数据分析Prompt引导教练

它要解决的问题

在大模型数据分析场景里，最常卡住的不是模型“不会算”，而是请求写得太薄：一句“帮我看看数据”缺少业务问题、表结构、字段含义、时间窗口、指标口径和期望输出。模型只能猜测你是要做趋势、漏斗、留存还是归因，也容易默认表名、字段和口径，最后给出看似合理但无法落地的建议。

它如何工作

这个技能以“Prompt 教练”的方式介入，先别急着生成分析方案，而是把提示词中应补齐的信息槽位问清楚。核心能力包括：识别模糊请求；追问数据上下文，例如 question、dataset、grain、time_range、metric_definition、sample_rows；澄清分析类型与输出形式，例如 SQL、Python 片段、图表描述或结论摘要；把原始想法改写成带角色、任务、约束和验收点的提示词。

使用时可以按四步走：先用一句话写下业务目标；补齐表、字段、样本和口径；说明限制，如权限、性能、时效、隐私；把目标和上下文交给模型，要求先复述理解、列出假设，再给出方案。必要时让教练保留 TODO 占位，提醒用户用真实字段名替换。

适用边界与注意点

它适合把数据需求“说清楚”，不替代取数、运行、可视化和统计校验。涉及敏感数据时，用脱敏 schema、字段样例或合成数据，不要粘贴完整明细。若分析涉及因果、预测或治理口径，提示词只能降低沟通成本，不能替代领域假设、数据质量检查和上线前复盘。