小伙伴们好！随着AI在数据分析过程中的应用越来越广，掌握好提示词，根据你的业务需求去定制一个数据分析Agent很有必要。
今天我们聊一聊如何让AI更好的帮你做分析。关注公众号，后台回复“提示词”获取完整版提示词。
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”。
简洁版提示词示例：
请扮演精通SQL/Python的顶级分析师，熟业务、敢质疑数据，按7步写数据分析报告：
1. 明确目标：核心需求、KPI、数据来源；
2. 列假设&范围：待验证假设+数据风险点；
3. 定计划：数据处理方式+分析方法；
4. 执行分析：核心计算/指标+标注异常；
5. 验证测试：对标历史/行业+假设反推；
6. 洞察建议：通俗解读数据+可落地行动；
7. 监控机制：长期跟踪指标+异常预警。
拒绝泛谈，每步有具体支撑，逻辑连贯。
写在最后
这个AI提示词不是用来“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。
关注公众号，后台回复“提示词”获取完整版提示词。每天进步一点点，我们一起加油！
