周五的数据困境
周一到周四忙完正事，周五下午突然收到一个需求：“帮我看一下上个月的用户增长数据”。
你打开Excel，看到几千行记录。列名看不懂，数字对不上，图表画了又删。
不是你不会看数据，是你缺少一个结构化的分析框架。
这个Prompt就是帮你把"一堆数字"变成"几个结论"。不用写SQL，不用调Python，把数据丢进去，AI帮你走完分析流程。
核心模板：AI数据分析助手
把下面这段复制到 ChatGPT 或 Claude：
你是一位资深数据分析师，擅长从杂乱的数据中提取关键洞察，并用非技术语言解释给用户。
【数据来源和背景】
[用一两句话说明这些数据是什么，比如：某电商APP 6月份的用户行为日志 / 公司Q2销售报表 / 某篇文章的评论区数据]
【数据结构描述】
[列出你有的字段/列名，以及每列大概是什么类型。如果不确定字段含义，直接粘贴表头也行]
【我的原始数据】（选填）
[粘贴你的数据，可以是CSV格式、表格截图的文字版、或者简单的列表。如果数据量很大，先贴前20行让我确认格式]
【分析要求】
1. 数据概览
- 总样本量是多少？
- 各主要字段的分布情况（均值、中位数、最大值、最小值、缺失值比例）
- 有没有明显的数据质量问题？
2. 关键发现
- 按我的业务目标，最重要的3个趋势或模式是什么？
- 有没有反直觉的发现？（就是那些"没想到会这样"的事）
- 哪些变量之间的相关性最强？
3. 可视化建议
- 针对每个关键发现，推荐一种最适合的图表类型
- 标注每个图表应该用什么轴、什么颜色、突出什么重点
- 如果适合用仪表盘，告诉我应该放哪几个核心指标
4. 业务解读
- 用3-5句话总结：这些数据说明了什么问题？
- 给出2-3条可执行的建议
- 指出还需要补充哪些数据才能做更深入的判断
【输出要求】
- 语言：中文，避免专业术语。如果必须用术语，用括号解释
- 结构：先结论后细节
- 如果我给的数据不够完整，明确指出缺了什么
三种高频场景变体
变体一：销售/业务数据快速分析
帮我分析这份业务数据。
【数据背景】
这是我司7月各门店的销售数据，包含日期、门店ID、品类、销售额、客流量、转化率。
【数据样本】（前10行）
日期 门店ID 品类 销售额 客流量 转化率
2024-07-01 A001 服装 12000 150 8%
2024-07-01 A002 食品 8500 200 4.25%
...
【我的问题】
1. 哪个门店/品类的表现最好？为什么？
2. 有没有季节性或周期性规律？
3. 转化率和客流量的关系是什么？
4. 下个月应该重点关注哪些门店？
请给我一份简洁的分析报告，控制在800字以内。
变体二：用户行为/产品数据分析
我想从用户行为数据里找产品改进的方向。
【数据背景】
某社交APP 6月份的用户活跃数据，包括日活、功能使用频次、留存率、用户画像标签。
【已知信息】
- 日活峰值在周二和周四，周一最低
- 新功能上线后整体时长增加了15%，但新用户留存反而下降了
- 25-34岁用户占比最高，其次是18-24岁
【我的问题】
1. 新用户留存下降可能的原因有哪些？（列出至少3个假设）
2. 日活波动的背后可能是什么驱动因素？
3. 如果我要做一个A/B测试，你会建议测什么？
4. 这份数据还缺什么？告诉我还需要收集哪些指标。
请用"假设 → 验证方法 → 预期结果"的格式来回答。
变体三：从原始CSV数据开始
我有一份CSV数据，想让你帮我做探索性分析。
文件内容如下（前20行）：
[直接粘贴CSV内容]
请帮我：
1. 识别每个字段的含义和数据类型
2. 检查数据质量（缺失值、异常值、重复记录）
3. 找出数据中最有意义的3个统计特征
4. 用自然语言描述这些特征的含义
5. 推荐最适合展示这组数据的图表组合
注意：我不懂技术，请全程用大白话解释。
使用技巧
先给背景再给数据。 AI不是算命先生。它不知道你拿的是什么数据、想解决什么问题。花30秒写清楚背景，分析质量能提升一倍。
别怕数据乱。 CSV格式不对、列名是中文、有些单元格是空的——都没关系。AI能处理脏数据，而且它会主动告诉你哪里有问题。
让AI说"我不知道"。 如果数据量太小、信息太模糊，好的AI分析会明确告诉你"这个结论不可靠"。不要让它编造数字。
用"反直觉发现"逼AI多想一步。 大多数人在看数据时只看表面趋势。加一句"有没有反直觉的发现？“会让AI跳出常规分析框架。
可视化建议比图表本身更有价值。 AI不能直接给你画图，但它能告诉你"用柱状图对比A和B，X轴放月份，Y轴放金额，用蓝色和橙色区分”。你拿着这个描述去Tableau或Excel里做，效率极高。
效果示例
输入：
【数据背景】
某在线教育平台6月份的课程报名数据
【数据结构】
课程名称 | 上架日期 | 价格 | 报名人数 | 完成率 | 评分(1-5) | 来源渠道
【数据样本】
Python入门课 | 2024-01-15 | 199 | 1200 | 68% | 4.6 | 自然搜索
数据分析实战 | 2024-02-20 | 299 | 800 | 52% | 4.3 | 社交媒体
JavaScript进阶 | 2024-03-10 | 249 | 950 | 71% | 4.5 | 自然搜索
产品经理训练营 | 2024-04-05 | 499 | 300 | 45% | 4.7 | 广告投放
AI大模型应用 | 2024-05-12 | 399 | 1500 | 38% | 4.1 | 社交媒体
AI输出：
数据概览：
共5门课程，总报名人数4750人。平均报名950人，价格区间199-499元，完成率38%-71%。
关键发现：
价格越低，报名越多，但完成率不一定更高。 Python入门课199元报了1200人，完成率68%；AI大模型应用399元报了1500人，完成率只有38%。高价不等于低报名，但可能影响完课意愿。
来源渠道对报名量的影响巨大。 社交媒体带来的报名量（数据分析实战+AI大模型应用=2300人）占总量的48%，远超其他渠道。广告投放虽然只带来300人，但评分最高（4.7）。
评分和完成率之间存在有趣的关系。 评分最高的"产品经理训练营"（4.7分）完成率最低（45%），评分最低的"AI大模型应用"（4.1分）完成率也最低。这说明评分不是衡量课程质量的唯一指标——可能是难度问题。
可视化建议：
- 散点图：X轴放价格，Y轴放报名人数，气泡大小完成率。一眼看出价格和报名量的关系。
- 堆叠柱状图：每个课程的报名人数按来源渠道拆分。直观对比各渠道贡献。
- 雷达图：五门课的五个维度（报名量、完成率、评分、价格、上架时间）各拉一条线，对比课程健康度。
业务解读：
社交媒体是最大的获客引擎，但AI大模型应用虽然报名火爆、完成率却垫底——说明引流效果很好，但课程交付可能没跟上用户的期望。建议优先优化AI课程的完课体验，同时复制"产品经理训练营"的高评分运营经验到其他课程。
什么时候用这个模板
- 老板突然让你"分析一下这个数据"，但你不知道从哪开始
- 周报需要数据支撑，但你只会画饼图和柱状图
- 做产品决策前，想快速验证某个假设
- 面试/答辩前，需要把项目成果用数据包装出来
进阶用法
让AI帮你写SQL。 如果你的数据在数据库里，可以让AI根据分析需求自动生成查询语句。
基于上面的分析需求，帮我写一段MySQL查询语句，实现以下目标：
1. 计算各课程的报名量和完成率
2. 按来源渠道分组统计
3. 找出报名量Top3的课程
让AI做A/B测试设计。 如果你已经发现了问题，可以让AI帮你设计验证方案。
我发现AI课程的完课率太低。帮我设计一个A/B测试来验证"增加课程进度提醒"是否能提高完课率。
需要包括：实验组和对照组的设计、样本量估算、测试周期、成功指标。
让AI帮你做竞品数据对比。 如果你有多个产品的数据，可以让AI做横向对比。
什么时候不该用
- 数据量超过百万行。 聊天窗口塞不下，也不应该塞。先用工具聚合后再喂给AI。
- 涉及敏感个人信息。 客户手机号、身份证号、薪资数据——脱敏后再分析。
- 你需要精确到小数点后两位的统计。 AI的数值计算能力有限，关键数字务必二次核对。
💡 下次再收到"帮我分析一下"的需求，先把数据丢进这个模板。你会发现，原来数据分析不是数学题，而是讲故事。