วิธีเตรียมข้อมูลก่อนใช้ Copilot ใน Excel

ก่อนใช้ Microsoft Copilot ใน Excel สิ่งสำคัญที่สุดไม่ใช่การเขียน Prompt ให้เก่งที่สุด แต่คือการจัดข้อมูลให้สะอาดและมีโครงสร้าง เพราะ Copilot จะวิเคราะห์ได้ดีเพียงใดขึ้นอยู่กับคุณภาพของ Dataset ที่ใช้เป็นหลัก

ถ้าตารางมีหัวคอลัมน์ไม่ชัด ข้อมูลหลายประเภทปะปนกัน มีช่องว่างจำนวนมาก วันที่เป็น Text หรือมีหน่วยต่างกันโดยไม่ได้ระบุ Copilot อาจวิเคราะห์ผิดหรือสรุปได้ไม่ครบ แม้ว่าคำตอบจะดูสมเหตุสมผลก็ตาม

บทความนี้ comsiam จะอธิบายวิธีเตรียมข้อมูลก่อนใช้ Copilot ใน Excel ตั้งแต่การจัด Header, Data Type, Table, วันที่, ตัวเลข ไปจนถึงการตรวจ Duplicate, Blank และ Error ก่อนเริ่มวิเคราะห์จริง

① เริ่มจากกำหนดวัตถุประสงค์

ก่อนจัดข้อมูลต้องรู้ก่อนว่าจะวิเคราะห์อะไร

เช่น

• ยอดขาย
• กำไร
• ลูกค้า
• KPI
• Budget

ช่วยรู้ว่าต้องเก็บคอลัมน์ใดบ้าง

② อย่าใส่ข้อมูลที่ไม่เกี่ยวข้องมากเกิน

ถ้าจะวิเคราะห์ยอดขาย

ไม่จำเป็นต้องใส่ข้อมูลที่ไม่เกี่ยวข้องกับ Analysis มากเกินไป

ช่วยลด Noise

③ ใช้หนึ่งแถวต่อหนึ่ง Record

ตัวอย่าง

หนึ่งแถว = หนึ่งรายการขาย

ช่วยให้ Copilot เข้าใจข้อมูลได้ง่ายขึ้น

④ ใช้หนึ่งคอลัมน์ต่อหนึ่ง Field

เช่น

• Date
• Product
• Quantity
• Sales
• Cost

ไม่ควรรวมหลายข้อมูลไว้ช่องเดียว

⑤ ตั้ง Header ให้ชัด

ใช้ชื่อเช่น

Sales Amount

ดีกว่า

Amount

ช่วยลดความกำกวม

⑥ อย่าใช้ Header ว่าง

ทุกคอลัมน์ควรมีชื่อ

เพราะ Copilot ใช้ Header เพื่อเข้าใจ Context

⑦ อย่าใช้ Header ซ้ำกัน

เช่นมีสองคอลัมน์ชื่อ

Amount

ควรแยกเป็น

Sales Amount

และ

Cost Amount

⑧ หลีกเลี่ยง Header ยาวเกิน

ชื่อควรสั้นแต่ชัด

เช่น

Order Date

ดีกว่าประโยคยาว

⑨ ใช้ชื่อ Header สม่ำเสมอ

เช่น

Customer ID

ไม่ควรบาง Sheet ใช้

Cust ID

โดยไม่มีเหตุผล

⑩ จัดข้อมูลเป็น Table

ข้อมูลแบบ Table ช่วยให้โครงสร้างชัดขึ้น

และเหมาะกับการวิเคราะห์

⑪ Table ช่วยอะไร

ช่วยเรื่อง

• Header
• Range
• Filtering
• Structured Reference

และการจัดการข้อมูล

⑫ อย่ามีแถวว่างกลาง Dataset

แถวว่างอาจทำให้ Range ดูเหมือนถูกแบ่งเป็นหลายส่วน

ควรลบถ้าไม่จำเป็น

⑬ อย่ามีคอลัมน์ว่างกลาง Dataset

เช่นเดียวกัน

อาจทำให้ตารางไม่ต่อเนื่อง

⑭ แยก Title ออกจากตาราง

ข้อความอย่าง

รายงานยอดขายประจำเดือน

ควรอยู่เหนือ Table

ไม่ควรอยู่ใน Row ของข้อมูล

⑮ อย่าใส่หมายเหตุแทรกใน Dataset

เช่น

หมายเหตุ: ลูกค้ารายนี้พิเศษ

ควรแยกไปคอลัมน์ Notes

⑯ หนึ่ง Cell ควรมีข้อมูลหนึ่งประเภท

เช่น

10 ชิ้น / 5,000 บาท

ไม่ควรรวมไว้ Cell เดียว

ควรแยก Quantity กับ Sales

⑰ ตรวจ Data Type

แต่ละคอลัมน์ควรเป็นประเภทเดียวกัน

เช่น

• Text
• Number
• Date
• Percentage

ช่วย Analysis

⑱ ตัวเลขควรเป็น Number จริง

อย่าเก็บตัวเลขเป็น Text ถ้าไม่จำเป็น

เพราะจะกระทบ Calculation

⑲ ตรวจ Number Stored as Text

ถ้า Excel เตือน

ควรตรวจว่าควรแปลงเป็น Number หรือไม่

⑳ วันที่ควรเป็น Date จริง

อย่าให้วันที่เป็นเพียงข้อความ

เช่น

01/10/2026

แต่ Excel อ่านเป็น Text

㉑ ใช้ Date Format สม่ำเสมอ

เช่นทั้งคอลัมน์ใช้รูปแบบเดียว

ช่วยลดความสับสน

㉒ ระวังรูปแบบ DD/MM/YYYY กับ MM/DD/YYYY

โดยเฉพาะไฟล์จากหลายประเทศ

วันที่ 05/10/2026 อาจถูกตีความต่างกัน

㉓ ใช้ Year ให้ครบ

ดีกว่าเขียนเพียง

5 Oct

ถ้าข้อมูลครอบคลุมหลายปี

㉔ เวลาให้ใช้ Time จริง

หากต้องวิเคราะห์เวลา

ควรใช้ค่าที่ Excel เข้าใจเป็น Time

㉕ Currency ต้องชัด

ควรระบุว่าเป็น

• THB
• USD
• EUR

อย่ารวมหลายสกุลโดยไม่แยก

㉖ ถ้ามีหลาย Currency

เพิ่มคอลัมน์

Currency

ช่วยให้ Copilot ไม่รวมค่าผิด

㉗ อย่าแปลง Currency โดยไม่มี Rate

ถ้าจะเปรียบเทียบหลายสกุล

ควรมี Exchange Rate ที่ชัดเจน

㉘ ระบุ Unit

เช่น

• บาท
• กิโลกรัม
• เมตร
• ชิ้น

ช่วยป้องกันการตีความผิด

㉙ อย่าปะปนหน่วยในคอลัมน์เดียว

เช่น

10 kg

และ

500 g

ในคอลัมน์เดียวโดยไม่ Normalize

㉚ Normalize Unit ก่อนวิเคราะห์

เช่นแปลงทั้งหมดเป็น

กิโลกรัม

ช่วยเปรียบเทียบได้ถูกต้อง

㉛ Percentage ต้องเป็น Percentage จริง

เช่น

0.15 แสดงเป็น 15%

ต้องเข้าใจว่าค่าจริงใน Cell คืออะไร

㉜ ระวัง 15 กับ 15%

สองค่านี้ไม่เหมือนกัน

อาจทำให้ Formula ผิดอย่างมาก

㉝ ตรวจ Decimal

จำนวนทศนิยมควรเหมาะกับข้อมูล

เช่นเงินอาจใช้ 2 ตำแหน่ง

㉞ อย่าปัดตัวเลขต้นทางเกินไป

เพราะอาจทำให้ผลรวมคลาดเคลื่อน

㉟ ตรวจ Blank Cell

ต้องแยกให้ได้ว่า Blank หมายถึงอะไร

เช่น

• ไม่มีข้อมูล
• ไม่เกี่ยวข้อง
• ยังไม่กรอก

ไม่ควรถือว่าเป็น Zero โดยอัตโนมัติ

㊱ Zero กับ Blank ต่างกัน

0 = มีค่าศูนย์

Blank = ไม่มีค่า

ความหมายทางธุรกิจอาจต่างกันมาก

㊲ ใช้ค่า Missing ให้สม่ำเสมอ

อย่าปะปน

• N/A
• NA
• ไม่มี

ถ้าหมายถึงสิ่งเดียวกัน

㊳ เลือกมาตรฐาน Missing Data

เช่นใช้ Blank หรือค่าเฉพาะที่ทีมกำหนด

ให้สม่ำเสมอทั้ง Dataset

㊴ ตรวจ Duplicate

รายการซ้ำอาจทำให้

• Sales สูงเกินจริง
• Count ผิด
• Customer Count ผิด

ต้องตรวจ

㊵ Duplicate ไม่ได้หมายความว่าผิดเสมอ

Order สองรายการอาจเหมือนกันจริง

จึงต้องมี Unique ID ช่วยตรวจ

㊶ เพิ่ม Unique ID เมื่อเป็นไปได้

เช่น

• Order ID
• Customer ID
• Invoice ID

ช่วยแยกรายการ

㊷ อย่าใช้ชื่อเป็น Unique ID เสมอไป

ลูกค้าสองคนอาจชื่อเหมือนกัน

ควรมี ID แยก

㊸ ตรวจข้อมูลสะกดไม่เหมือนกัน

เช่น

• Bangkok
• bangkok
• BKK

อาจถูกมองเป็นคนละกลุ่ม

㊹ Normalize Category

ควรใช้ชื่อเดียวกัน

เช่นเลือก

Bangkok

แบบเดียว

㊺ ระวังช่องว่างหน้าหลัง

เช่น

Bangkok

กับ

**Bangkok **

อาจดูเหมือนกันแต่ไม่เหมือนกันจริง

㊻ ตรวจ Uppercase/Lowercase

โดยเฉพาะ Code หรือ ID บางระบบ

ควรใช้รูปแบบเดียวกัน

㊼ ตรวจ Special Character

อักขระพิเศษอาจเกิดจากการ Copy Data

เช่นช่องว่างแปลก ๆ

ควร Clean

㊽ ตรวจ Error Value

เช่น

• #N/A
• #VALUE!
• #DIV/0!
• #REF!

ก่อนให้ Copilot วิเคราะห์

㊾ Error จำนวนมากควรถูกแก้ก่อน

เพราะอาจกระทบ Formula และ Summary

㊿ ตรวจ Formula

ถ้า Dataset มี Calculated Column

ต้องตรวจว่าสูตรถูกต้องก่อน

51. อย่าให้ Formula ผิดลากยาวทั้งคอลัมน์

ข้อผิดพลาดหนึ่ง Cell อาจถูก Copy ลงทั้ง Dataset

ต้องตรวจ Sample

52. ตรวจ Absolute Reference

สูตรอย่าง

$A$1

กับ

A1

ให้ผลต่างกันเมื่อ Copy

53. ตรวจ Hard-coded Number

สูตรที่ใส่ตัวเลขตรง ๆ เช่น

=A2*1.07

ควรรู้ว่า 1.07 หมายถึงอะไร

54. เก็บ Assumption แยกไว้

เช่น VAT 7%

ควรมี Cell หรือตาราง Assumption ชัดเจน

55. อย่าซ่อน Assumption ในสูตร

ช่วยให้ทั้งคนและ AI เข้าใจ Model ได้ง่ายขึ้น

56. ตรวจ Filter

ก่อนใช้ Copilot ควรรู้ว่าตารางกำลัง Filter อยู่หรือไม่

เพราะ Scope ที่มองเห็นอาจไม่ใช่ข้อมูลทั้งหมด

57. ตรวจ Hidden Row

แถวที่ซ่อนอาจยังอยู่ใน Dataset

ต้องรู้ว่าควรรวมในการวิเคราะห์หรือไม่

58. ตรวจ Hidden Column

คอลัมน์สำคัญอาจถูกซ่อน

แต่ยังเป็นส่วนหนึ่งของ Workbook

59. ตรวจ Sort

การ Sort ไม่ควรทำให้ Row แตกความสัมพันธ์

โดยเฉพาะตารางที่ไม่ได้จัดเป็น Table

60. อย่าจัด Sort เฉพาะคอลัมน์เดียวโดยผิดวิธี

อาจทำให้ข้อมูลแต่ละ Row ไม่ตรงกัน

ถือเป็นความเสียหายร้ายแรงของ Dataset

61. หลีกเลี่ยง Merged Cell ใน Dataset

Merged Cell เหมาะกับหัวรายงาน

แต่ไม่เหมาะกับข้อมูลที่จะวิเคราะห์

62. อย่าใช้สีแทนข้อมูลเพียงอย่างเดียว

เช่น

สีแดง = ลูกค้าค้างชำระ

ควรมีคอลัมน์ Status ด้วย

63. อย่าใช้ Bold แทน Status

Formatting ควรช่วยแสดงผล

ไม่ควรเป็น Source หลักของความหมาย

64. เพิ่ม Status Column

เช่น

• Paid
• Pending
• Overdue

ช่วยวิเคราะห์ได้ตรงกว่า

65. ใช้ Category Column

เช่น

• Retail
• Enterprise
• Government

ช่วย Segment Analysis

66. ใช้ Region Column

หากต้องวิเคราะห์พื้นที่

ควรมี Region แยกชัดเจน

67. ใช้ Date Column

อย่าเก็บ Month, Quarter และ Year เป็นข้อความรวมกันโดยไม่จำเป็น

ควรมี Date ต้นทางที่ถูกต้อง

68. สร้าง Month จาก Date เมื่อจำเป็น

สามารถสร้าง Derived Column ภายหลัง

แต่ควรรักษา Original Date ไว้

69. รักษา Raw Data

ควรมีข้อมูลต้นฉบับที่ยังไม่ถูกแก้มากเกินไป

ช่วย Audit

70. แยก Raw กับ Analysis

ตัวอย่าง

• Raw Data
• Clean Data
• Analysis

ช่วยลดการแก้ต้นฉบับโดยไม่ตั้งใจ

71. อย่าลบ Raw Data ทันที

ถ้าต้อง Clean ข้อมูลจำนวนมาก

ควร Backup หรือ Duplicate ก่อน

72. ใช้ชื่อ Sheet ชัดเจน

เช่น

Sales_Raw

Sales_Clean

Dashboard

ดีกว่า Sheet1, Sheet2

73. อย่าใช้ชื่อ Sheet ซ้ำความหมาย

ช่วยให้ Workbook อ่านง่ายขึ้น

74. ทำ Data Dictionary ถ้าข้อมูลซับซ้อน

อธิบายว่าแต่ละคอลัมน์หมายถึงอะไร

เช่น

GM = Gross Margin

ช่วยผู้ใช้และ Copilot เข้าใจ Context

75. ระบุ Business Definition

เช่นคำว่า

Revenue

อาจหมายถึงก่อนหรือหลัง Discount

ควรกำหนดชัด

76. ระบุ KPI Definition

เช่น

Active Customer

ต้องมีเกณฑ์แน่นอน

ไม่ควรให้ AI เดา

77. ระบุ Period Definition

เช่น Fiscal Year อาจไม่ตรง Calendar Year

ต้องบอกชัด

78. ระบุ Time Zone

สำคัญกับ Transaction Data ระหว่างประเทศ

79. ตรวจข้อมูลส่วนบุคคล

อย่าใส่ข้อมูลมากเกินความจำเป็น

โดยเฉพาะข้อมูลลูกค้าหรือพนักงาน

80. จำกัดข้อมูลตามความจำเป็น

หาก Analysis ไม่ต้องใช้

• เบอร์โทร
• ที่อยู่
• เลขประจำตัว

ก็ไม่ควรนำเข้ามาโดยไม่จำเป็น

81. ตรวจ Permission ของ Workbook

โดยเฉพาะไฟล์ใน OneDrive หรือ SharePoint

ควรแชร์ให้เฉพาะผู้ที่เกี่ยวข้อง

82. อย่าใช้ข้อมูลลับในไฟล์ทดสอบ

ถ้ากำลังทดลอง Copilot

ควรใช้ Sample Data ที่เหมาะสม

83. สร้าง Sample Dataset

เช่น 20–50 แถว

เพื่อทดสอบ Prompt ก่อนใช้กับข้อมูลใหญ่

84. ทดสอบ Calculation พื้นฐาน

ตรวจ

• Total
• Average
• Count

ด้วยตนเองก่อน

ช่วยมีค่าอ้างอิง

85. ทำ Expected Result

ถ้าจะทดสอบ Copilot

ควรรู้คำตอบบางส่วนล่วงหน้า

ช่วยตรวจ Accuracy

86. Prompt ตรวจ Dataset

ใช้

ตรวจตารางนี้ว่ามี Missing Data, Duplicate, Invalid Dates หรือค่าที่ผิดประเภทหรือไม่

ช่วย Quality Check

87. Prompt ตรวจ Structure

ใช้

ตรวจว่า Header และ Data Type ของตารางนี้เหมาะกับการวิเคราะห์หรือไม่

ช่วยมือใหม่

88. Prompt ตรวจ Category

ใช้

หาค่าที่สะกดต่างกันแต่ดูเหมือนเป็น Category เดียวกัน

ช่วย Normalize Data

89. Prompt ตรวจ Outlier

ใช้

หาค่าที่สูงหรือต่ำผิดปกติและแสดงแถวที่เกี่ยวข้อง

ช่วย Data Review

90. Prompt ตรวจ Formula

ใช้

ตรวจ Calculated Columns และระบุสูตรที่อาจให้ผลผิดปกติ

ช่วย QA

91. Prompt แบบปลอดภัย

ตรวจคุณภาพ Dataset นี้โดยไม่แก้ไขข้อมูล ให้รายงานเฉพาะปัญหาที่พบ พร้อม Cell หรือ Row ที่ควรตรวจเพิ่ม

เหมาะก่อน Clean Data

92. Clean ก่อน Analyze

ลำดับที่เหมาะคือ

ตรวจ → Clean → Validate → Analyze

ไม่ควรวิเคราะห์ก่อนแล้วค่อยพบทีหลังว่าข้อมูลผิด

93. อย่า Clean แบบเดาสุ่ม

หากค่าแปลก

ต้องตรวจ Source ก่อนแก้

เช่นยอดขายสูงผิดปกติอาจเป็นรายการจริง

94. Outlier ไม่เท่ากับ Error

ค่าผิดปกติอาจเป็นข้อมูลจริง

ต้องแยก Anomaly กับ Data Error

95. Checklist โครงสร้างข้อมูล

ตรวจว่า

1. หนึ่ง Row ต่อหนึ่ง Record
2. หนึ่ง Column ต่อหนึ่ง Field
3. Header ชัด
4. ไม่มีแถวว่างกลางตาราง
5. ไม่มี Merged Cell
6. Dataset ต่อเนื่อง
7. Table ชัดเจน
8. Sheet มีชื่อ
9. ID มีเมื่อจำเป็น
10. Scope ถูกต้อง

96. Checklist คุณภาพข้อมูล

ตรวจว่า

1. Number เป็น Number
2. Date เป็น Date
3. Percentage ถูกต้อง
4. Currency ชัด
5. Unit ชัด
6. Missing Data ถูกจัดการ
7. Duplicate ถูกตรวจ
8. Error Value ถูกตรวจ
9. Category สม่ำเสมอ
10. Formula ถูกต้อง

97. คำถามที่พบบ่อย

ต้องจัดข้อมูลเป็น Table ก่อนใช้ Copilot ไหม

การจัดข้อมูลให้มีโครงสร้างแบบ Table เป็นแนวทางที่ดี เพราะช่วยกำหนด Header และ Range ได้ชัดเจน

Copilot ใช้กับข้อมูลที่มีช่องว่างได้ไหม

ได้ในบางกรณี แต่ควรเข้าใจว่า Blank หมายถึงอะไร และไม่ควรมีช่องว่างที่เกิดจากข้อมูลตกหล่นโดยไม่ตั้งใจ

ต้องลบ Duplicate ทั้งหมดไหม

ไม่จำเป็น เพราะบางรายการซ้ำอาจเป็น Transaction จริง ควรใช้ ID และ Business Rule ตรวจ

ต้องลบ Outlier ไหม

ไม่ควรลบทันที Outlier อาจเป็นเหตุการณ์จริงที่มีความสำคัญ

ทำไมต้องเตรียมข้อมูลก่อนใช้ AI

เพราะ AI วิเคราะห์จากข้อมูลต้นทาง หากข้อมูลผิดหรือไม่ชัด ผลลัพธ์ก็สามารถผิดตามได้

98. สูตรเตรียมข้อมูลที่จำง่าย

ใช้หลัก

Structure → Type → Clean → Standardize → Validate → Analyze

หรือภาษาไทยคือ

จัดโครง → ตรวจประเภท → ทำความสะอาด → ทำมาตรฐาน → ตรวจสอบ → วิเคราะห์

99. Prompt พร้อมใช้ก่อนวิเคราะห์

“ตรวจ Dataset ใน Excel นี้ก่อนการวิเคราะห์ โดยตรวจ Header, Data Type, Missing Values, Duplicate Records, Invalid Dates, Number Stored as Text, Formula Errors, Inconsistent Categories, Currency, Units และ Outliers รายงานปัญหาที่พบเป็นรายการ พร้อมบอกว่าปัญหาใดควรแก้ก่อนวิเคราะห์ ห้ามแก้ข้อมูลหรือสมมติค่าที่หายไปเอง”

Prompt นี้เหมาะกับขั้นตอน Data Quality Check

100. สรุป

วิธีเตรียมข้อมูลก่อนใช้ Copilot ใน Excel ที่สำคัญที่สุด คือทำให้ Dataset มีโครงสร้างที่ชัดและตีความได้เพียงแบบเดียว

ควรตรวจอย่างน้อย

• Header
• Row และ Column
• Data Type
• Date
• Currency
• Unit
• Missing Data
• Duplicate
• Formula Error
• Outlier

อย่าคิดว่า Copilot จะสามารถแก้ Dataset ที่ยุ่งเหยิงให้ถูกต้องทั้งหมดโดยอัตโนมัติ เพราะบางปัญหาต้องอาศัยความเข้าใจทางธุรกิจ เช่น Blank หมายถึงไม่มีข้อมูลหรือเป็นศูนย์ หรือรายการที่ดูเหมือน Duplicate จริง ๆ แล้วเป็นคนละ Transaction

comsiam แนะนำให้ใช้หลัก “ข้อมูลสะอาดก่อน แล้วค่อยให้ AI วิเคราะห์” เพราะ Dataset ที่ดีจะทำให้ทั้งสูตร รายงาน กราฟ และคำตอบจาก Copilot มีโอกาสถูกต้องและนำไปใช้ต่อได้มากกว่าอย่างชัดเจน