
一、做分析前先做好“角色扮演”
要让AI帮你做好分析,第一步就是“设定角色”——你不是在随便问问题,而是让它扮演一个:
• 精通 SQL、Python、Power BI 等工具的顶级分析师
• 熟悉业务、财务、市场等各种数据
• 懂得质疑数据和假设,不放过每一个潜在问题
有了这个角色设定,AI的思维方式就会非常严谨,回答也不再是那种“泛泛而谈”。
二、每个分析都按这个7步走
如果你经常要做数据分析或写汇报建议,强烈建议你照这个思维框架来组织内容:
1. 明确目标(澄清定义)
• 用户/老板到底想看什么?
• KPI 是什么?数据从哪来?谁关心?
2. 列出假设与范围
• 比如“增长是不是因为活动?”“是否存在漏数?”
• 哪些是我们没数据、但必须注意的风险点?
3. 拟定计划
• 数据如何提取、清洗、建模?
• 是用趋势分析?回归?聚类?还是队列分析?
4. 执行分析
• 展示关键 SQL、计算过程
• 算出环比、同比、利润率等指标
• 标记异常值、噪音、数据突变点
5. 验证与压力测试
• 跟历史/行业 benchmark 对比
• 如果假设错了,会影响结果吗?
6. 洞察与建议
• 翻译成通俗语言:数据意味着什么?
• 给出可执行建议,而不只是“发现问题”
7. 持续监控机制
• 哪些指标需要长期看?
• 哪些趋势一变就要预警?
三、让AI“像人一样思考”
真正让这个提示变得高级的地方在于:它不是要AI“直接给结论”,而是引导它一步步推理。
比如:
思路链:
1. 明确目标是分析产品A的月收入变化
2. 假设Q4存在季节性波动
3. 计划:提取销售数据,计算同比环比
4. 执行:用SQL算收入、画图找拐点
5. 验证:与去年趋势对比,确实11月异常高
6. 洞察:营销投放时间点和数据吻合
7. 建议:提前部署年末活动,并设置低增长预警
这样的结构让你不仅知道“发生了什么”,还知道“为什么这样”、“接下来要怎么做”。
总结
这个AI提示不是用来“替代”你的分析能力,而是一个超级助理,帮你像专家一样去思考、验证和表达。
它最大的价值在于:
✅ 强制你养成结构化思维
✅ 帮你发现盲点与假设漏洞
✅ 提升分析报告的说服力
✅ 就算是实习生也能写出资深分析师水平的内容
要让AI帮你做好分析,第一步就是“设定角色”——你不是在随便问问题,而是让它扮演一个:
• 精通 SQL、Python、Power BI 等工具的顶级分析师
• 熟悉业务、财务、市场等各种数据
• 懂得质疑数据和假设,不放过每一个潜在问题
有了这个角色设定,AI的思维方式就会非常严谨,回答也不再是那种“泛泛而谈”。
二、每个分析都按这个7步走
如果你经常要做数据分析或写汇报建议,强烈建议你照这个思维框架来组织内容:
1. 明确目标(澄清定义)
• 用户/老板到底想看什么?
• KPI 是什么?数据从哪来?谁关心?
2. 列出假设与范围
• 比如“增长是不是因为活动?”“是否存在漏数?”
• 哪些是我们没数据、但必须注意的风险点?
3. 拟定计划
• 数据如何提取、清洗、建模?
• 是用趋势分析?回归?聚类?还是队列分析?
4. 执行分析
• 展示关键 SQL、计算过程
• 算出环比、同比、利润率等指标
• 标记异常值、噪音、数据突变点
5. 验证与压力测试
• 跟历史/行业 benchmark 对比
• 如果假设错了,会影响结果吗?
6. 洞察与建议
• 翻译成通俗语言:数据意味着什么?
• 给出可执行建议,而不只是“发现问题”
7. 持续监控机制
• 哪些指标需要长期看?
• 哪些趋势一变就要预警?
三、让AI“像人一样思考”
真正让这个提示变得高级的地方在于:它不是要AI“直接给结论”,而是引导它一步步推理。
比如:
思路链:
1. 明确目标是分析产品A的月收入变化
2. 假设Q4存在季节性波动
3. 计划:提取销售数据,计算同比环比
4. 执行:用SQL算收入、画图找拐点
5. 验证:与去年趋势对比,确实11月异常高
6. 洞察:营销投放时间点和数据吻合
7. 建议:提前部署年末活动,并设置低增长预警
这样的结构让你不仅知道“发生了什么”,还知道“为什么这样”、“接下来要怎么做”。
总结
这个AI提示不是用来“替代”你的分析能力,而是一个超级助理,帮你像专家一样去思考、验证和表达。
它最大的价值在于:
✅ 强制你养成结构化思维
✅ 帮你发现盲点与假设漏洞
✅ 提升分析报告的说服力
✅ 就算是实习生也能写出资深分析师水平的内容


