任务场景
你有一块运营数据——Zendesk 工单、Mixpanel 事件、销售对话日志、客服转写——隐约觉得”有事在发生”。你要的不是”互动上升”，而是”安卓第 2-3 会话互动上升 12%，很可能是新引导”。风险是”分析一下”这种问题，AI 会给一份谁都用不上的漂亮总结。
哪些情况适合让 AI 来做，哪些情况不要
AI 在结构化 / 半结构化数据上找 pattern + 写”所以呢”很强——只要你给问题 + 决策。但它选不了问题。两行规则：告诉 AI 你想学什么，再告诉它”答案要支持什么决策”。否则你只能得到一份对数据的精装复述。
需要给 AI 的输入信息
- 聚合数据或样本（CSV / 表 / 工单文本）
- 你要回答的具体业务问题
- 答案支持的决策
- 时间窗 + 分群
- 已知数据 caveat（抽样、埋点问题、近期变化）
- 这个指标”好”长什么样
可直接复制的 Prompt
分析运营数据。
问题（要学什么）：<line>
决策（用答案做什么）：<line>
时间窗：<line>
分群：<列表>
已知 caveat：<列表>
"好"长什么样：<line>
数据（样本或聚合）：
"""
<paste>
"""
请输出：
1. 一句话答案（针对我的问题）
2. 3 个支持数据点——每个带数字 + 来自哪个分群
3. 一条数据 caveat——抽样 / 时效 / 埋点
4. 行动前应该跑的下一项分析
5. "我会不会押 $X"检查——多大的置信度才能行动
6. 自信就上，犹豫就 pause——动作要二元
不要给总结。要答案 + 数据支持。多问题：“再产出 200 字的高管 memo——信息、行动、下一步。“
建议让 AI 输出成什么样
一句话答案 + 3 个支持点 + caveat + 下一项分析 + 行动决定。跳过”executive summary”——读者要答案，不要数据导览。
怎么判断 AI 给的结果能不能直接用
- 答案是针对你的问题，不是相关的
- 支持点有数字 + 分群，不是模糊声明
- caveat 真实（抽样 / 埋点 / 近期变化）
- 下一项分析具体——你能跑的 query，不是”再看看”
- 行动二元——做、不做、等数据 X
容易踩的坑
- “分析一下”——只得到导览不得到答案
- 跳过数据 caveat——读者会引用没 caveat 的数字
- 不说决策——AI 在已知 stakes 下选择不同
- 信 AI 数字——核顶层指标
- 在跑下一项分析前就动手——你的置信度低于你想的
实操加深
做「用 AI 做业务数据分析：把运营噪声变成一句可行动的结论」这类任务时，AI 输出质量主要取决于输入包是否完整。至少给它受众、原始材料、目标格式、你要做的决策，以及一好一坏两个参考。第一轮先要求保留事实，第二轮再优化结构、语气或表达，不要让模型一边猜事实一边润色。
拿到结果后单独做一次复核：有没有遗漏限制、编造细节、行动项不清、语气和真实场景不符。最终稿最好能马上使用，包含明确对象、下一步和判断标准，而不是还需要别人重新解释一遍。
FAQ
- 置信区间？ 让 AI 估样本量和噪声。永远做一遍口算。
- AI 能写 SQL 吗？ 经常能——用于验证，不是最终查询。
- AI 接 BI 工具？ 只读探索可以。生产分析还是要稳定查询。
相关
- Excel 分析 Prompt ——电子表格上的分析
- 问卷分析 ——数据是问卷
- 漏斗分析解读 AI ——漏斗专用
- 留存 cohort 解读 AI ——cohort 专用
- 实验解读 ——数据是 A/B
- 图表 & 表格解读 AI ——传达分析
- ChatGPT 数据分析流程 ——更宽流程