verdier for hver kolonne med færre enn 25 distinkte verdier, min og maks for hver numerisk kolonne og datokolonne, og eventuelle kolonner der verdiene ser inkonsistente ut (blandede formater, etterslep av mellomrom, blandede enheter, blandede datoformater). Ikke analyser eller tolk enda. Bare fortell meg hva som er i filen, og hva som ser feil ut.
Denne ene prompten fanger opp mesteparten av det som ellers ville ødelagt analysen. Listen over distinkte verdier er spesielt der du oppdager at "UK", "U.K." og "United Kingdom" er tre separate regioner i dataene dine.
Prompt: fiks det den fant
Standardiser problemene du identifiserte: trim mellomrom, forén [kolonne] til ett format, og slå sammen disse variantene: [list dem opp]. Vis meg mappingen du brukte, som en tabell, før du bruker den. Ikke slett noen rader uten å fortelle meg hvilke og hvorfor.
Still spørsmål som gir svar du kan verifisere
Vage spørsmål gir vage svar. Promptene som fungerer, navngir kolonnen, operasjonen og outputformatet, og de ber om arbeidsgangen.
Prompt: aggregering med arbeidsgangen synlig
Grupper etter [kolonne] og beregn [nøkkeltall]. Returner en Markdown-tabell med gruppen, antall rader i den, og nøkkeltallet. Under tabellen, forklar nøyaktig hvordan du beregnet nøkkeltallet, hvilke rader du utelot og hvorfor, og hvordan du behandlet tomme celler. Sorter synkende etter [kolonne].
Prompt: kohortspørsmålet
For hver [kohortdimensjon, for eksempel registreringsmåned], beregn [nøkkeltall] per [intervall]. Vis kohortstørrelsen sammen med hvert tall. Marker enhver kohort med færre enn [n] rader som for liten til å tolkes, i stedet for å rapportere en prosentandel for den.
Den siste instruksjonen forhindrer det mest misvisende resultatet i regnearkanalyse: en kohort på fire brukere rapportert som "75 % retensjon" og plassert i en tabell rett ved siden av en kohort på ni tusen.
Prompt: jakt på avvik
Hva er suspekt med disse dataene? Se etter: verdier utenfor et plausibelt intervall, plutselige diskontinuiteter i en tidsserie, kolonner der fordelingen endrer seg et sted underveis, rader som er eksakte eller nesten-duplikater, verdier som virker for runde, og alt som antyder en endring i hvordan dataene ble samlet inn. For hvert funn, siter de spesifikke radene.
Det er den mest verdifulle prompten på denne siden, og den har ingen motsvarighet i en vanlig regnearkarbeidsflyt. Den finner rutinemessig dagen da sporingen brøt sammen, leverandøren som begynte å rapportere i en annen valuta, og den doble importen som blåste opp et kvartal.
Prompt: diagramspesifikasjonen
Anbefal riktig diagram for dette spørsmålet og denne dataformen, og forklar hvorfor det åpenbare alternativet er verre her. Gi meg deretter spesifikasjonen: diagramtype, x, y, serie, aggregering, sorteringsrekkefølge og akse-behandling. Bruk ikke dobbel akse. Kutt ikke aksen på et stolpediagram.
Hvor aritmetikken egentlig går galt
Dette fortjener et rett svar, fordi "AI er dårlig i matte" er både sant og uhjelpsomt vagt.
En språkmodell som resonnerer over tall i tekst, gjør mønsterfullføring, ikke beregning. Den er pålitelig når det gjelder å beskrive struktur, kategorisere rader og identifisere hvilken beregning du trenger. Den er langt mindre pålitelig når det gjelder å utføre en lang kjede med aritmetikk over hundrevis av rader, og den svikter uten varsel: resultatet er en velformatert tabell med feil tall og ingen nødsignal.
De praktiske reglene:
- Be om metoden, ikke bare resultatet. "Forklar nøyaktig hvordan du beregnet dette og hva du utelot" gjør feilen synlig når det finnes en.
- Stikkontroller én gruppe manuelt. Velg den minste gruppen i resultattabellen, og verifiser den i det faktiske regnearket. Om den stemmer, er metoden sannsynligvis riktig; om ikke, kan ingenting i tabellen tillegges tillit.
- Krysskontroller alt som har konsekvenser med en annen modell. Å ha to uavhengige modeller lande på samme tall er merkbart bedre bevis enn at én modell gjentar seg selv. Whizis sammenligningsvisning finnes nettopp for dette.
- Se opp for dobbelttelling. Subtotalrader som blir liggende i filen, og en-til-mange-koblinger, er de to vanligste synderne, og modellen vet ikke at de er feil.
- For alt som må være eksakt, be om formelen eller koden.
Gi meg Excel-formelenellergi meg pandas-kodenlegger aritmetikken i en deterministisk motor, og du bruker modellen til det den er god på, nemlig å vite hvilken beregning som skal kjøres.
Det siste punktet er det egentlige svaret for finans- eller rapporteringsarbeid. Bruk modellen til å designe analysen, bruk regnearket ditt eller et skript til å utføre den.
Hvilken modell leser hvilken fil, og hvor stort er for stort?
CSV og Excel lastes opp direkte begge to, og de tre modellene deler arbeidet rent.
| Modell | Kontekstvindu | Kreditter per melding | Bruk den til |
|---|---|---|---|
| GPT-5.6 Terra | 1M tokens | 4 | Strenge formater: rene tabeller, JSON, eksakte kolonnemapping |
| Claude Sonnet 5 | 1M tokens | 10 | Krysskontroll-runden på aggregering i flere trinn |
| Gemini 3.5 Flash | 1M tokens, cirka 1900 manussider | 8 | De største filene, eller et regneark pluss en PDF i én tråd |
Kontekst- og kredittall kommer fra Whizis modellkostnadsindeks, listepriser hentet 2026-08-20.
Noen praktiske notater:
- Gi den et rent rektangel. En overskriftsrad, ingen sammenslåtte celler, ingen tomme mellomromsrader, ingen notater i kolonne K. Rapporter formatert med flere overskriftsnivåer forvirrer utlesningen mer enn noen filstørrelsesgrense.
- Send det rå arket, ikke presentasjonsarket. Versjonen med formatering og subtotaler er den som produserer dobbelttelling.
- Svært brede filer har nytte av en kolonneliste først. Spør hva hver kolonne betyr før du analyserer, hvis navnene er kryptiske, og fortell modellen hva den tok feil.
- For svært store filer, bruk Gemini 3.5 Flash, som leser samme 1M token-kontekst som Claude Sonnet 5 og GPT-5.6 Terra til lavest kostnad per svar av de tre. Utover det, sample bevisst:
analyser et tilfeldig utvalg på 5000 rader og fortell meg hvilken samplingsfeil jeg bør forvente på hvert taller bedre enn å stilltiende trunkere. - Fjern persondata først. Navn, e-poster og identifikatorer er nesten aldri nødvendig for analysen, og å fjerne dem er raskere enn å diskutere om du hadde lov til å laste dem opp.
Mekanikken bak opplastinger er dekket i opplasting av dokumenter.
Den fulle sekvensen på åtte steg på en ekte fil
Hele arbeidsflyten på en ekte fil, i rekkefølge:
- Last opp. Kjør profilprompten. Les de distinkte verdiene og antall manglende celler nøye.
- Fiks det den fant, og gjennomgå mappingtabellen før den brukes.
- Be om et sammendrag av hva dataene handler om, og de tre spørsmålene den tror du bør stille. Dette steget går raskt og reformulerer ofte analysen.
- Still ditt faktiske spørsmål, med metode og unntak krevd i svaret.
- Kjør avviksprompten, alltid. Det er her overraskelsene er.
- Stikkontroller den minste gruppen manuelt.
- Krysskontroller hovedtallet med en annen modell.
- Be om diagramspesifikasjonen, eller formelen hvis tallet må være eksakt og reproduserbart.
Steg 1, 5 og 6 er de folk hopper over, og de er de som skiller en analyse du kan forsvare fra en fint formatert gjetning.
- Profiler filen før du stiller et enkelt analytisk spørsmål
- Les listen over distinkte verdier for å fange opp variantskrivemåter og blandede formater
- Krev metoden og unntakene sammen med hvert tall
- Marker små grupper som for små, i stedet for å rapportere en prosentandel for dem
- Kjør alltid "hva er suspekt med disse dataene"-prompten
- Stikkontroller den minste gruppen manuelt før du stoler på tabellen
- Krysskontroller tall med konsekvenser med en annen modell
- Be om formelen eller koden når tallet må være helt riktig
Vanlige spørsmål
Hvor stort kan regnearket mitt være?
Det kommer an på abonnementet og modellen, og den praktiske grensen er modellens kontekstvindu, ikke en filstørrelsesgrense. Claude Sonnet 5, GPT-5.6 Terra og Gemini 3.5 Flash leser alle en 1M token-kontekst i Whizi, cirka 1900 manussider med data. Utover det, sample bevisst og be modellen angi samplingsfeilen, i stedet for å la filen bli stilltiende trunkert, som er feilmodusen som gir sikre svar om en brøkdel av dataene dine.
Kan AI fange opp feilene i regnearket mitt?
Ja, og det er én av de mest lønnsomme promptene som finnes. Å spørre hva som er suspekt med dataene, avdekker jevnlig doble importer, dagen sporingen brøt sammen, blandede enheter eller valutaer, subtotalrader som er blitt liggende inni dataene, og fordelinger som skifter et sted underveis i filen. Be den sitere de spesifikke radene, så du kan verifisere hvert funn i stedet for å ta listen på tro.
Kan jeg stole på tallene den gir meg?
Stol på strukturen, verifiser aritmetikken. Språkmodeller er sterke på å identifisere hvilken beregning som er nødvendig og beskrive hva som finnes i et datasett, og svakere på lange aritmetikkjeder over mange rader, der de svikter uten varsel med et velformatert, feil svar. Stikkontroller den minste gruppen manuelt, krysskontroller hovedtall med en annen modell, og for alt som må være eksakt, be om Excel-formelen eller Python-koden og kjør den selv.
Hvilken modell er best for regnearkarbeid?
GPT for strukturert resonnering, strenge outputformater, og rene tabeller eller JSON. Claude som krysskontroll på aggregering i flere trinn, fordi den har en tendens til å gjøre andre feil enn de samme. Gemini når filen er svært stor, eller når du vil analysere et regneark sammen med en PDF eller rapport i samme samtale.
Fungerer det med Excel-formler og flere ark?
Den leser verdiene i stedet for å kjøre arbeidsboken din, så formelresultater kommer med, men den levende formellogikken gjør ikke det. For arbeidsbøker med flere ark, si hvilket ark du mener, og beskriv hvordan arkene henger sammen, eller eksporter arket du bryr deg om som CSV. Filer bygget for presentasjon, med sammenslåtte celler og subtotaler inni dataene, gir langt flere problemer enn store filer gjør.