你的数据在吃灰吗
你肯定有过这种经历：
从数据库导出一份CSV，里面几百行数据，密密麻麻的数字。老板说"帮我做个分析"，你盯着屏幕看了半小时，脑子一片空白。
不是数据不好看。是你不知道该怎么讲这些数据的故事。
这个模板解决的就是这个问题——把原始数据变成一份有图表建议、有洞察、有行动建议的分析报告。
不用学Tableau，不用会Python。把你的数据丢给AI，它帮你做剩下的事。
核心模板：数据可视化分析报告
把下面这段复制到 ChatGPT 或 Claude：
你是一位数据分析师，擅长从原始数据中提取洞察，并用可视化方式呈现。
【数据背景】
- 数据来源：[如：CRM系统导出 / 网站Analytics / 问卷调查]
- 时间范围：[如：2026年1月-6月]
- 数据量级：[如：500条订单记录 / 1000份问卷]
- 我的角色：[如：运营经理 / 产品经理 / 市场部负责人]
【原始数据】
[粘贴CSV内容 / JSON / 表格数据。如果数据量大，先贴前50行和统计摘要]
【分析目标】
[你想通过这份数据回答什么问题？如：用户流失原因 / 销售趋势 / 渠道效果对比]
【输出要求】
第一部分：数据概览
- 核心指标summary（总量、平均值、中位数、极值）
- 数据质量评估（缺失值、异常值、需要警惕的地方）
第二部分：关键发现（3-5条）
- 每条发现必须带数据支撑
- 按影响力从大到小排序
- 标注每条发现的置信度（高/中/低）
第三部分：可视化建议
- 为每条关键发现推荐最合适的图表类型
- 说明为什么选这个图表（折线图看趋势？柱状图做对比？）
- 给出配色建议和数据标注要点
第四部分：行动建议
- 基于发现，给出3条可执行的下一步
- 每条标注：预期影响（大/中/小）和实施难度（高/中/低）
第五部分：一份页的Executive Summary
- 150字以内
- 给没时间看完整报告的人
- 包含：发现了什么 + 意味着什么 + 建议做什么
快速版（3分钟搞定）
赶时间？用这个精简版：
以下是我的数据：
[粘贴数据]
请帮我：
1. 找出最重要的3个趋势或异常
2. 每个发现用一句话解释"这意味着什么"
3. 推荐一个最适合展示这份数据的图表类型
4. 写一段100字以内的汇报摘要
直接给结论，不要废话。
高频场景变体
变体一：销售数据分析
【数据背景】
- 数据来源：电商后台导出
- 时间范围：近3个月
- 我的角色：电商运营
【特殊要求】
- 重点关注：转化率、客单价、复购率、退货率
- 需要按品类做对比分析
- 标注增长最快的品类和下滑最快的品类
- 给出库存建议（哪些该备货、哪些该清仓）
【输出格式】
用表格呈现各品类的核心指标对比，附雷达图建议。
变体二：用户行为分析
【数据背景】
- 数据来源：App埋点数据
- 时间范围：近30天
- 我的角色：产品经理
【特殊要求】
- 分析用户漏斗（注册→激活→留存→付费）
- 找出流失最严重的环节
- 对比新用户和老用户的行为差异
- 标注哪些行为与付费正相关
【输出格式】
先给漏斗图建议，再给关键发现，最后给产品优化建议。
变体三：社交媒体数据复盘
【数据背景】
- 数据来源：小红书/抖音/微博后台
- 时间范围：近一个月
- 我的角色：内容运营
【特殊要求】
- 对比不同平台的投放效果
- 分析内容类型（图文vs视频）的表现差异
- 找出点赞/收藏/评论最高的内容特征
- 给出下周内容选题建议
【输出格式】
用表格对比各平台数据，附饼图建议展示内容类型分布。
变体四：A/B测试结果分析
【数据背景】
- 实验名称：[如：首页改版A/B测试]
- 样本量：[如：每组5000人]
- 运行时间：[如：14天]
【数据】
[粘贴实验组和控制组的各项指标数据]
【特殊要求】
- 判断实验是否显著（p值<0.05）
- 哪些指标提升了，哪些下降了
- 是否有副作用（一个指标涨了另一个跌了）
- 给出是否全量推广的建议
【输出格式】
先给结论（推广/不推广/继续观察），再给数据支撑。
使用技巧
数据量太大怎么办？
别把几万行全丢进去。先让AI帮你做统计摘要，或者自己用Excel算一下均值、最大最小值、分布情况，然后把摘要数据喂给AI。效果更好，token也更省。
不要只给数字，要给上下文。
“转化率从5%降到3%“和"转化率从5%降到3%“完全是两个故事。告诉AI你的行业基准、历史水平、竞争对手数据，它的分析会准确得多。
让AI推荐图表，但要自己判断。
AI推荐的图表类型通常是合理的，但不一定是最适合你汇报对象的。给老板看用折线图，给技术团队看用散点图。根据受众调整。
追问是关键。
第一次输出的分析往往不够深。用"为什么会出现这个趋势"“还有哪些我没注意到但你应该看到的"来追问，AI会继续挖。
保存原始数据副本。
AI分析过程中可能会"脑补"一些数据。养成好习惯：让AI输出分析结论的同时，也输出它引用的原始数据范围。这样你可以回溯验证。
效果示例
输入：
【数据背景】
- 数据来源：SaaS产品月度活跃数据
- 时间范围：2026年1-6月
- 角色：产品经理
【数据】
月份 | 新增用户 | 活跃用户 | 付费转化 | 续费率 | NPS
1月 | 1200 | 4500 | 3.2% | 82% | 42
2月 | 1350 | 5100 | 3.5% | 81% | 45
3月 | 1800 | 6200 | 4.1% | 79% | 48
4月 | 2100 | 6800 | 3.8% | 77% | 44
5月 | 1950 | 6500 | 3.6% | 75% | 40
6月 | 1600 | 6000 | 3.4% | 73% | 38
AI 输出：
第一部分：数据概览
| 指标 | 1月 | 6月 | 变化 |
|---|---|---|---|
| 新增用户 | 1,200 | 1,600 | +33% |
| 活跃用户 | 4,500 | 6,000 | +33% |
| 付费转化率 | 3.2% | 3.4% | +0.2pp |
| 续费率 | 82% | 73% | -9pp |
| NPS | 42 | 38 | -4 |
数据质量：完整无缺失。趋势方向一致，可信度高。
第二部分：关键发现
- 用户增长在放缓。 3月达到峰值2,100人后持续下滑，6月比4月低了24%。（置信度：高）
- 续费率连续3个月下降，这是最危险的信号。 从3月的79%跌到6月的73%，意味着每月有更多人不再续费。（置信度：高）
- NPS与续费率高度相关。 NPS从48降到38，降幅21%，与续费率走势一致。（置信度：中）
- 付费转化率在3月冲高后也开始回落。 从4.1%降到3.4%，说明新增用户的转化质量在下降。（置信度：中）
第三部分：可视化建议
- 折线图：展示6个月的新增用户和活跃用户趋势（双轴）
- 柱状图+折线图：续费率用柱状，NPS用折线叠加在同一图上
- 散点图：NPS vs 续费率，验证两者的相关性
第四部分：行动建议
- 排查3月后的产品变更。 续费率下降始于3月，回顾3-4月是否有任何产品改动影响了用户体验。（影响：大 / 难度：中）
- 启动流失用户回访。 针对4-6月未续费的客户做10-15个深度访谈，找出核心原因。（影响：大 / 难度：低）
- 优化新增用户引导流程。 付费转化率随新增用户量波动，可能存在引流渠道质量问题。（影响：中 / 难度：中）
第五部分：Executive Summary
上半年用户增长强劲但质量下滑。新增用户6月环比4月降24%，续费率从79%跌至73%，NPS同步下滑。核心风险在于用户留存而非获客。建议立即排查3月后产品变更对体验的影响，并启动流失用户回访。
什么时候不该用
- 数据本身有问题。 如果数据来源不可靠、样本量太小（少于30条），AI的分析只会给你错误的自信。先校验数据质量。
- 你需要实时仪表盘。 这个模板适合一次性分析。如果你需要持续监控，应该用Tableau/Metabase/Grafana这类工具。
- 你的分析需求极其复杂。 涉及因果推断、回归模型、机器学习的情况，AI能帮你写代码，但直接让它做分析可能会出错。
进阶用法
配合会议纪要模板。
数据分析报告写好之后，用"周一早会"模板把它变成站会发言。AI分析是输入，站会发言是输出，两个模板串联使用。
做成模板库。
把不同业务场景的分析模板保存下来。每次换数据源，只改背景信息和数据，Prompt框架复用。效率会越来越高。
让AI帮你写SQL。
数据不在手边？先用这个Prompt让AI帮你写查询语句：
我的表结构是：[描述字段]
我想看的数据是：[描述]
请帮我写一条SQL查询语句。
拿到数据后再喂给主模板分析。
写在最后
数据不会说话。但懂数据的人能让它开口。
这个模板的价值不在于AI能代替你做分析——它代替不了——而在于它能把你的分析速度提高5倍以上。
下次拿到一堆数据，别急着打开Excel。先跑一遍这个模板，看看AI发现了什么你可能忽略的东西。
有时候最好的洞察，来自一个你从没想过要问的问题。