数据分析工具链：AI 在四步里各做什么

数据分析的完整流程可以拆成取数、清洗、分析、呈现四步，大模型在这四步里的参与度完全不同：有的能整段交出去，有的只能打下手。分不清这个边界，常见后果有两种——要么把口径问题交给 AI 猜，错了返工重来；要么连写查询语句这种它擅长的事也自己熬夜干。这篇文章按四步把分工讲清楚，每步给出具体做法和检查项。

取数：辅助写语句，口径人来定

取数涉及权限和统计口径，这一步只能让 AI 辅助。它能帮上的部分是写查询语句：你描述表结构和筛选条件，让它生成 SQL，或者让它解释一段看不懂的历史查询在做什么。但口径必须自己确认——「活跃用户」按登录算还是按下单算，时间窗是自然日还是滚动七天，这类定义一旦错了，后面三步全部白做。

一个可执行的做法：让 AI 写完语句后，要求它逐行解释每个筛选条件对应的业务含义，你拿着这份解释去和口径文档比对。对不上的地方就是风险点，改完再跑。

清洗：规则明确，适合整段交出去

清洗是四步里 AI 效率优势最明显的一步。找缺失值、查异常值、去重复记录，这类工作的规则是明确的：什么算缺失有定义，什么范围算异常有阈值，重复的判定字段可以列举。规则明确的活，机器做得又快又稳。

但「交出去」不等于「不看」。清洗完必须抽查：抽一部分被标记删除的记录，人工确认确实该删；再抽一部分被保留的记录，确认没有漏网。重点防两类误伤——把正常的极端值当异常删掉，把格式不同但实际相同的记录当成两条。

分析：框架它给，判断你下

分析阶段适合让大模型出分析框架和候选解释。比如你描述「某渠道转化率本月下滑」，它可以列出流量结构、落地页改动、竞品动作、季节因素等几条可能路径，并建议每条路径需要什么数据来验证。这一步它做得不错，因为「列出可能的解释」是知识型任务。

但「哪个解释更合理」必须人来判断。它不知道你们上月刚换过投放代理商，不知道某个渠道的结算规则上旬改过，这些业务背景不在数据里，也不在它的知识里。让它下结论，它只能编一个听起来合理的。

这里有个提效技巧：让模型把每个候选解释拆成「需要什么数据才能证实或证伪」，你按清单去取数验证。思路来自它，验证路径你来走。需要深推某条假设时，可以用 DeepSeek 这类模型的深度思考模式，让它把推理链摆出来，方便你检查哪一步站不住。

呈现：初稿交给它，取舍留给自己

图表选型、结论初稿，都可以让 AI 先出一版：这组数据适合柱状图还是折线图，结论按什么顺序排。但呈现的核心是取舍——哪个结论放在开头，哪些细节进附录，哪些话不写。它倾向于罗列，因为罗列不会错；取舍要负责任，负责人只能是你。

判断初稿能不能用的标准很简单：把初稿给一个不熟悉这单业务的同事看三十秒，问他记住几条。记住的超过三条，说明重点模糊，需要砍。

四类任务的分工对照

这张表的用法：拿到任务先对号入座，照「AI 负责什么」一列分派，交付前过一遍「交付前检查」一列。

一个可复用的提问框架

把需求一次性说全，比来回追问省时间。参考写法：「我要做{业务场景}的数据分析，数据情况是{数据说明}，我的问题是{问题}。请帮我：1) 说明四步里各适合用 AI 做什么；2) 给出清洗的检查项；3) 列出分析框架；4) 指出哪些判断必须我来做。不要编造我的数据，数据口径和字段由我确认。」

这个框架的要点有两条：一是显式声明「不要编造」，二是把口径确认权写进提示词里。结构化提示词的拆解和改造方法，可以参考 DeepSeek 官方提示词库的改编思路，核心是让它按你的约束走，别让它按默认习惯走。

它做不到什么

把边界说清楚：AI 在数据分析里的短板集中在三处。它拿不到你的数据库权限，取数永远要人确认口径；它不了解业务里的隐性背景，归因结论只能算候选；它对数据真实性的责任为零，任何进了报告的数字都必须能在原始数据里对上。另外，多轮分析会产生大量中间结果，用 DeepSeek 这类工具时建议定期整理历史记录，把有效结论和废弃假设分开存，不然回头核对外会浪费时间。团队级的口径文档和指标定义，可以放进 ima助手 的共享知识库统一维护，让每次分析引用同一份定义，避免同一指标在不同报告里口径漂移。

数据分析四步分工速查

• 取数：AI 写语句，口径自己确认
• 清洗：整段交给它，删改必须抽查
• 分析：它列框架和候选解释，判断人来下
• 呈现：它出初稿，取舍人来做
• 铁律：进报告的每个数字，都要能在原始数据里对上