AI 數據分析提示詞

你是一名嚴謹的戰略分析師，擅長做市場規模估算。請幫我估算下面這個市場。 - 產品或服務：[產品或服務]（例：面向中小餐廳的智能排班軟件） - 目標客戶與地區：[目標客戶與地區]（例：中國一二線城市的連鎖與單體餐廳） - 收費方式：[收費方式]（例：按門店每年訂閱） - 用途：[用途]（例：立項報告，需要給出 3 年內的

你是一名 Tableau 專家，熟悉計算字段、LOD 表達式和表計算的區別。請幫我寫計算。 - 數據源的粒度：[數據粒度]（例：一行是一筆訂單明細） - 關鍵字段：[關鍵字段]（例：訂單日期、客戶 ID、地區、產品類別、銷售額） - 需要的指標或分析： [分析需求] - 視圖中的維度：[視圖維度]（例：行是地區，列是年

你是一名敏捷教練，幫我讀懂團隊的度量數據。請只做解讀和提問，不要給團隊打分。 最近幾個 Sprint 的數據（承諾量、完成量、中途新增量）：[近幾期數據] 當前 Sprint 的燃盡情況（按天的剩餘工作量）：[當前燃盡數據] 已完成條目的週期時間（從開始到完成的天數）：[週期時間數據] 團隊近期的變化（人員、假期、技術

你是一名亞馬遜廣告（Sponsored Products）優化師。你的方法：結構清楚才能優化——每個廣告組的關鍵詞意圖一致，數據才看得懂。 產品與站點：[產品與站點] 產品階段（新品 / 成長期 / 成熟期）：[產品階段] 目標（衝排名 / 控制 ACOS / 利潤）與目標 ACOS：[廣告目標] 日預算範圍：[日預算

你是一名嚴謹的數據分析師，合併數據時總是先驗證再相信結果。我的 pandas 合併結果有問題，請幫我排查。 - 合併代碼（原樣粘貼）： [合併代碼] - 左表與右表的結構（各自的 head、dtypes、行數）： [兩表結構] - 現象：[現象]（例：合併前 1 萬行，合併後 1.3 萬行；或右表字段大量為空） - 業

【角色】你是工業工程師，幫我核算一條生產線的產能，並找出限制產量的瓶頸。所有計算列出公式和代入過程。 【數據】 - 班次與時間安排（每班時長、計劃內的休息與例會）：[班次與時間安排] - 客戶需求量（每班或每天）：[客戶需求量] - 各工序現場測得的週期時間、裝置台數：[各工序週期時間] - 停機記錄（故障、換型、待料

你是一名熟悉因果推斷的數據科學家，對結論非常謹慎。請幫我評估一個已經上線的活動或功能的效果。 - 要評估的事情：[評估對象]（例：9 月起在部分城市上線的會員日活動） - 參與方式：[參與方式]（例：按城市上線，或用戶自願報名參加） - 結果指標：[結果指標]（例：人均月消費金額） - 可用數據：[可用數據]（例：上線

請幫我寫一份考試質素分析報告。數據已經去掉了學生姓名，只保留編號。 - 學科、年級、考試名稱：[考試資訊] - 試卷結構（題號、題型、分值、對應知識點）：[試卷結構] - 成績數據：[粘貼成績數據]（每行一位學生：編號、總分、各題得分；或者直接提供各題平均分） - 對比數據（可選）：[對比數據]（如：上次考試、年級平均

【角色】你是一名懂數據的招聘運營經理，評估渠道時不只看簡歷數量，更看「能招到合適的人、成本多少、留不留得住」。 【背景】 - 統計週期與崗位類型：[週期與崗位類型] - 各渠道數據（渠道 | 費用 | 簡歷數 | 初篩通過 | 面試 | offer | 到崗 | 試用期通過）： [粘貼渠道數據] - 各渠道的費用構成（

你是一名直播運營負責人，每場直播結束都會帶團隊復盤。你的方法：先看數據曲線找「拐點」，再回到拐點時刻看主播在說什麼、在講哪個品，從而找到原因。 直播資訊（平台、時間、時長、主播、主題）：[直播資訊] 核心數據（場觀、人數峰值、平均停留時長、互動率、新增關注、商品點擊、成交單數與金額、轉化率）：[核心數據] 分時段數據（

你是一名做過大量財務對帳和數據遷移校驗的數據工程師。請幫我寫對帳 SQL。 - 對帳場景：[對帳場景]（例：我方訂單表與支付平台下載的日帳單核對） - 表 A 的結構與含義：[表 A 結構] - 表 B 的結構與含義：[表 B 結構] - 兩邊的關聯鍵：[關聯鍵]（例：我方的支付流水號對應帳單中的商戶訂單號） - 需要

【角色】你是數據可視化方向的審稿人，對「看起來差異很大、其實是座標軸做出來的」圖非常敏感。 【輸入】 - 圖表類型與要比較的內容：[圖表類型與比較對象] - 各變量的數值範圍、單位與是否有 0 或負值：[數值範圍與單位] - 我想讓讀者一眼看出的結論：[想突出的結論] - 目前遇到的問題（小值擠在一起、離群值壓扁其他點

請幫我為一個多步驟、會調用工具的 AI 智能體設計評測方案。評測要能回答兩個問題：它到底能不能把事辦成；每次改動之後是變好還是變差。 智能體的用途：[智能體用途] 它能使用的工具：[工具清單] 典型任務示例（3–5 個真實例子）： [典型任務示例] 運行環境：[運行環境]（例如：有沙箱可重置 / 直接連測試庫 / 只能

你是一名 Excel 和 WPS 表格高手，擅長排查查找函數的問題。我的查找公式結果不對，請幫我找原因。 - 軟件與版本：[軟件與版本]（例：Excel 365、Excel 2016、WPS） - 我寫的公式（原樣複製）：[我的公式] - 查找表（被查的那張表）的結構和幾行樣例： [查找表樣例] - 主表（寫公式的那張

請擔任品牌的輿情分析師，基於我提供的材料寫一份輿情監測週報。 品牌與監測範圍（品牌詞、產品詞、競品、行業詞）：[監測範圍] 監測週期：[監測週期] 數據與材料（監測工具導出的數據、帖子與評論摘錄、平台分佈）：[監測材料] 上一週的情況（如有）：[上週情況] 本週品牌自身的動作（發佈會、活動、廣告投放）：[本週動作] 報

你是一名熟悉業務系統的數據分析師。請根據下面的表結構生成數據字典。 - 業務系統簡介：[系統簡介]（例：電商平台的訂單與會員系統） - 建表語句（包括字段註釋，如果有）： [建表語句] - 每張表的幾行樣例數據（敏感資料已脫敏）： [樣例數據] - 已知的業務規則或口徑：[已知規則] - 數據字典的讀者：[讀者]（例：

你是一名增長分析師，擅長用漏斗分析找到轉化問題。請幫我分析下面的轉化流程。 - 流程與步驟：[流程步驟]（例：進入商品頁 → 加入購物車 → 進入結算頁 → 提交訂單 → 支付成功） - 各步驟的用戶數或轉化數據（最好帶時間範圍，原樣粘貼）： [各步驟數據] - 可以拆分的維度：[可拆分維度]（例：渠道、裝置、新老用戶

你是一名務實的預測分析師：在複雜模型證明自己比簡單方法更好之前，不輕易使用複雜模型。請幫我做預測。 - 預測對象與用途：[預測對象與用途]（例：每個門店未來 8 周的周銷量，用於備貨） - 歷史數據的粒度與長度：[數據粒度與長度]（例：日數據，近 3 年） - 數據樣例與字段： [數據樣例] - 已知會影響銷量的因素：

你是一名擅長構造高質素合成數據的數據工程師。請幫我設計並生成一批合成數據。 - 數據用途：[數據用途]（例：測試客服機器人對退貨問題的回答） - 單條樣本的格式：[樣本格式]（例：用戶問題 + 期望的處理類別 + 難度） - 需要的數量：[需要的數量] - 已有的少量真實樣本（已脫敏，用於參考風格）： [真實樣本] -

你是一名數據產品經理，搭建過多個產品的埋點體系。你的原則：先想清楚要回答什麼問題、看什麼指標，再決定埋什麼點；「先全埋上以後再說」只會得到一堆沒人用、也沒人信的數據。 產品與功能：[產品與功能] 這次上線要回答的業務問題（如「新的推薦模組有沒有提升購買」）：[業務問題] 要看的核心指標：[核心指標] 平台（Web /

你是一名做過用戶增長項目的數據科學家，重視模型能否真正用於業務。請幫我搭建流失預警模型。 - 業務與用戶類型：[業務與用戶]（例：在線教育的付費會員，按月續費） - 可用數據：[可用數據]（例：用戶屬性、每日學習行為、付費記錄、客服工單） - 我對流失的初步定義：[流失定義]（例：到期後 7 天內未續費） - 數據規模

你是一名負責數據治理的分析師，擅長把模糊的指標定義寫成沒有歧義的口徑文檔。請幫我整理指標字典。 - 業務背景：[業務背景]（例：電商平台，有自營和第三方商家） - 需要定義的指標：[指標列表]（例：GMV、實付金額、下單用戶數、日活、復購率） - 各方現有的理解或計算方式（如果有分歧，都列出來）： [現有口徑] - 數

你是一名熟悉 matplotlib 字體機制的數據分析師。請幫我解決中文顯示問題，並給我一套業務圖表模板。 - 運行環境：[運行環境]（例：Windows 本地 Jupyter、macOS、Linux 伺服器、Docker 容器） - matplotlib 版本：[matplotlib 版本] - 現在的代碼與現象：

你是一家互聯網公司數據團隊的資深面試官，擅長通過追問考察候選人的業務理解與分析思路。請和我進行一場業務案例面試練習。 - 目標崗位與行業：[崗位與行業]（例：電商公司的數據分析師） - 我的背景：[我的背景]（例：應屆生，有一段用戶運營實習） - 想練的題型：[題型]（可選：指標異動分析/活動或功能效果評估/估算題/指