数据分析的AI提示词咋写？

数据分析的提示词，关键不在于“问得巧”，而在于“把上下文交代得足够清楚”。你给 AI 的初始信息越结构化，它给出的代码和结论就越接近可用状态，而不是给你一堆需要二次加工的“正确的废话”。下面这套方法，是我在过去一年多里，用 ChatGPT、Claude 和国产模型反复折腾几百次后沉淀下来的，直接套用就能见效。

一、先搞清楚：为什么你写的提示词总是不好用？

绝大多数人写数据分析提示词，犯的是同一个毛病：把 AI 当成一个啥都知道的统计学家，但忘了它其实是个“极度擅长猜你心思的陌生人”。你问“帮我分析一下这个数据”，它不知道你的数据长什么样、不知道你的业务背景、不知道你想解决什么问题，于是只能给你一套通用模板——均值、方差、柱状图、饼图，看似全面，实则无用。

真正好用的提示词，应该遵循一个公式：角色设定 + 数据描述 + 任务目标 + 输出格式 + 约束条件。这五个要素缺一不可，下面我拆开讲。

二、数据分析提示词的“五段式”结构（直接抄）

我建议你每次写提示词时，都按下面这个模板来组织语言，不要偷懒。哪怕你觉得啰嗦，也要写全。

第一段：给 AI 一个明确的“人设”

不要只说“你是一个数据分析师”，太虚了。要说具体一点，比如：

• “你是一个有 10 年电商行业经验的数据分析师，擅长用户增长和漏斗分析。”
• “你是一个精通 Python 和 pandas 的统计学家，输出代码时要求注释清晰。”

这样做的目的是让 AI 在回答时自动切换到对应的知识库和语气。你给的人设越具体，它调用的专业术语和思维框架就越贴合你的场景。

第二段：把数据“喂”给它，而不是让它猜

这里有两种情况。如果你的数据量小（比如几百行），直接把 CSV 格式的文本粘贴进对话框，并说明每一列的含义。如果数据量大，就告诉它数据结构，比如：

“我有一个 DataFrame，包含以下列：user_id（用户ID）、order_date（下单日期，格式 YYYY-MM-DD）、revenue（订单金额，单位元）、channel（渠道，取值包括自然搜索、付费广告、社交媒体）。数据范围是 2023年1月到 2024年6月，共 5 万条记录。”

如果你连数据都还没整理好，那就明确说“我还没有清洗数据，请先告诉我应该检查哪些字段的异常值”。这样它就不会直接给你跑回归，而是先帮你做数据体检。

第三段：说清楚你要“解决什么问题”，而不是“做什么操作”

这是最容易被忽略的一点。很多人写“请计算各渠道的平均客单价”，这只是一个操作。更好的问法是：

“最近三个月，付费广告渠道的 ROI 下降了 15%，请帮我分析可能的原因，并给出验证思路。”

当你把“业务问题”抛给 AI 时，它会自动拆解成“需要看哪些指标、做哪些对比、用什么图表展示”，而不是机械地执行命令。这一点是区分新手和老手的分水岭。

第四段：强行指定输出格式

如果你不指定格式，AI 会给你一大段文字，看得头疼。建议这样要求：

• “请用表格形式输出各渠道的月度趋势，并标出异常波动点。”
• “请先给出 3 个核心结论，每个结论附带一个数据佐证，最后附上 Python 代码。”
• “不要解释原理，直接给我可运行的代码和输出结果。”

这里有个小技巧：如果你要的是代码，明确告诉它“使用 pandas 和 matplotlib，不要用 seaborn，因为我没装”。提前堵住它的“自由发挥”，能省下你大量调试时间。

第五段：给 AI 设置“边界条件”

比如：

• “假设数据中剔除掉退款订单。”
• “只看最近 90 天的数据，忽略节假日效应。”
• “如果发现数据异常，先暂停分析，向我提问确认，不要自行假设。”

这一步能防止 AI 自作聪明地帮你做决定，尤其是当你的数据有特殊规则时（比如某些渠道的订单是测试数据，需要过滤掉）。

三、三个场景下的实战示例（直接复制改）

光说理论没用，我给你三个我亲测好用的完整提示词，你复制过去，把数据和背景换掉就能用。

场景一：用 Python 做探索性数据分析（EDA）

提示词：

“你是一个擅长用 pandas 做数据清洗和可视化的数据分析师。我这里有一个销售数据集，列包括：date（日期）、region（区域）、product（产品名）、units_sold（销量）、unit_price（单价）。请你完成以下任务：1. 检查缺失值和异常值，并给出处理建议；2. 按区域和产品分组，计算总销售额和环比增长率；3. 用 matplotlib 画一张按月的销售趋势折线图，并标注出最高点和最低点；4. 最后用 3 句话总结最重要的发现。请直接输出可运行的 Python 代码，并注释每步的目的。”

为什么好用：它明确说了“不要解释原理，直接给代码”，并且把画图细节（标注最高点）都写进去了，AI 就不会给你画一张光秃秃的图。

场景二：用 AI 工具做交互式分析（不需要写代码）

如果你用的是 ChatGPT 的代码解释器（Code Interpreter）或者 Claude 的 Artifacts 功能，你可以直接上传 CSV 文件，然后这样问：

提示词：

“我上传了一个电商订单文件，请先告诉我这个文件的行数和列数，然后自动识别哪些列是数值型、哪些是分类型。接着，帮我做三件事：第一，找出销售额最高的前 10 个商品；第二，按星期几汇总订单量，看看周末和工作日有没有显著差异；第三，做一个简单的 RFM 模型（最近一次消费、频率、金额），把用户分成 4 个等级。最后用通俗的语言解释每个等级的用户特征，并给出营销建议。如果数据有问题，先暂停并告诉我。”

注意：这种用法适合非技术背景的人，但前提是你得把文件传上去，并且明确告诉它“先检查数据质量”，否则它可能会拿脏数据硬算。

场景三：用 AI 生成 SQL 查询语句

很多数据分析师卡在写 SQL 上。你可以这样问：

提示词：

“你是资深 SQL 工程师，我的数据库是 MySQL 8.0。有一张表 orders（订单表），字段包括 order_id, user_id, pay_time, amount, status（paid/cancelled）。请帮我写一条 SQL，统计每个用户的首单支付时间、末单支付时间、总支付金额、订单数，并且只保留 status=‘paid’ 的记录。要求输出字段为 user_id, first_pay, last_pay, total_amount, order_cnt，按 total_amount 降序排列。请直接给出 SQL 代码，并加注释。”

这里的关键是你把表结构和字段类型都告诉它了，它生成的 SQL 基本就是可执行的，不会出现“表名不存在”这种低级错误。

四、进阶技巧：让 AI 帮你“写提示词”

如果你实在不知道怎么描述，还有一个取巧的办法：先让 AI 当“提问者”，而不是“回答者”。比如你输入：

“你是一名数据分析顾问，现在要帮我分析销售数据。为了给出最精准的建议，你需要先了解哪些背景信息？请列出 10 个关键问题，我来回答。”

这样 AI 会反过来问你，比如“数据的时间跨度是多久？”“是否有季节性促销活动？”“目标是用作日报还是深度分析？”——你回答完这些问题，再把对话内容整理成一段话，扔回给它，效果远好于你凭空憋提示词。

五、关于工具的选择与成本

我建议你根据场景选择工具，而不是只用一种：

如果你只是偶尔分析一次数据，用 ChatGPT 免费版 + 粘贴 CSV 文本就足够了。如果你天天要处理数据，建议订阅 Claude Pro，它的 Artifacts 功能可以实时预览生成的图表，比来回复制代码舒服得多。

六、一个容易踩的坑：别让 AI 直接读你的 Excel 文件

很多人喜欢把 .xlsx 文件直接拖进对话框，然后说“分析一下”。说实话，目前大部分模型对 Excel 的解析能力一般，尤其是多 sheet 文件或者带合并单元格的文件，很容易读错。我的建议是：先用 WPS 或 Excel 把数据另存为 CSV（UTF-8 编码），再上传或粘贴。如果你用的是 Notion 或飞书文档，也可以先导出 CSV，这样 AI 读到的数据是干净的，不会乱码。

七、最后的提醒：AI 是放大器，不是替身

再好的提示词，也救不了一堆错误百出的源数据。你在问 AI 之前，自己至少要知道“平均值”和“中位数”的区别，知道“相关性不等于因果性”。AI 能帮你把重复劳动压缩到 1 分钟，但前提是你得告诉它“哪些是脏数据，哪些是异常值”。把 AI 当成一个执行力极强的实习生，而不是全知全能的专家——你的判断力，才是提示词里最值钱的部分。

上面这套框架，你只要用两次就会形成肌肉记忆。下次写提示词之前，先花 30 秒在脑子里过一遍“角色、数据、目标、格式、约束”这五个词，写出来的东西绝对比干巴巴一句“分析一下”强十倍。

相关问题

1. 数据分析时，AI 给出的代码报错怎么办？

直接把报错信息完整粘贴给 AI，并附上“请解释错误原因并修复”，它通常能自我纠错。但注意，如果同一个错误连续三次没解决，建议你手动检查一下数据列名是否和代码里一致。

2. 如何让 AI 分析结果更符合业务逻辑？

在提示词里加入“如果结论与常识不符，请标注并说明可能的原因”，这会强制它进行合理性校验，而不是只输出统计数字。

3. 有没有专门做数据分析的 AI 工具推荐？

除了通用大模型，可以试试 简道云 这类零代码分析平台，或者 Tableau 的 AI 辅助功能。不过对于临时性分析，通用大模型 + 好提示词完全够用。

4. 处理几十万行的大数据，AI 提示词还有用吗？

有用，但你需要换一种方式。不要直接喂数据，而是让 AI 帮你写一个抽样方案或聚合查询 SQL，先在数据库里把数据量降下来，再分析。

5. 怎么避免 AI 一本正经地胡说八道？

在提示词末尾加上“如果你不确定某个结论，请明确说‘不确定’，并给出验证方法”，这能有效减少幻觉。同时，重要结论一定要让 AI 给出对应的数据行或计算过程。