วิธีใช้ Copilot ทำความสะอาดข้อมูลใน Excel

Microsoft Copilot ใน Excel สามารถช่วยตรวจและทำความสะอาดข้อมูลก่อนนำไปวิเคราะห์ได้ เช่น หา Duplicate, ช่องว่าง, ตัวเลขที่ถูกเก็บเป็น Text, วันที่ที่ Format ผิด, ค่าที่สะกดไม่เหมือนกัน หรือข้อมูลที่มีรูปแบบไม่สม่ำเสมอ

Data Cleaning เป็นขั้นตอนสำคัญมาก เพราะต่อให้ Formula, PivotTable หรือ Chart ถูกต้อง แต่ถ้าข้อมูลต้นทางมีปัญหา ผลลัพธ์ที่ได้ก็อาจผิดตามไปด้วย

บทความนี้ comsiam จะอธิบายวิธีใช้ Copilot ทำความสะอาดข้อมูลใน Excel ตั้งแต่ตรวจ Missing Data, Duplicate, Text, Number, Date, Category ไปจนถึงการตรวจสอบก่อนนำข้อมูลไปวิเคราะห์จริง

① Data Cleaning คืออะไร

Data Cleaning คือการตรวจและแก้ข้อมูลให้

• ถูกประเภท
• ไม่ซ้ำ
• ไม่มีช่องว่างผิดปกติ
• สะกดสม่ำเสมอ
• Format ถูกต้อง
• พร้อมวิเคราะห์

ช่วยลด Error ในขั้นตอนถัดไป

② Copilot ช่วย Data Cleaning ได้ไหม

ได้ในประสบการณ์ที่รองรับ

ตัวอย่าง Prompt

ตรวจข้อมูลในตารางนี้และระบุปัญหาที่ควรทำความสะอาด

ช่วยเริ่มต้นได้เร็ว

③ อย่าให้ Copilot แก้ทั้งหมดทันที

ควรเริ่มจาก

ตรวจและรายงานปัญหาก่อน ห้ามแก้ข้อมูล

เพื่อดูว่ามีอะไรผิดบ้าง

แล้วจึงค่อยแก้เป็นขั้นตอน

④ ตรวจ Missing Value

Prompt

ตรวจว่ามี Cell ว่างใน Column สำคัญหรือไม่

ช่วยหา Missing Data

⑤ Blank กับ 0 ต่างกัน

Blank อาจหมายถึง

ไม่มีข้อมูล

แต่ 0 หมายถึง

มีข้อมูลและค่าคือศูนย์

ไม่ควรแทนกันโดยอัตโนมัติ

⑥ ตรวจ Column ที่ห้ามว่าง

เช่น

• Product Code
• Date
• Customer ID
• Amount

Prompt

แสดง Row ที่ Product Code หรือ Date ว่าง

ช่วยหา Record ที่ไม่สมบูรณ์

⑦ Highlight ช่องว่าง

ใช้

Highlight Cell ว่างใน Column ที่จำเป็นต้องมีข้อมูล

ช่วยตรวจด้วยสายตา

⑧ ตรวจ Duplicate

Prompt

ตรวจข้อมูลซ้ำในตารางนี้

เหมาะกับ

• Order ID
• Customer ID
• Product Code
• Transaction

⑨ Duplicate ไม่ได้ผิดทุกกรณี

Customer คนเดิมอาจซื้อหลายครั้งได้

ดังนั้นต้องกำหนดว่า Duplicate หมายถึงอะไร

เช่น

Order ID ซ้ำ

อาจผิดมากกว่า Customer Name ซ้ำ

⑩ กำหนด Key สำหรับตรวจ Duplicate

Prompt

ตรวจ Duplicate โดยใช้ Order ID เป็น Key

ชัดกว่าตรวจทุก Column

⑪ ตรวจ Duplicate หลาย Column

ใช้

ตรวจรายการที่ Date, Customer ID และ Amount เหมือนกันทั้งหมด

ช่วยหาธุรกรรมซ้ำ

⑫ อย่าลบ Duplicate ทันที

ควร Flag ก่อน

เช่น

• Duplicate
• Review
• Normal

แล้วให้คนตรวจ

⑬ ตรวจช่องว่างเกิน

ข้อมูล Text อาจมี Space หน้าและหลัง

เช่น

Bangkok

กับ

Bangkok

ดูเหมือนกันแต่ระบบอาจมองเป็นคนละค่า

⑭ ใช้ TRIM

Prompt

ลบช่องว่างเกินใน Column Customer Name

ช่วยทำ Text ให้สะอาด

⑮ ตรวจ Non-breaking Space

ข้อมูลที่ Copy มาจากเว็บอาจมี Space พิเศษ

บางครั้ง TRIM อย่างเดียวอาจไม่พอ

ควรตรวจ Character ที่ซ่อนอยู่

⑯ ใช้ CLEAN

ฟังก์ชัน CLEAN ช่วยลบ Non-printing Characters บางประเภท

Prompt

ช่วยทำความสะอาด Text ที่มีอักขระแปลกหรือมองไม่เห็น

⑰ ตรวจตัวพิมพ์ใหญ่เล็ก

เช่น

• bangkok
• Bangkok
• BANGKOK

อาจหมายถึงสิ่งเดียวกัน

ควรเลือกมาตรฐานเดียว

⑱ ใช้ UPPER

Prompt

เปลี่ยน Product Code ให้เป็นตัวพิมพ์ใหญ่ทั้งหมด

เหมาะกับรหัส

⑲ ใช้ LOWER

ใช้

เปลี่ยนอีเมลทั้งหมดเป็นตัวพิมพ์เล็ก

ช่วยให้รูปแบบสม่ำเสมอ

⑳ ใช้ PROPER

Prompt

ปรับชื่อบุคคลให้ขึ้นต้นแต่ละคำด้วยตัวพิมพ์ใหญ่

ควรตรวจชื่อเฉพาะอีกครั้ง

㉑ ตรวจ Typo ใน Category

เช่น

• Bangkok
• Bankok
• Bangok

อาจทำให้เกิด 3 Category ทั้งที่ควรเป็นกลุ่มเดียว

㉒ Prompt หา Typo

ตรวจ Category ที่สะกดคล้ายกันและอาจเป็นค่าเดียวกัน

ช่วยหา Data Consistency Problem

㉓ อย่า Merge Category โดยเดา

ควรให้ Copilot แสดงรายการที่น่าสงสัยก่อน

แล้วผู้ใช้ยืนยันว่าควรรวมจริงหรือไม่

㉔ ตรวจค่าที่มี Space กลางผิด

เช่น

US - 1001

กับ

US-1001

อาจหมายถึง Product Code เดียวกัน

ควรกำหนดมาตรฐาน

㉕ Standardize Product Code

Prompt

ตรวจ Product Code ที่ใช้รูปแบบไม่เหมือนกัน และแสดงรายการก่อนแก้

ช่วยรักษารหัสสินค้า

㉖ ตรวจ Number ที่เป็น Text

ปัญหาพบบ่อยมาก

ตัวเลขดูเหมือน

1000

แต่ Excel เก็บเป็น Text

ทำให้

• SUM ผิด
• Sort ผิด
• PivotTable ผิด

㉗ Prompt ตรวจ Number as Text

ตรวจ Column Sales ว่ามีตัวเลขที่ถูกเก็บเป็น Text หรือไม่

ช่วยหา Row ที่ต้องแก้

㉘ แปลง Text เป็น Number

สามารถใช้

• VALUE
• Convert to Number
• Formula อื่น

แต่ควรตรวจก่อนว่าค่าเป็นตัวเลขจริง

㉙ ระวังรหัสตัวเลข

เช่น

001234

ถ้าเป็น Product Code ไม่ควรแปลงเป็น Number

เพราะ 0 ด้านหน้าอาจหาย

㉚ Phone Number ไม่ใช่ Number สำหรับคำนวณ

เบอร์โทรควรเก็บเป็น Text

เพราะ

• มี 0 นำหน้า
• อาจมี +
• ไม่ได้ใช้คำนวณ

㉛ ตรวจ Scientific Notation

เลข ID ยาวอาจแสดงเป็น

1.23E+15

ถ้าเป็น Identifier ควรเก็บเป็น Text

㉜ ตรวจ Date ที่เป็น Text

Prompt

ตรวจ Column Date ว่ามีค่าใดไม่ใช่ Date จริง

สำคัญกับ Sort, Filter และ PivotTable

㉝ Date Format เหมือนกันแต่ Data Type ต่างกันได้

สอง Cell อาจดูเป็น

04/10/2026

เหมือนกัน

แต่ Cell หนึ่งเป็น Date จริง อีก Cell เป็น Text

ต้องตรวจ Data Type

㉞ แปลง Text เป็น Date

Prompt

แปลงค่าที่เป็นวันที่แต่ถูกเก็บเป็น Text ให้เป็น Date จริง โดยแสดงตัวอย่างก่อน

ช่วยลดความเสี่ยงตีความวัน/เดือนผิด

㉟ ระวัง DD/MM กับ MM/DD

ตัวอย่าง

04/10/2026

อาจถูกตีความเป็น

• 4 ตุลาคม
• 10 เมษายน

ต้องกำหนด Locale ให้ชัด

㊱ ตรวจวันที่ผิดช่วง

Prompt

ระบุ Date ที่อยู่นอกช่วงปี 2025–2026

ช่วยหา Typo เช่นปี 2062

㊲ ตรวจวันที่ในอนาคต

ใช้

แสดง Transaction Date ที่มากกว่าวันปัจจุบัน

เหมาะกับข้อมูลที่ไม่ควรมี Future Date

㊳ ตรวจค่าติดลบ

Prompt

ระบุ Sales หรือ Quantity ที่ติดลบ

ถ้า Business Logic ไม่อนุญาต ถือเป็นข้อมูลที่ควรตรวจ

㊴ ตรวจค่า 0

ใช้

แสดง Product ที่ Price เป็น 0

อาจเป็น

• ฟรีจริง
• Missing
• Error

ต้องตรวจ Context

㊵ ตรวจค่ามากเกินช่วง

Prompt

ระบุ Discount ที่มากกว่า 100%

เป็นตัวอย่าง Data Validation

㊶ ตรวจ Percentage ผิด Scale

เช่นบาง Row เป็น

0.2

บาง Row เป็น

20

ทั้งที่ตั้งใจหมายถึง 20%

ต้องทำให้มาตรฐานเดียวกัน

㊷ Prompt ตรวจ Percentage

ตรวจ Column Discount ว่ามีค่าที่ Scale ไม่สอดคล้องกันหรือไม่

ช่วยหา 0.2 กับ 20

㊸ ตรวจ Currency

Prompt

ตรวจว่า Revenue มีหลาย Currency ปะปนกันหรือไม่

สำคัญก่อนรวมยอด

㊹ ห้ามรวมหลาย Currency ตรง ๆ

เช่น

THB + USD + EUR

ไม่มีความหมายจนกว่าจะกำหนดวิธีแปลงที่เหมาะสม

㊺ ตรวจ Unit

ใช้

ตรวจว่า Quantity หรือ Price ใช้ Unit เดียวกันทั้งหมดหรือไม่

เช่น

• บาท
• พันบาท
• ล้านบาท

ปะปนกันไม่ได้

㊻ ตรวจ Decimal ผิด

เช่น

ควรเป็น

1.25

แต่ถูกพิมพ์

125

อาจกลายเป็น Outlier

ควรตรวจร่วมกับ Pattern

㊼ ตรวจ Outlier

Prompt

หา Outlier ที่อาจเกิดจาก Data Entry ผิด

ช่วยหา Record ที่ควรตรวจเพิ่มเติม

㊽ อย่าแก้ Outlier อัตโนมัติ

Outlier อาจเป็นข้อมูลจริง

ควร

Flag → ตรวจ Source → ค่อยตัดสินใจ

㊾ ตรวจ Header ซ้ำ

เช่นมี Column ชื่อ

Sales

สอง Column

อาจทำให้ Formula หรือ Analysis สับสน

㊿ Header ควรมีชื่อทุก Column

ห้ามปล่อย Header ว่างใน Dataset หลัก

ควรตั้งชื่อให้ชัด

51. ลบ Row ว่าง

ถ้ามี Row ว่างกลางตารางจำนวนมาก

อาจกระทบ

• Range
• PivotTable
• Sort
• Filter

ควรตรวจและจัดข้อมูลต่อเนื่อง

52. ระวัง Row ว่างที่ตั้งใจใช้แบ่งกลุ่ม

ใน Report อาจใช้เพื่อความสวย

แต่ Raw Data ไม่ควรมี

ควรแยก Dataset กับ Report

53. ตรวจ Merged Cell

Merged Cell ไม่เหมาะกับ Raw Data

เพราะรบกวน Sort, Filter และ Analysis

54. Unmerge ใน Dataset

Prompt

ตรวจ Merged Cell ใน Data Range และระบุจุดที่ควรแก้ก่อนวิเคราะห์

ช่วยเตรียมข้อมูล

55. ตรวจ Formula Error

เช่น

• #N/A
• #VALUE!
• #DIV/0!
• #REF!

ควรแก้หรือ Flag ก่อน Summary

56. Prompt หา Error

ตรวจ Cell ที่มี Formula Error และจัดกลุ่มตามประเภท Error

ช่วย Troubleshooting

57. ตรวจ Formula ที่ไม่เหมือน Pattern

คอลัมน์เดียวกันควรมี Logic ใกล้เคียงกัน

Prompt

ตรวจ Row ที่ Formula แตกต่างจากรายการอื่นในคอลัมน์เดียวกัน

ช่วยหา Formula ถูกพิมพ์ทับ

58. ตรวจ Hard-coded Value

บาง Cell อาจเคยเป็น Formula แต่ถูกพิมพ์เลขทับ

Prompt

ระบุ Cell ที่เป็นค่าคงที่ท่ามกลาง Column ที่ส่วนใหญ่เป็น Formula

ช่วย Financial Audit

59. ตรวจ Missing Formula

ใช้

ตรวจ Row ที่ควรมี Formula แต่ Cell ว่าง

ช่วยหา Calculation Gap

60. ตรวจ Email

Prompt

ตรวจ Email ที่รูปแบบผิดปกติหรือไม่มี @

ช่วย Clean Customer Data

แต่ไม่สามารถยืนยันได้ว่า Email นั้นมีอยู่จริงเพียงจาก Format

61. ตรวจ Phone Number

ใช้

ตรวจเบอร์โทรที่จำนวนหลักหรือรูปแบบไม่เหมือนกลุ่มส่วนใหญ่

ช่วยหา Data Entry Issue

62. ตรวจ Product Code

Prompt

ตรวจ Product Code ที่ไม่ตรง Pattern US-XXXX

ช่วย Validate รหัส

63. ตรวจ Customer ID

ใช้

ระบุ Customer ID ที่ว่าง ซ้ำ หรือมีรูปแบบผิด

ช่วย Master Data Cleaning

64. ตรวจชื่อจังหวัดหรือประเทศ

ค่าประเภท Location มักมีปัญหา

• ตัวย่อ
• สะกดผิด
• ภาษาแตกต่างกัน

ควรกำหนด Standard Dictionary

65. Standardize Category

ตัวอย่าง

• BKK
• Bangkok
• กรุงเทพมหานคร

ถ้าต้องการวิเคราะห์เป็นกลุ่มเดียว ต้องกำหนด Mapping ให้ชัด

66. Prompt สร้าง Mapping

แสดง Category ที่อาจหมายถึงสิ่งเดียวกันและเสนอ Mapping Table โดยยังไม่แก้ข้อมูลต้นฉบับ

ช่วยให้ผู้ใช้ตรวจก่อน

67. Mapping Table คืออะไร

เป็นตารางแบบ

Original	Standard
BKK	Bangkok
Bankok	Bangkok

ช่วยทำความสะอาดอย่างตรวจสอบย้อนหลังได้

68. อย่าแก้ Raw Data โดยไม่มีสำเนา

สำหรับ Dataset สำคัญ ควรเก็บ

• Raw
• Cleaned
• Mapping

แยกกัน

ช่วยย้อนกลับได้

69. สร้าง Cleaned Sheet

Prompt

สร้างแนวทางทำ Cleaned Data โดยไม่เปลี่ยน Raw Data ต้นฉบับ

เป็นวิธีที่ปลอดภัยกว่า

70. เพิ่ม Data Quality Flag

สามารถสร้าง Column เช่น

• OK
• Missing
• Duplicate
• Invalid
• Review

ช่วยตรวจเป็นระบบ

71. Prompt สร้าง Flag

เพิ่ม Data Quality Status เพื่อ Flag Missing, Duplicate และค่ารูปแบบผิด โดยไม่ลบ Row

ช่วย Review ก่อนแก้

72. ใช้ Conditional Formatting

Highlight

• Missing
• Duplicate
• Error
• Outlier

ช่วยเห็นปัญหาเร็ว

73. ตรวจแต่ละ Column แยกกัน

ไม่ควร Clean ทั้ง Dataset ด้วยกฎเดียว

เพราะแต่ละ Column มี Logic ต่างกัน

เช่น

Product Code กับ Sales ใช้กฎคนละแบบ

74. สร้าง Data Dictionary

ควรกำหนดสำหรับแต่ละ Column ว่า

• ชื่ออะไร
• Type อะไร
• Required หรือไม่
• Range เท่าไร
• Format แบบไหน

ช่วย Data Cleaning แม่นขึ้น

75. Prompt ใช้ Data Dictionary

ตรวจ Dataset นี้ตามกฎต่อไปนี้: Product Code ต้องไม่ว่าง, Sales ต้องเป็น Number >= 0, Date ต้องเป็น Date จริง และ Region ต้องอยู่ในรายการที่กำหนด

ช่วยให้การตรวจมีเกณฑ์

76. ตรวจค่าที่อยู่นอก Allowed List

Prompt

ระบุ Region ที่ไม่อยู่ใน North, South, East, West และ Central

ช่วยหา Typo

77. Data Validation

หลัง Clean แล้ว ควรใช้ Data Validation ป้องกันข้อมูลผิดในอนาคต

เช่น Dropdown สำหรับ Status

78. สร้าง Dropdown

Prompt

สร้าง Data Validation สำหรับ Status ให้เลือกได้เฉพาะ Pending, In Progress และ Completed

ช่วยควบคุม Data Entry

79. จำกัด Number Range

เช่น Discount ต้อง

0–100%

ช่วยป้องกันข้อมูลผิดตั้งแต่ต้นทาง

80. จำกัด Date Range

สามารถกำหนดให้ Date อยู่ในช่วงที่สมเหตุสมผล

ช่วยลด Typo

81. Prompt ตรวจ Raw Data

ตรวจ Raw Data ทั้งหมดและสร้างรายการปัญหา แยกเป็น Missing, Duplicate, Data Type, Format, Outlier และ Invalid Category โดยยังไม่แก้ข้อมูล

เป็น Prompt ที่ดีสำหรับเริ่มต้น

82. Prompt Clean Customer Data

ตรวจ Customer Data หา Customer ID ซ้ำ Email ผิดรูปแบบ Phone ว่าง ชื่อมี Space เกิน และ Category ที่สะกดไม่สม่ำเสมอ จากนั้นสร้างรายการที่ต้อง Review

83. Prompt Clean Sales Data

ตรวจ Sales Data หา Duplicate Order, Sales ที่เป็น Text, Date ผิด Format, Currency ปะปน, Sales ติดลบ และ Outlier โดยห้ามลบข้อมูลอัตโนมัติ

84. Prompt Clean Inventory

ตรวจ Inventory Data หา Product Code ซ้ำ Stock ติดลบ Missing Price และ Unit ที่ไม่สม่ำเสมอ

85. Prompt Clean Project Data

ตรวจ Project Tasks หา Task ID ซ้ำ Owner ว่าง Deadline ผิด Format Status ที่อยู่นอก Allowed List และ Completed Task ที่ยังไม่มี Completion Date

86. Clean แล้วต้องตรวจจำนวน Row

ก่อนและหลัง Cleaning ควรเปรียบเทียบ

• จำนวน Row
• จำนวน Unique ID
• Total

เพื่อดูว่าข้อมูลหายหรือเปลี่ยนผิดหรือไม่

87. ตรวจ Total ก่อนและหลัง

ถ้า Clean Data แล้ว Revenue Total เปลี่ยนมาก

ต้องรู้ว่าเพราะอะไร

เช่นลบ Duplicate จริง หรือเผลอลบ Record ถูกต้อง

88. ตรวจ Unique Count

ถ้า Customer ID ลดลงมากหลัง Clean

ควรตรวจว่า Merge ถูกต้องหรือไม่

89. เก็บ Audit Trail

ควรบันทึกว่า

• แก้อะไร
• จากค่าอะไร
• เป็นค่าอะไร
• เพราะอะไร

สำคัญกับข้อมูลธุรกิจ

90. อย่าแก้ Source of Truth แบบไม่บันทึก

ถ้าข้อมูลต้นทางอยู่ระบบอื่น

Excel ที่ Clean แล้วอาจไม่ใช่ Source of Truth

ควรแก้ที่ระบบต้นทางเมื่อเหมาะสม

91. Checklist ก่อน Clean Data

ตรวจอย่างน้อย

1. มี Raw Copy
2. รู้ว่าแต่ละ Column หมายถึงอะไร
3. Required Field ชัด
4. Data Type ชัด
5. Allowed Value ชัด
6. Unit ชัด
7. Currency ชัด
8. Duplicate Key ชัด
9. Missing Data Policy ชัด
10. ห้ามแก้อะไรโดยอัตโนมัติบ้าง

92. Checklist หลัง Clean Data

ตรวจ

1. Row Count
2. Unique ID
3. Total
4. Duplicate
5. Missing Value
6. Data Type
7. Date
8. Unit/Currency
9. Category
10. Formula Error

ก่อนเริ่มวิเคราะห์

93. คำถามที่พบบ่อย

Copilot ช่วยหา Duplicate ได้ไหม

ได้ และควรกำหนด Key ที่ใช้ตรวจให้ชัด

ช่วยหา Missing Data ได้ไหม

ได้

ช่วยแก้ Number ที่เป็น Text ได้ไหม

ได้ แต่ควรแยกว่าเป็นตัวเลขสำหรับคำนวณหรือเป็นรหัสที่ต้องเก็บเป็น Text

ช่วยแก้วันที่ได้ไหม

ช่วยตรวจและเสนอการแปลงได้ แต่ต้องระวังรูปแบบ DD/MM กับ MM/DD

ควรให้ Copilot ลบข้อมูลผิดเลยไหม

ไม่แนะนำ ควร Flag และตรวจข้อมูลต้นทางก่อน

94. สูตร Prompt ที่แนะนำ

ใช้โครง

Column Rules + Problems to Check + Actions + Validation + Restrictions

ตัวอย่าง

ตรวจตารางนี้โดยกำหนดว่า Order ID ต้องไม่ซ้ำ, Date ต้องเป็น Date จริง, Sales ต้องเป็น Number >= 0, Region ต้องอยู่ใน Allowed List และ Product Code ห้ามว่าง สร้างรายการปัญหาและ Data Quality Flag ก่อน ห้ามลบหรือแก้ข้อมูลต้นฉบับอัตโนมัติ

ช่วยให้ Cleaning มีเกณฑ์ชัดและปลอดภัยกว่า

95. สรุป

วิธีใช้ Copilot ทำความสะอาดข้อมูลใน Excel ให้ได้ผลดีที่สุด คืออย่าเริ่มจากคำสั่ง

“ล้างข้อมูลนี้ให้หมด”

แต่ควรแบ่งเป็นขั้นตอน

ตรวจ → Flag → ตรวจต้นทาง → Standardize → Validate → ตรวจผลอีกครั้ง

สิ่งที่ควรตรวจหลัก ๆ ได้แก่

• Missing Data
• Duplicate
• Text/Number
• Date
• Space
• Typo
• Unit
• Currency
• Outlier
• Formula Error

Prompt พร้อมใช้คือ

“ตรวจ Data Quality ของตารางนี้โดยยังไม่แก้ข้อมูลต้นฉบับ ระบุ Missing, Duplicate, Data Type ผิด, Date ผิด Format, Text ที่มีช่องว่างเกิน, Category ที่สะกดไม่สม่ำเสมอ, Unit/Currency ที่ปะปน และ Outlier จากนั้นสร้างรายการที่ต้อง Review พร้อม Data Quality Status และอธิบายเหตุผลของแต่ละรายการ”

comsiam แนะนำให้เก็บ Raw Data ไว้เสมอและสร้าง Cleaned Data แยกออกมา เพราะการทำความสะอาดข้อมูลที่ดีควรสามารถย้อนกลับและอธิบายได้ว่าข้อมูลใดถูกเปลี่ยน เพราะเหตุใด ไม่ใช่เพียงทำให้ตารางดูเรียบร้อยขึ้นเท่านั้น