用 AI 清理與整理雜亂資料：從髒數據到可用表格的完整教學

每個用 Excel 管理客戶、訂單或庫存的人，都遇過這種檔案：同一個客戶因為打字習慣不同出現三次、電話有的全形有的半形、日期一下「2026/6/1」一下「6月1日」、一堆欄位空著、還有人把金額欄填了「約一萬多」。這種檔案拿去做樞紐分析、寄行銷信、算營收，結果一定錯。

這篇要解決的問題：教你用 AI 把一份雜亂、不一致、有重複又有破洞的資料，系統性地清理成一份乾淨、一致、可直接使用的表格，過程不需要寫程式。 適合誰讀：行政、業務助理、行銷、營運、店家老闆——任何手上有 Excel 或 Google Sheets，卻常被髒資料拖累的人。 讀完你會得到：一套可重複的資料清理流程、可複製的 AI Prompt、一張清理 Workflow，以及一個台灣中小企業導入前後的真實對照與成果數據。

一句話 TL;DR：資料清理的關鍵不是叫 AI「幫我整理一下」，而是你先把清理規則一條條寫清楚，讓 AI 照規則辦事、再由你抽樣驗證——AI 是執行者，規則和把關都在你手上。

免責聲明：本文涉及客戶個資處理的部分為教學示範，實際操作請依《個人資料保護法》與貴公司資安政策辦理；AI 可能誤判或改錯資料，重要檔案務必先備份並人工驗證後再使用。

為什麼值得用 AI 清資料？

資料清理在很多公司是「沒人想做但又非做不可」的工作。一份從不同來源匯整來的客戶名單，往往要花好幾個小時手動比對、刪重複、改格式，做到眼睛酸、心情煩，還容易漏。這正是 AI 最能發揮的場景，原因有三。

第一，它擅長處理重複又瑣碎的規則性工作。把全形電話改半形、把「台北市」「臺北市」「台北」統一、把多餘空白刪掉——這些對人類來說無聊又費神，AI 一次就能套用到整欄。

第二，它看得懂「不一致」。傳統 Excel 函式要你精準描述每一種錯誤格式，但真實資料的亂法千奇百怪。AI 能理解「這些其實是同一個意思」，例如「股份有限公司」「股份公司」「(股)」指的是同一種公司型態，這是純公式很難做到的。

第三，它能把清理邏輯轉成可批次執行的工具。當資料量大到聊天視窗塞不下，你可以請 AI 把清理規則寫成 Excel 公式、Google Sheets 函式、Power Query 步驟或 Python 程式碼，讓工具一口氣跑完幾萬列。AI 定規則、工具跑量，兩者分工。

但要先講清楚一個前提：AI 不會自己知道你要的「乾淨」長什麼樣。你覺得理所當然的規則，它不一定猜得到。所以真正的差別不在 AI 強不強，而在你有沒有把規則講清楚、有沒有認真驗證。把這兩件事做好，幾小時的工作能縮到十幾分鐘；做不好，它可能默默把你的資料改得更亂。

核心概念：髒資料的五種樣態

要清得乾淨，先要認得髒。雜亂資料大致可歸成五種樣態，認得它們，你才知道每一欄該下什麼指令。

理解這張表之後，清理就不再是「看哪裡亂就改哪裡」的瞎忙，而是有系統地一類一類處理。一份典型的客戶名單，通常五種問題都有；你只要照樣態逐一下指令，就不會漏。

這裡有個常被忽略的觀念叫「資料的單一事實來源」。清理的終極目的，是讓「同一件事在資料裡只有一種寫法」——一個客戶只有一列、一個地區只有一種拼法、一種日期只有一種格式。掌握這個原則，你對「該清到什麼程度」就有了判準。

實際做法：五步驟把髒資料清乾淨

Step 1：先盤點，別急著動手

最常見的錯誤就是拿到檔案立刻開始改。正確的第一步是請 AI 幫你做「資料體檢」：把欄位名稱、每欄的資料型態、缺失比例、重複大概有多少、有沒有一眼可見的異常值，全部摸清楚。看清楚問題全貌，才不會清到一半才發現方向錯了。

這一步的產出是一份「問題清單」，例如：電話欄有 30% 是全形、地區欄缺失 15%、疑似重複 40 列。有了清單，後面每一步都有的放矢。

Step 2：把清理規則一條條寫死

這是整個流程最關鍵的一步。不要對 AI 說「幫我整理乾淨」，而要給它明確規則。把你心中的「乾淨」翻譯成可執行的條文，例如：

• 電話：統一成 09 開頭、半形、共十碼，去掉橫線與空格
• 日期：統一成 YYYY-MM-DD
• 公司名：去掉「股份有限公司」「有限公司」字樣，只留主名
• 地區：「臺」一律改「台」，並補上縣市層級
• 金額：去掉「約」「元」「多」等字，只留純數字

規則愈具體，AI 出錯的空間愈小。模糊的指令會換來模糊的結果。

Step 3：處理缺失值與統一格式

按規則開始清。缺失值要先決定策略：能從其他欄位推斷的（例如有地址就能補出縣市）可以請 AI 補；不能查證的關鍵欄位（金額、聯絡方式）絕對不要讓 AI 憑空生成，改成標記「待補」交回人工。同時統一全形半形、大小寫、多餘空白、單位與幣別寫法。

若資料量大，這一步就請 AI 產出對應的 Excel 公式或 Power Query 步驟，拿去批次套用，而不是逐列丟給聊天視窗。

Step 4：去重與抓異常值

去重的核心是「主鍵」——你用什麼判斷兩列是同一筆。最可靠的是統一編號、Email 這類唯一值；若只能用姓名，務必搭配電話或地址組合，避免同名誤刪。請 AI 把「完全重複」直接合併，把「疑似重複但欄位有出入」的另外列出來給你定奪。

同時請 AI 標出不合理值：年齡超過 120、金額為負、Email 缺 @、日期落在未來等。這些不一定要刪，而是標記出來讓你判斷是輸入錯誤還是真有其事。

Step 5：抽樣驗證，再上線

清完不要全盤信任。隨機抽 20 到 30 列，把清理前後對照人工核對，確認沒有誤刪、誤改。再請 AI 輸出一份「變更摘要」：刪了幾列、改了幾欄、補了幾筆。對照前後總筆數是否合理。三者都通過，這份資料才算可用——而且原始檔要一直留著當還原依據。

可複製的 Prompt

把下面這段貼進你的 AI 工具，依實際情況替換大括號內容。它涵蓋了規則、驗證與安全三個重點：

你是一位資深資料清理專員。我會貼上一份從 Excel 複製的表格資料，請依下列規則清理，並嚴格遵守驗證要求。

【資料欄位】
{例如：客戶姓名、公司名、電話、Email、地區、最近消費金額、建檔日期}

【清理規則】（請完全照辦，勿自由發揮）
1. 電話：統一成 09 開頭、半形、十碼，移除橫線與空格；不符格式者標記「電話異常」
2. 日期：統一成 YYYY-MM-DD
3. 地區：「臺」改「台」，並補上縣市層級
4. 公司名：去掉「股份有限公司／有限公司」，只留主名
5. 金額：去掉非數字字元，只留純數字；無法判讀者標記「金額待確認」
6. 全形標點與多餘空白一律清掉

【缺失值處理】
- 能從其他欄位推斷的（如有地址補縣市）可補，並在備註欄註明「AI 推斷」
- 金額、Email、電話若空白，標記「待補」，禁止憑空生成

【去重】
- 主鍵：{例如 Email；若無則用姓名＋電話}
- 完全重複直接合併保留最新一筆
- 疑似重複但有出入者，另列一張清單給我確認，勿自動刪除

【輸出要求】
1. 清理後的完整表格（保留原欄位順序，新增一欄「備註」記錄改動）
2. 一份變更摘要：原始列數、清理後列數、各欄改動筆數、合併幾列
3. 一份「需人工確認清單」：疑似重複、異常值、待補欄位

【安全】這是教學用資料，若內含真實個資，僅就格式邏輯處理，勿輸出任何推測性的個人資訊。

以下是資料：
{貼上你的表格}

這段 Prompt 的設計重點：先給規則、再要求驗證輸出、最後加上安全約束。你會發現它逼 AI 交出「變更摘要」與「需人工確認清單」，這正是讓你能把關、而非盲信的關鍵。

台灣中小企業實作案例

背景：台中一家經營了十二年的烘焙原料行，客戶以中小型麵包店與烘焙教室為主。他們累積了一份近 4,800 筆的客戶名單，但這份名單是過去從手寫訂單、LINE 對話、展場留資、官網表單分頭匯入的，格式極度混亂。

導入前的痛點：

• 同一家店因為店名打法不同（「○○烘焙坊」「○○烘焙」「○○麵包」）重複出現，估計重複超過 600 筆
• 電話欄全形半形混雜，約三成無法直接撥打或匯入簡訊系統
• 地區欄缺失約 18%，無法做區域性的促銷分眾
• 每次要寄電子報或發促銷簡訊，行政人員都得手動整理大半天，常常寄重複或漏寄

導入做法：他們沒有買昂貴系統，而是讓一位行政同仁用 AI 聊天工具，照本文的五步驟流程處理。先做資料體檢列出問題清單，再把清理規則寫成上面那段 Prompt，分批（每批約 500 列）餵給 AI，並請 AI 同步產出 Google Sheets 的格式統一公式套用到整份名單。去重時用「店名＋電話」當主鍵，疑似重複的另列清單由熟客戶的業務同仁人工確認。最後抽樣 30 筆核對才上線。整個專案斷斷續續花了約兩個工作天。

導入後的成果：

• 名單從 4,800 筆去重後變成乾淨的 4,150 筆，刪除 650 筆重複
• 電話格式統一率達 100%，可直接匯入簡訊系統，過去三成無法使用的號碼透過格式修正救回大半
• 地區欄缺失從 18% 降到 4%（其餘為確實無資料、標記待補）
• 每月電子報與促銷簡訊的整理時間，從原本每次約 4 小時降到約 30 分鐘
• 首次用乾淨名單做的區域性促銷，因為分眾精準，回購率較前一檔提升約兩成

這個案例的重點不是 AI 多神，而是「規則寫清楚＋人工把關＋分批處理」這套紀律。同樣一份名單，若只丟一句「幫我整理乾淨」，很可能把同名不同店的客戶誤併、把救得回的號碼直接刪掉。流程對了，普通的 AI 工具也能做出可靠成果。

常見錯誤，別踩

錯誤一：沒備份就直接清。 清理是破壞性操作，去重刪錯、格式轉壞都回不去。永遠在副本上做，原始檔唯讀留存。

錯誤二：規則沒寫清楚就叫 AI 自由發揮。 「幫我整理」會換來它自己猜的標準，可能跟你要的完全不同。規則愈具體，結果愈可控。

錯誤三：讓 AI 憑空補關鍵欄位。 地區可以推斷，但金額、電話、Email 不行。補錯的資料比空白更危險，因為它看起來是對的。

錯誤四：一次塞太多列導致截斷。 聊天視窗有上限，硬塞會默默漏掉後面的資料。分批，或改用公式、程式批次跑。

錯誤五：清完不驗證就上線。 輸出整齊不代表正確。一定要抽樣人工核對、對照前後筆數、看變更摘要，三關都過才算數。

錯誤六：把真實個資直接貼進公開工具。 涉及大量個資時，先代號化敏感欄位，或改用有資料不留存承諾的服務，並確認符合個資法規範。

結論

資料清理聽起來枯燥，卻是所有數據工作的地基。地基歪了，上面蓋的分析、行銷、決策全都會跟著歪。AI 讓這件苦差事從「耗一整天的人工苦工」變成「十幾分鐘的規則套用」，但前提是你要扮演好「規則制定者」與「把關者」這兩個角色——把清理規則一條條寫清楚，再用抽樣驗證守住品質。

記住三句話：先盤點再動手、規則寫死別讓它猜、清完一定要驗證。 做到這三點，你手上那份亂七八糟的 Excel，就能變成可以放心拿去寄信、分析、做決策的乾淨資料。

清乾淨之後，下一步自然是從資料裡找洞察。建議接著看 AI 資料分析教學 把乾淨資料變成決策依據；若你想把格式統一交給公式自動處理，AI 試算表公式教學 能幫你用白話產生 Excel 函式；想連建檔輸入都自動化，可參考 AI 資料輸入自動化。要把整套清理流程變成可重複執行的標準作業，AI Workflow 設計 會很有用；而挑選合適工具，則可逛逛 AI 工具庫。

常見問題 FAQ

延伸閱讀

• AI 資料分析教學：從雜亂數據到洞察
• AI 試算表公式：用白話產生 Excel 函式
• AI 資料輸入自動化：告別手動建檔
• AI Workflow 設計：把重複流程自動化
• AI 工具庫：依任務挑選合適工具