🔍 用 Codex 做数据分析：先让它讲思路，再让它动手
分类：数据分析 · 全流程实操
整理自 B 站 UP 主「Emma和她的数据老公」《当你学会用Codex处理Excel表格，绝了》（BV1wFgj6yE6u）。原片为双人对话形式，本站做了要点提炼与改写。
关键认知：它不是聊天框，是能干活的同事
Codex 桌面版的定位类似"给 AI 装上手脚"：模型是大脑，桌面端让它能在你的电脑上执行任务。所以第一件事不是提问，而是建一个项目——把这次分析涉及的数据、脚本、输出都放在同一个目录里，它后续所有产物都会落在项目里，可追溯。
第二步：挂上"数据分析"这个技能
技能（Skill）相当于给 AI 戴上专业手套。挂上处理 Excel 的技能之后，在对话里用 @ 引用技能名，再下指令，它就会按技能里的流程走。
不确定技能能干什么？直接问它"这个技能可以做什么"，它会自己说明能力边界。
第三步：先审思路，别让它直接跑
这一步是整条流程最关键的习惯：
请读取这个数据文件，说明每一行/每一列的含义，给出你打算如何清洗这份数据，以及你计划计算哪些分析指标。先只讲思路和方案，等我确认后再执行，不要直接开始计算。
它会把数据字典、脏数据情况（缺失值、重复订单、异常价格/折扣）列清楚，并给一份清洗方案：保留哪些字段、删除哪些重复数据、哪些脏值统一成什么格式。你确认之后它才动手。
为什么必须先审思路？因为一旦它按错误的理解跑完，你不仅要重跑，还得回头核对它到底改了什么。先看方案，成本最低。
第四步：分步执行，别一口气全跑
原视频里的做法很值得抄：明确告诉它"先只执行数据清洗，第四步的指标计算先不做，我再想想算什么"。它就会只清洗，并输出一份清洗说明——处理了多少条、删掉了什么、哪些需要人工确认。
确认清洗结果没问题，再给指标清单，让它计算。这样出错时你知道是哪一步出的。
第五步：做关联分析，挖掘选品方向
清洗完、指标算完后，进入真正有价值的部分——数据挖掘。比如经典的相关性/关联规则分析：
基于清洗后的数据做关联分析，找出购买行为之间的关联关系（支持度、置信度、提升度），如果有明显关联组合，给出选品和搭配销售的建议。
实测输出很具体：买过机械键盘的用户，后续购买笔记本的置信度约 11%；某类配件和某类耗材的关联度也在 10% 左右。这类结论直接就能用来做组合推荐。
不想自己写算法的话，可以去 GitHub 找别人开源的 Skill（数据处理、PPT 生成都有），装上直接用；你跑通的流程也可以封装成 Skill 分享出去。
三个能立刻用上的习惯
- 先讲思路再执行。这套流程适用于所有 AI 数据分析工具，不只是 Codex。
- 分步确认。清洗、计算、挖掘分三轮对话，比一次性下达长指令稳得多。
- 要求留痕。让它输出"清洗说明""指标计算过程"，方便你回头核对，也方便给老板解释结论怎么来的。
最后一点提醒：关联分析给出的只是"相关性"，不是因果。买键盘的人后来买笔记本，可能是需求场景相关，也可能只是同一批人本来就有预算——结论要结合业务判断，别直接当真理。