《大模型提示词实战课》已发布的章节：
📌 本讲重点：
1. 掌握数据分析提示词的基本框架
2. 学会设计不同类型的数据分析任务
3. 理解数据分析结果的呈现方式⏱ 学习时间：30 分钟
⏱ 练习时间：30 分钟
1. 课前案例
🤔 困扰场景：小李是一家便利店的店主
帮我分析下最近三个月的销售数据。结果：得到了一堆凌乱的数字，看不出任何有价值的信息。
😄 改进场景：学习数据分析提示后的小李
前置动作：从收银系统导出订单数据，上传给大模型
请帮我分析最近三个月的便利店销售数据：
- 分析维度：
* 各品类销售占比
* 销售高峰时段
* 客单价变化趋势
- 重点关注：
* 最畅销的饮品类型
* 促销活动的效果
* 天气对销量的影响
- 呈现方式：
* 用图表展示主要发现
* 给出具体的改进建议
* 预测下月销售趋势
2. 数据分析提示的基本框架
框架构成
- 分析目标：明确想要解决的问题
- 数据范围：确定分析的时间和维度
- 分析方法：选择合适的分析工具
- 输出要求：规定结果的呈现方式
📋 基本框架速查表：
| 要素 | 说明 | 示例 |
|---|---|---|
| 目标描述 | 分析的核心问题 | 销售趋势分析 |
| 数据维度 | 需要关注的角度 | 时间、品类、客群 |
| 分析深度 | 需要挖掘的层次 | 现象描述、原因分析 |
| 呈现方式 | 结果展示的形式 | 图表、文字说明 |
常见分析类型
- 描述性分析
- 数据概览
- 基本统计量
- 分布特征
- 异常值识别描述性分析提示词（Prompt）示例
---
目标：导入的数据是一个便利店的经营数据，从数据概览、基本统计量、分布特征、和异常值四个方面进行。
1. 数据概览
- 请简要描述数据集的结构，包括行数和列数、字段名称及其含义、以及各字段的数据类型。
- 检查并列出是否存在缺失值以及每个字段的缺失值情况。
- 检查并列出各字段的唯一值（例如商品类别、支付方式等的种类数）。
2. 基本统计量
- 对数值型数据（例如销售金额、利润、库存等）计算基本统计量（平均值、中位数、标准差、最小值、最大值）。
- 针对时间序列数据（如每天、每月的销售额）计算基本统计量（例如每月销售额的平均值、趋势变化）。
3. 分布特征
- 对数值型数据进行分布分析（例如销售额、客单价的分布），可以考虑绘制直方图或核密度图。
- 对分类数据（如商品类别、支付方式等）进行频数统计和分布分析，绘制柱状图或饼图以展示各类别占比。
- 如有时间序列数据，请分析时间上的分布特征（例如销售额的日/周/月分布趋势图）。
4. 异常值识别
- 检查数值型字段中是否存在明显的异常值，并使用箱线图（箱须图）或z-score方法进行可视化和识别。
- 对异常值做进一步分析，查看是否存在周期性异常或特定因素导致的异常（如促销活动引起的销售峰值）。- 对比分析
- 时间维度对比
- 群组间对比
- 目标值对比
- 市场对标分析对比分析提示词（Prompt）示例
---
目标：导入的数据是一个便利店的经营数据，针对时间维度、群组间、目标值等方面进行详细分析。
1. 时间维度对比
- 时间维度选择：根据数据特征，选择适当的时间单位（如天、周、月、季、年）来观察变化趋势。
- 趋势分析：绘制时间序列图（如销售额、利润随时间的变化趋势），并观察波动情况和变化趋势。
- 季节性和周期性分析：检查数据中是否存在季节性变化或周期性波动（如节假日效应、周末效应）。
- 同比/环比分析：对比不同时间段（如本月与上月、今年与去年）的销售数据，展示同比和环比增长情况。
2. 群组间对比
- 群组分类：根据商品类别（如食品、日用品）、支付方式（现金、移动支付等）、客户属性（年龄段、会员等级等）进行群组划分。
- 对比指标：选择关键经营指标（如销售额、利润、转化率）在不同群组间进行对比，找出表现差异。
- 可视化分析：使用箱线图、柱状图等图表展示各群组的分布情况和差异。
- 显著性分析：如果需要深入分析群组间差异的显著性，可以进行统计测试（如t检验或ANOVA）来判断差异的统计显著性。
3. 目标值对比
- 目标设定：明确便利店的目标值（如月销售额目标、毛利率目标等）。
- 实际 vs 目标：对比实际数据与目标数据的差距（可使用累积柱状图或折线图来表示目标达成情况）。
- 达成率计算：计算各关键指标的目标达成率（如达成率 = 实际值/目标值），并展示各时间段、群组的达成情况。
- 达成偏差分析：分析未达成目标的原因（如低销售量、特定商品或群组表现不佳）以及达成偏差的具体因素。- 关联分析
- 因素相关性
- 影响程度
- 变化规律
- 预测趋势3. 数据分析提示的实践技巧
目标设定技巧
👎 模糊的目标：
分析一下销售情况👍 明确的目标：
分析上季度销售数据：
- 总体表现评估
- 问题点识别
- 改进机会发现
- 具体行动建议维度选择技巧
👎 过于简单：
看看销量如何👍 多维度分析：
请从以下维度分析销量：
1. 时间维度：
- 月度对比
- 周内分布
- 节假日影响
2. 产品维度：
- 品类表现
- 单品分析
- 价格带分布
3. 客户维度：
- 新老客占比
- 复购情况
- 客单价变化结果呈现技巧
👎 杂乱的呈现：
把所有数据都列出来👍 结构化呈现：
请按以下结构呈现分析结果：
1. 数据概览：
- 关键指标总览
- 异常值说明
2. 深度分析：
- 现象描述
- 原因分析
- 相关性探讨
3. 行动建议：
- 短期改进点
- 长期发展建议
4. 可视化呈现：
- 趋势图表
- 对比图表
- 分布图表4. 实战练习
基础练习（15分钟）
目标：练习编写基础的数据分析提示词
任务：
- 分析一家奶茶店的月度销售数据
- 找出影响销量的关键因素
- 提供具体的改进建议
参考答案：
请分析本月奶茶店销售数据：
1. 基础分析维度：
- 销售总量和营收
- 品类销售占比
- 时段销售分布
- 客单价分析
2. 深入分析要求：
- 热销品类特征
- 促销效果评估
- 天气影响程度
- 竞品影响分析
3. 输出要求：
- 数据可视化
- 问题诊断
- 具体改进建议
- 下月销售预测进阶练习（15分钟）
目标：设计复杂的多维度分析提示词
任务：
为一个健身房设计会员数据分析方案，包括：
- 会员活跃度分析
- 课程参与情况
- 续约预警模型
- 精准营销建议
5. 常见问题解答
Q1：如何确定合适的分析维度？
A1：根据业务目标和数据特点，选择最能反映问题本质的维度。建议从时间、对象、行为等基础维度开始，逐步深入。
Q2：数据量较大时如何处理？
A2：可以先进行数据抽样或聚合分析，找出主要特征后再深入研究异常或重点数据。
Q3：如何让分析结果更有说服力？
A3：结合数据可视化，并用实际案例支撑分析结论，同时提供可执行的改进建议。
6. 本讲重点回顾
1. 数据分析提示需要明确目标、维度和呈现方式
2. 好的分析框架包含描述、对比和关联三个层次
3. 分析结果要注重可视化和实操建议7. 下节课预告
第 14 讲将介绍”对话策略与沟通技巧”，教你如何与 AI 进行更有效的对话。
8. 小贴士
💡 分析前先明确目标，避免漫无目的的数据探索
💡 注意数据的时效性和可比性，确保分析的准确性
💡 建议优先在电脑上阅读和实操，以获得更好体验和效率
💡 评论区已开启留言，期待你的反馈和建议！你也可以给作者发微信（下方二维码）消息
本文来自投稿，部分素材可能来自网络，不代表【AI 应用与实战】官方立场。
扫码关注本站公众号/视频号/小程序，订阅更多精彩内容
