数据分析场景的提示词库
2026-10-19分析类提示词最容易漏掉的是口径
"帮我分析一下这份数据"得到的通常是三段正确的废话。问题不在模型，在于没有交代口径：分子分母是什么、时间范围怎么定、缺失值怎么处理、结论要落到哪个决策上。
口径不交代，模型只能用最"常见"的算法，而最常见的算法往往不是你要的。
1. 探索性分析（先看清楚，别急着下结论）
你是数据分析师。下面这份数据我先要"看清楚"，不要急着给建议。
【数据】（粘贴表头 + 前若干行；或描述字段含义）
【业务背景】（这些数据是怎么产生的，一行代表什么）
【我最终要做的决策】（一句话）
【输出】
1. 字段体检表：字段名 / 含义 / 类型 / 缺失率 / 取值范围 / 异常值嫌疑
2. 一维分布：对每个关键数值字段，说明分布形态与是否有长尾
3. 可疑点清单：数据里看起来不对劲的地方（如某天量级骤降、某类占比过高），逐条说明为什么可疑
4. 口径确认清单：为了正确分析，我需要先和你确认哪些定义（列出 5-8 个问题）
【禁止】
- 不要在这一步给业务建议
- 不要假设缺失值是 0
- 拿不准字段含义就直接问，不要猜2. 归因分析（指标掉了，为什么）
某个指标下降了，帮我做结构化归因。
【指标】（名称 + 计算口径，分子分母分别是什么）
【变化】（对比的两个时间段，下降幅度）
【可用维度】（渠道 / 地区 / 设备 / 新老用户 / 版本 等，只列我有的）
【已知背景】（有没有同时发生的改动、活动、外部事件）
【按这个顺序推】
1. 先确认是否口径问题：统计逻辑、埋点、时区、去重规则有没有变
2. 做维度拆解：逐个维度看贡献度，找出"下降集中在哪里"
3. 对集中的那一块，给 3 个互斥的假设
4. 每个假设给出：怎么验证、需要什么数据、如果成立说明什么
【要求】
- 每一步都写成"如果 A 则说明 B"的形式
- 明确指出哪一步需要我去取数，取什么
- 不要给"建议优化用户体验"这类结论
【最后】
列出这次分析中最可能出错的一步，以及怎么防。3. 图表说明（把图讲成人话）
把下面这张图/这组数字，写成给非专业读者看的三段说明。
【图表内容】（数据或截图文字描述）
【读者是谁】（老板/客户/同事，他们关心什么）
【输出三段，每段 ≤80 字】
1. 这张图在说什么（结论先行，给具体数字）
2. 为什么是这样（一个最主要的原因，不要罗列三个）
3. 所以接下来做什么（一个动作，可执行）
【禁止】
- 不用"显著提升""大幅增长"这类没有数字的形容
- 不描述图表本身的形状（"呈上升趋势"是废话，直接说涨了多少）
- 不确定的因果关系改写成相关关系4. 数据审查（让别人挑你的错）
你要以"最挑剔的审稿人"身份审查我的分析结论。
【我的结论】（粘贴结论与支撑数据）
【计算过程】（粘贴公式或步骤）
【逐项审查】
1. 逻辑：结论是否超出了数据能支撑的范围（举出具体越界的那句话）
2. 计算：复算一遍，指出任何算错或不一致
3. 口径：分子分母、时间范围、去重方式是否有歧义
4. 幸存者偏差 / 选择偏差：样本是怎么来的，可能漏掉了谁
5. 相关与因果：哪一句把相关说成了因果
【输出】
按"必须改 / 建议改 / 可以保留"三档列清单，每条引用原文。
如果某一项没发现问题，明确写"未发现"，不要为凑数编造。
【最后】
用一句话回答：这个结论最脆弱的假设是哪一个。怎么用
- 第一步永远不要结论。探索性分析只做体检，先看清数据长什么样。
- 把"口径确认清单"当成必答题。它列出的问题往往正是你和同事理解不一致的地方。
- 归因时要求"互斥假设"。不互斥的假设会让你同时验证三条，最后一条都对不上。
- 图表说明那三条限制（结论先行、一个原因、一个动作）能立刻提升汇报质量。
- 最后那条审查提示词建议在交付前跑一次，专门用来找出你自己看不见的越界表述。
常见误区
- 让它"分析并给建议"一步到位。跳过体检的建议通常是对着平均数说的。
- 不说口径就让它算。它会给一个算法上正确、业务上错误的数字，而且看起来很像真的。
- 把缺失值当 0。这会系统性扭曲所有均值类指标。
- 接受"显著"这种词。没有具体数值的形容在数据场景里等于没说。