วิธีค้นหาข้อมูลผิดปกติด้วย Copilot

Microsoft Copilot ใน Excel สามารถช่วยค้นหาข้อมูลที่ผิดปกติหรือแตกต่างจากข้อมูลส่วนใหญ่ได้ เช่น ยอดขายสูงหรือต่ำเกินปกติ กำไรติดลบ ค่าใช้จ่ายพุ่งขึ้นผิดปกติ ข้อมูลวันที่ผิดรูปแบบ หรือรายการที่อาจซ้ำกัน โดยผู้ใช้สามารถถามด้วยภาษาธรรมชาติแทนการสร้างสูตรซับซ้อนตั้งแต่ต้น

ความสามารถนี้มีประโยชน์กับการตรวจคุณภาพข้อมูล การตรวจยอดขาย การเงิน สต็อก KPI หรือข้อมูลโครงการ แต่ต้องจำไว้ว่า “ข้อมูลผิดปกติ” ไม่ได้หมายความว่า “ข้อมูลผิด” เสมอไป เพราะบางครั้งค่าที่สูงหรือต่ำมากอาจเป็นเหตุการณ์จริงที่สำคัญ

บทความนี้ comsiam จะอธิบายวิธีค้นหาข้อมูลผิดปกติด้วย Copilot ตั้งแต่การหา Outlier, Negative Value, Duplicate, Missing Data ไปจนถึงการตรวจว่าค่าที่ดูแปลกเป็น Error จริงหรือเป็นเหตุการณ์ที่เกิดขึ้นจริง

① ข้อมูลผิดปกติคืออะไร

ข้อมูลผิดปกติคือค่าที่แตกต่างจาก Pattern โดยรวมอย่างชัดเจน

เช่น

• สูงมาก
• ต่ำมาก
• ติดลบ
• รูปแบบไม่เหมือนข้อมูลอื่น

ต้องตรวจต่อ

② Outlier ไม่ได้แปลว่าผิด

ยอดขาย 1,000,000 บาทในวันที่ปกติขาย 20,000 บาทอาจดูผิดปกติ

แต่ก็อาจเป็น Order ใหญ่จริง

จึงห้ามลบทันที

③ เริ่มจากถาม Copilot

Prompt

หาข้อมูลที่ผิดปกติในตารางนี้

เป็นจุดเริ่มต้นง่ายที่สุด

④ Prompt ที่ชัดกว่า

ใช้

หาค่าที่สูงหรือต่ำผิดปกติเมื่อเทียบกับข้อมูลส่วนใหญ่ และระบุ Row ที่เกี่ยวข้อง

ช่วยตรวจง่ายขึ้น

⑤ กำหนดคอลัมน์

Prompt

ตรวจเฉพาะคอลัมน์ Sales และ Profit

ช่วยลด Noise

⑥ กำหนดช่วงเวลา

ใช้

หาค่าผิดปกติเฉพาะข้อมูลปี 2026

ช่วย Scope

⑦ กำหนดสินค้า

Prompt

หาค่าผิดปกติของ Product A

ช่วย Product-specific Analysis

⑧ กำหนด Region

ใช้

ตรวจเฉพาะ Northeast Region

ช่วย Regional Analysis

⑨ หา Sales สูงผิดปกติ

Prompt

หายอดขายที่สูงกว่าค่าปกติอย่างชัดเจน

ช่วยตรวจ Peak

⑩ หา Sales ต่ำผิดปกติ

ใช้

หายอดขายที่ต่ำกว่าปกติอย่างชัดเจน

ช่วยหา Weak Period

⑪ หา Profit ติดลบ

Prompt

แสดงรายการที่ Profit ต่ำกว่า 0

ช่วย Loss Review

⑫ หา Cost สูงผิดปกติ

ใช้

หาค่า Cost ที่สูงผิดปกติเมื่อเทียบกับสินค้ากลุ่มเดียวกัน

ช่วย Cost Control

⑬ หา Margin ต่ำผิดปกติ

Prompt

หาสินค้าที่ Profit Margin ต่ำกว่ากลุ่มอื่นอย่างชัดเจน

ช่วย Pricing Review

⑭ หา Quantity สูงผิดปกติ

ใช้

หาธุรกรรมที่ Quantity สูงมากเมื่อเทียบกับ Order ทั่วไป

ช่วยตรวจ Order

⑮ หา Quantity ต่ำผิดปกติ

Prompt

หาธุรกรรมที่ Quantity ต่ำมากผิด Pattern

ช่วย Data Review

⑯ หา Variance สูงผิดปกติ

ใช้

หาค่า Variance ระหว่าง Budget กับ Actual ที่สูงผิดปกติ

ช่วย Financial Control

⑰ หา KPI หลุด Target

Prompt

หาค่า Actual ที่ห่างจาก Target มากที่สุด

ช่วย Performance Review

⑱ หา Growth ผิดปกติ

ใช้

หาเดือนที่ Growth เปลี่ยนแรงผิดปกติ

ช่วย Trend Analysis

⑲ หา Drop ผิดปกติ

Prompt

หาเดือนที่ยอดขายลดลงแรงที่สุด

ช่วย Risk Detection

⑳ หา Spike

ใช้

หาจุดที่ยอดขายพุ่งสูงขึ้นอย่างรวดเร็ว

ช่วย Campaign Review

㉑ หา Duplicate

Prompt

หาธุรกรรมที่อาจซ้ำกัน

ช่วย Data Quality

㉒ Duplicate ต้องใช้หลาย Field

ควรดูร่วมกัน เช่น

• Order ID
• Date
• Customer
• Amount

ไม่ควรดูแค่ยอดเงิน

㉓ หา Duplicate จาก Order ID

ใช้

หา Order ID ที่ซ้ำ

ช่วย Transaction Check

㉔ หา Duplicate จาก Customer + Date

Prompt

หาลูกค้าที่มี Transaction เหมือนกันในวันเดียวกัน

ช่วยตรวจซ้ำ

㉕ Duplicate อาจเป็น Transaction จริง

ห้ามลบทันที

ต้องตรวจ Source ก่อน

㉖ หา Missing Data

Prompt

หาคอลัมน์ที่มีข้อมูลหาย

ช่วย Completeness

㉗ หา Blank ใน Required Field

ใช้

หา Row ที่ Order ID หรือ Date ว่าง

ช่วย Validation

㉘ หา Missing Customer

Prompt

หา Row ที่ Customer ID ไม่มีค่า

ช่วย CRM Quality

㉙ หา Missing Price

ใช้

หา Transaction ที่ไม่มี Unit Price

ช่วย Sales Data Check

㉚ หา Missing Status

Prompt

หา Task ที่ไม่มี Status

ช่วย Project Data

㉛ หา Invalid Date

ใช้

หาค่าที่ไม่ใช่วันที่จริงในคอลัมน์ Date

ช่วย Data Cleaning

㉜ หา Date Out of Range

Prompt

หาวันที่ที่อยู่นอกช่วงปี 2026

ช่วยจับ Data Entry Error

㉝ หา Future Date

ใช้

หาธุรกรรมที่มีวันที่ในอนาคต

อาจเป็น Error หรือ Planned Data

ต้องตรวจ

㉞ หา Old Date

Prompt

หาข้อมูลที่เก่ากว่าช่วงเวลาที่ Dataset นี้ควรมี

ช่วย Data Quality

㉟ หา Number Stored as Text

ใช้

หาค่าที่ดูเหมือนตัวเลขแต่ถูกเก็บเป็น Text

ช่วย Formula Reliability

㊱ หา Text ใน Numeric Column

Prompt

หาค่าที่ไม่ใช่ Number ในคอลัมน์ Sales

ช่วย Data Cleaning

㊲ หา Number ใน Text Column

ใช้

หาค่าที่ดูผิดประเภทในคอลัมน์ Customer Name

ช่วย Validation

㊳ หา Percentage เกิน 100%

Prompt

หาค่า Percentage ที่มากกว่า 100% หรือเป็นค่าติดลบ

ช่วย Rule Validation

㊴ หา Price ติดลบ

ใช้

หาค่า Unit Price ที่ต่ำกว่า 0

ช่วย Data Quality

㊵ หา Quantity ติดลบ

Prompt

หา Quantity ที่ติดลบ

อาจเป็น Return หรือ Error

ต้องแยก Context

㊶ หา Currency ผสม

ใช้

ตรวจว่ามี Currency หลายแบบใน Dataset หรือไม่

ช่วยป้องกันการรวมค่าผิด

㊷ หา Unit ผสม

Prompt

ตรวจว่าคอลัมน์ Quantity มีหน่วยต่างกันหรือไม่

ช่วย Normalize

㊸ หา Category สะกดต่างกัน

ใช้

หาค่าที่ดูเหมือนเป็น Category เดียวกันแต่สะกดไม่เหมือนกัน

เช่น

• Bangkok
• BKK
• bangkok

㊹ หา Space เกิน

Prompt

หาข้อความที่มีช่องว่างหน้าหรือหลังผิดปกติ

ช่วย Cleaning

㊺ หา Product Code ผิดรูปแบบ

ใช้

หาค่า Product Code ที่ไม่ตรง Pattern ABC-1234

ช่วย Validation

㊻ หา Customer ID ผิดความยาว

Prompt

หาค่า Customer ID ที่ไม่ได้มี 8 ตัวอักษร

ช่วย Quality Check

㊼ หา Email ผิดรูปแบบ

ใช้

หาค่าที่ดูไม่เหมือน Email Address

ช่วย Contact Data

㊽ หา Status แปลก

Prompt

หาค่า Status ที่ไม่อยู่ใน Pending, Completed, Cancelled

ช่วย Standardization

㊾ หา Priority ผิด

ใช้

หาค่า Priority ที่ไม่ใช่ High, Medium หรือ Low

ช่วย Project Tracking

㊿ หา Outlier จากค่าเฉลี่ย

Prompt

หาค่าที่ห่างจากค่าเฉลี่ยมากผิดปกติ

ช่วย Statistical Review

51. ค่าเฉลี่ยอาจไม่เหมาะเสมอไป

ถ้ามี Outlier เยอะ

Median อาจเหมาะกว่า

ควรให้ Copilot เปรียบเทียบ

52. หา Outlier จาก Median

Prompt

หาค่าที่แตกต่างจาก Median อย่างชัดเจน

ช่วย Dataset ที่เบ้

53. ใช้ Standard Deviation

สามารถถาม

มีค่าที่ห่างจากค่าเฉลี่ยหลาย Standard Deviations หรือไม่

เหมาะกับ Numeric Data

54. ระวังการใช้ Threshold แบบตายตัว

เช่น > 100,000 อาจผิดปกติในบาง Product

แต่ปกติในอีก Product

ควรเทียบกับกลุ่มที่เหมาะสม

55. เทียบภายใน Product

Prompt

หาค่าผิดปกติภายในแต่ละ Product แยกกัน

ช่วย Fair Comparison

56. เทียบภายใน Region

ใช้

หาค่าผิดปกติภายในแต่ละ Region

ช่วย Contextual Analysis

57. เทียบตามเดือน

Prompt

หาค่าผิดปกติเมื่อเทียบกับเดือนเดียวกันของช่วงก่อน

ช่วย Seasonality

58. เทียบตามวัน

ใช้

เปรียบเทียบยอดขายของวันเดียวกันในแต่ละสัปดาห์

ช่วย Daily Pattern

59. แยก Outlier กับ Trend

ยอดขายเพิ่มต่อเนื่องอาจเป็น Trend

ไม่ใช่ Outlier

ต้องแยก

60. แยก Spike กับ Growth

Spike = พุ่งชั่วคราว

Growth = เพิ่มต่อเนื่อง

ควรถาม Copilot ให้แยกสองแบบ

61. ขอเหตุผลจากข้อมูลที่มี

Prompt

มีข้อมูลคอลัมน์ใดที่สัมพันธ์กับ Outlier นี้หรือไม่

ช่วย Investigate

62. อย่าให้ Copilot สรุป Cause โดยไม่มีหลักฐาน

ควรใช้คำว่า

สัมพันธ์

มากกว่า

เป็นสาเหตุ

ถ้ายังพิสูจน์ไม่ได้

63. ขอ Context รอบ Outlier

ใช้

แสดงข้อมูลของ Row นี้พร้อม Date, Product, Customer และ Region

ช่วย Investigate

64. ขอ Row ก่อนและหลัง

Prompt

แสดงข้อมูลรอบรายการผิดปกตินี้เพื่อดู Pattern

ช่วย Time Series Review

65. ตรวจ Promotion

ยอดขายพุ่งอาจเกิดจาก Campaign

ถ้ามี Column Promotion

ควรดูร่วมกัน

66. ตรวจ Holiday

ยอดขายบางวันผิดปกติอาจเกี่ยวกับวันหยุด

ต้องมี Context

67. ตรวจ Stockout

ยอดขายตกอาจเกิดจากสินค้าหมด

ถ้ามี Inventory Data ควรเทียบ

68. ตรวจ Price Change

Revenue พุ่งอาจมาจากราคาเพิ่ม

ไม่ใช่ Quantity เพิ่ม

69. ตรวจ Return

ค่าติดลบอาจเป็น Refund

ไม่ใช่ Error

70. ตรวจ Manual Adjustment

รายการผิดปกติอาจเกิดจาก Accounting Adjustment

ควรมี Notes

71. ขอ Copilot แยกประเภทความผิดปกติ

Prompt

จัดรายการผิดปกติเป็น Possible Error, Possible Business Event และ Needs Review

ช่วย Triage

72. อย่าให้ Copilot ลบข้อมูล

ขั้นแรกควร Report เท่านั้น

ไม่ควรลบ Row โดยอัตโนมัติ

73. ทำรายการสำหรับ Review

ใช้

สร้างรายการ Row ที่ควรตรวจเพิ่มเติม

ช่วย QA

74. เพิ่ม Flag Column

Prompt

สร้างแนวทางเพิ่มคอลัมน์ Flag สำหรับค่าที่ควรตรวจ

ช่วย Monitoring

75. Flag ไม่เท่ากับ Error

ควรใช้คำว่า

Review

ดีกว่า

Wrong

ถ้ายังไม่ยืนยัน

76. ใช้ Conditional Formatting

สามารถ Highlight ค่าผิดปกติ

เพื่อให้ตรวจด้วยสายตาง่ายขึ้น

77. Highlight Negative

Prompt

Highlight Profit ที่ต่ำกว่า 0

ช่วย Loss Review

78. Highlight Duplicate

ใช้

Highlight Order ID ที่ซ้ำ

ช่วย Data Quality

79. Highlight Extreme Values

Prompt

Highlight ค่าที่สูงสุดและต่ำสุด 5%

ช่วย Statistical Review

80. ตรวจ Formula Error

ข้อมูลผิดปกติอาจเกิดจาก Formula ผิด

ไม่ใช่ Raw Data

ต้องตรวจ

81. ตรวจ Reference

ถ้ามีค่ากระโดดผิดปกติ

สูตรอาจอ้าง Cell ผิดแถว

82. ตรวจ Copy Formula

Formula บางแถวอาจไม่เหมือน Row อื่น

ควรตรวจ Pattern

83. ตรวจ Hard-coded Value

บาง Row อาจถูกแก้ตัวเลขด้วยมือ

ทำให้ต่างจาก Formula Pattern

84. ตรวจ Source Data

ก่อนแก้ Outlier

ควรย้อนกลับไป Invoice, Order หรือ Source จริง

85. Prompt สำหรับ Sales

หายอดขายที่ผิดปกติ โดยเทียบกับค่าเฉลี่ยและ Median ของแต่ละ Product แยกกัน

86. Prompt สำหรับ Profit

หาธุรกรรมที่ Profit ติดลบหรือ Profit Margin ต่ำผิดปกติ พร้อมแสดง Sales, Cost และ Product

87. Prompt สำหรับ Data Quality

ตรวจ Missing Data, Duplicate, Invalid Dates, Number Stored as Text และ Category ที่สะกดไม่สม่ำเสมอ

88. Prompt สำหรับ Time Series

หาช่วงเวลาที่มี Spike หรือ Drop ผิดปกติ และแยกว่าเป็นเหตุการณ์ชั่วคราวหรือ Trend ต่อเนื่อง

89. Prompt สำหรับ KPI

หาค่า KPI ที่ห่างจาก Target มากที่สุด และจัดอันดับตามขนาด Variance

90. Prompt สำหรับ Budget

หาหมวดค่าใช้จ่ายที่ Actual สูงกว่า Budget ผิดปกติ และแสดง Variance Amount กับ Variance %

91. Prompt แบบปลอดภัย

ค้นหาข้อมูลที่ควรตรวจเพิ่มเติม โดยห้ามลบหรือแก้ค่าใด ๆ และแยก “ค่าผิดปกติ” ออกจาก “ข้อมูลผิด” เพราะยังไม่สามารถสรุปได้จนกว่าจะตรวจ Source

เหมาะกับงานจริง

92. Workflow ที่แนะนำ

ใช้ลำดับ

Detect → Flag → Compare → Investigate → Verify Source → Correct if Confirmed

ช่วยไม่ลบข้อมูลจริงผิด

93. อย่าแก้ Outlier เพื่อให้ข้อมูลสวย

Outlier บางครั้งคือ Insight สำคัญที่สุดใน Dataset

ควรเข้าใจก่อนแก้

94. เก็บ Audit Trail

ถ้าต้องแก้ข้อมูลจริง

ควรบันทึกว่า

• แก้อะไร
• จากอะไร
• เพราะอะไร

ช่วยตรวจย้อนหลัง

95. Checklist ก่อนค้นหาค่าผิดปกติ

ตรวจว่า

1. Metric คืออะไร
2. ช่วงเวลาคืออะไร
3. กลุ่มเปรียบเทียบคืออะไร
4. Unit ถูกไหม
5. Currency ถูกไหม
6. Missing Data มีไหม
7. Formula ถูกไหม
8. Threshold มีหรือไม่
9. Seasonality มีไหม
10. ต้องการหา Error หรือ Insight

96. Checklist หลังพบ Outlier

ตรวจว่า

1. Row ถูกไหม
2. Source ถูกไหม
3. Unit ถูกไหม
4. Currency ถูกไหม
5. Formula ถูกไหม
6. เป็น Duplicate จริงไหม
7. เป็น Refund หรือไม่
8. มี Promotion หรือไม่
9. เป็น Business Event จริงไหม
10. ควรแก้หรือเพียง Flag

97. คำถามที่พบบ่อย

Copilot ช่วยหา Outlier ใน Excel ได้ไหม

สามารถช่วยชี้ค่าที่ผิดปกติและ Pattern ที่ควรตรวจได้ในประสบการณ์ที่รองรับ

Outlier ต้องลบทิ้งไหม

ไม่ควร Outlier อาจเป็นข้อมูลจริงและมีความสำคัญทางธุรกิจ

Copilot หา Duplicate ได้ไหม

สามารถช่วยตรวจรายการที่อาจซ้ำได้ แต่ควรใช้ ID และ Business Rule ยืนยัน

Copilot ช่วยหา Missing Data ได้ไหม

สามารถช่วยชี้คอลัมน์หรือ Row ที่มีข้อมูลหายได้

ข้อมูลผิดปกติกับข้อมูลผิดต่างกันอย่างไร

ข้อมูลผิดปกติคือค่าที่แตกต่างจาก Pattern ส่วนข้อมูลผิดคือค่าที่ตรวจยืนยันแล้วว่าไม่ถูกต้อง

98. สูตร Prompt ที่แนะนำ

ใช้โครง

Metric + Comparison Group + Time Range + Detection Rule + Context Columns + Output

ตัวอย่าง

หาค่าผิดปกติของ Sales โดยเปรียบเทียบภายในแต่ละ Product ในปี 2026 แล้วแสดง Date, Customer, Product, Sales และเหตุผลที่ถูก Flag

99. Prompt พร้อมใช้

“ตรวจ Dataset นี้เพื่อหาข้อมูลที่ควรตรวจเพิ่มเติม โดยดู Outliers, Negative Values, Missing Data, Duplicate, Invalid Dates, Inconsistent Categories, Number Stored as Text และ Formula Results ที่ผิด Pattern แยกผลเป็น ‘Possible Data Error’, ‘Possible Business Event’ และ ‘Needs Review’ พร้อมระบุ Row หรือข้อมูลที่เกี่ยวข้อง ห้ามลบหรือแก้ค่าใด ๆ และห้ามสรุปว่า Outlier เป็น Error จนกว่าจะมีหลักฐานจาก Source”

เหมาะกับ Data Quality Check ก่อนวิเคราะห์

100. สรุป

วิธีค้นหาข้อมูลผิดปกติด้วย Copilot ให้ได้ผลดีที่สุด คือไม่ควรถามเพียงว่า

“ข้อมูลไหนผิด”

เพราะ Copilot ไม่สามารถรู้ได้เสมอว่าค่าที่แตกต่างคือ Error หรือเหตุการณ์จริง

ควรถามว่า

“ข้อมูลใดแตกต่างจาก Pattern และควรตรวจเพิ่มเติม”

Copilot สามารถช่วยค้นหา

• Outlier
• Spike
• Drop
• Negative Profit
• Duplicate
• Missing Data
• Invalid Date
• Category ผิดรูปแบบ
• Formula Result ที่ผิด Pattern

ได้อย่างรวดเร็ว

แต่หลังพบค่าผิดปกติ ต้องตรวจ Context และ Source จริงก่อนแก้ไขทุกครั้ง

comsiam แนะนำให้ใช้หลัก “Detect ก่อน Verify แล้วจึง Correct” เพราะการค้นพบค่าที่แปลกเป็นเพียงจุดเริ่มต้นของการวิเคราะห์ ไม่ใช่หลักฐานว่าข้อมูลนั้นผิด