AI 数据处理与工作流自动化

1.1 数据能力是所有岗位的公共底盘

无论你做运营、产品、市场还是管理，老板问得最多的都是「数据呢」？AI 时代的变化：取数、清洗、分析、可视化的门槛被 AI 大幅拉低——不会写 SQL 也能问出报表，不会做图表也能生成看板。但注意：AI 帮你算得快，不代表你判断得准。数据能力的真正内核是「问对问题 + 看对指标 + 对结果负责」。

1.2 数据工作流全景

2.1 取数：让 AI 生成查询，而不是你自己写

取数的痛点是「不会 SQL / 不会函数」。AI 帮你：你把业务问题用中文讲清楚，让 AI 生成 SQL 或表格公式，你确认后执行。关键是把「业务口径」说清楚：统计什么、按什么维度、时间范围是多少。口径不清，AI 取出来的数就是错的。

我在[系统/表格名]有一张销售数据表，列有：日期、地区、品类、销售额、订单数、客户类型。请帮我：
1. 写一段查询，统计「近 3 个月每个品类的销售额与订单数，按销售额降序」。
2. 如果我要看「华东地区的品类趋势」，查询怎么写？
3. 写完后解释每句是什么意思，方便我核对。
4. 提醒我哪些字段可能存在口径风险（如退货是否计入）。

2.2 清洗：AI 查异常，你定规则

脏数据（缺失、异常、格式不统一）是分析翻车的头号原因。AI 帮你做第一遍清洗：识别缺失值、离群值、重复记录、格式混乱，并给出处理建议。但「怎么处理」是业务判断——缺失是填 0 还是剔除？离群是真实记录还是录入错误？规则由你定，AI 执行。

2.3 分析：AI 给现象，你定结论

以下是我清洗后的数据（表头+若干行）：
[粘贴数据]
请帮我：
1. 按关键维度做汇总（分品类/地区/时间）。
2. 找出 3 个最值得关注的规律或异常，说明依据。
3. 对每个规律，反问一句「这个结论有没有可能是巧合/样本问题/口径问题」。
4. 给我 2 个下一步该深挖的方向。

3.1 用 AI 做图表，用脑子选图表

AI 能在几秒内生成各种图表，但「用哪种图讲哪个结论」是人的判断：趋势用折线、占比用饼图/堆叠、对比用柱状、分布用箱线。先想清楚「我要让看的人得出什么结论」，再让 AI 帮你实现。图表是为了表达，不是为了装饰。

我有以下数据，想表达[结论]：[粘贴数据]
请帮我：
1. 建议用哪种图表最合适，说明理由。
2. 用[工具名]生成图表代码/操作步骤。
3. 给一个「数据看板」的结构建议（哪些指标放最上面、怎么组织）。
4. 每张图配一句「结论文案」，用大白话讲给不懂数据的人听。

3.2 复盘：从数据到下一次行动

复盘是把数据闭环起来：结论 → 行动 → 再测。AI 帮你：对比本期与上期、归因变化、生成复盘报告初稿。但「下一步做什么」要你拍板。复盘的产出不是一份报告，是一个「下一次实验计划」。

4.1 从 Prompt 到工作流

单次提问是「点」，工作流是「线」。自动化工作流 = 固定输入格式 + 固定处理步骤 + 固定输出模板。典型例子：每周把原始数据丢给 AI → AI 自动清洗 → 出分析 → 填报告模板 → 你只审最后结果。搭建工作流的收益：重复劳动一次搞定，质量稳定。

我每周都要做这件事：[描述，如汇总门店周报]。
请帮我：
1. 把这件事拆成输入→处理→输出的步骤。
2. 为每一步写一个可复用的 Prompt 模板（用 [变量] 标出每次要填的部分）。
3. 告诉我哪些步骤适合 AI 批量做、哪些必须人来判断。
4. 给出一个「人工校验点」清单，避免自动化出错没人发现。

4.2 多工具组合与批量脚本

真正的工作流常需要多个工具配合：AI 对话 + 表格 + 图表 + 文档 + 定时任务。AI 能帮你：写批量处理脚本（Python/表格公式）、把不同工具的输出接起来、甚至用无代码工具搭自动化。你不必成为程序员——让 AI 当你的「脚本翻译官」，你负责说需求、审结果。

5.1 AI 幻觉在哪里高发

AI 在处理数据时最会「编」：编数字（把 3 写成 30）、编字段（说有你表里没有的列）、编结论（把没有依据的关联讲得头头是道）、编代码（函数不存在却让你跑）。识别幻觉不是防 AI，是防「你没核对」的自己。

以下是 AI 之前给你输出的数据结论/代码/报表：
[粘贴内容]
请逐条自查并回答：
1. 每个数字/字段/函数，我能否在原始材料里找到依据？找不到的标出来。
2. 有哪些结论是基于推断而非数据？推断的确定性有多高？
3. 如果要 100% 正确，我应该人工核对哪几个关键点？
4. 给一个「发布前检查清单」。

6.1 两周做出一套能展示的数据成果

前五章能力组装成两周实战：第一周选一个真实问题（校园/实习/社团数据都行），跑通取数→清洗→分析→可视化；第二周搭一条自动化工作流 + 做数据看板。两周后你要能拿出：一套数据分析报告 + 一个可复用自动化流程 + 一页数据看板。

请扮演我的数据教练，帮我规划两周数据实战。
背景：[年级/专业]，已看完 P-06 前五章，想做一个能放进作品集的数据项目。
请给我：
1. 选一个适合我的真实数据问题（3 个候选）。
2. 两周 14 天日历（每天：数据处理/可视化/自动化/质检）。
3. 每天我提交产出，你按「口径清晰/结论可靠/表达清楚」点评打分。
4. 每周日复盘清单（进度、薄弱点、下周重点）。