DeepSeek 做数据分析的完整流程

把 Excel 丢给 DeepSeek 说一句「分析一下」，回来的多半是读着专业、却和你的口径对不上的话。数据分析的成败在提问之前就定了：字段什么意思、口径怎么算、结论要落到哪个动作，这三件事没定，模型只能替你猜。

先对齐口径，再上传文件

上传前先写一张字段表，至少包含五项：时间范围（自然月还是滚动三十天）、去重口径（按订单号还是支付流水）、金额口径（含税与否、是否扣退款）、人群口径（新客怎么定义）、渠道归因（首次点击还是末次点击）。这五项写清楚，后面九成的争议不会发生。

字段表直接贴进对话，比让它自己猜列名有效得多。列名里的缩写、单位、枚举值都要写出来，比如状态字段的 0、1、2 分别代表什么。判断标准：如果你没法用三句话说清一列的取值规则，这一列的分析结论就不用看了。

数据核查的六项检查

核查清单固定成六项，每次都跑一遍：缺失率、异常值、重复记录、时间连续性、单位统一、枚举值拼写。前三项决定数据能不能用，后三项决定结论会不会错得莫名其妙。渠道名里出现「抖音」和拼音两种写法，按渠道汇总时就会凭空多出一行。

这一步花十分钟，能挡掉后面大部分返工。做法是让它逐项输出结果，而不是问「数据质量怎么样」——后一种问法只会换回一段泛泛而谈。数据核查和深度思考模式是两件事，后者适合拆解难题，前者只需要它按清单执行，DeepSeek 的深度思考什么时候开里给了判断标准。

把业务问题翻译成可回答的问题

「为什么最近转化差」没法回答，「近十二周各渠道的访问、加购、下单三级转化率分别是多少，哪一级降得最多」可以回答。能回答的问题包含四要素：对象、时间、指标、对比基准。缺一个，模型就会用它的假设补上，而它的假设和你的业务通常不一样。

翻译这一步自己做，别交给模型。它不知道你上周改了落地页，也不知道某个渠道刚换了代理。你补上这些背景，它才有机会给出有用的拆解方向。

让它给方法，不要只要结论

直接要结论，得到的是「建议优化转化路径」这类正确但没用的话。改问方法：这类问题通常有哪几种拆解方式、每种需要什么字段、各自的局限在哪。它的回答会暴露你的数据够不够——如果它说需要「用户首次访问来源」，而你只有末次来源，这个分析就得换做法。这类问法可以借现成模板的结构，但要按自己的字段改，DeepSeek 官方提示词库值得抄吗里讲了改编的三个动作。

四种分析目的对应四种问法：描述现状看分布，定位原因看拆解，判断异常看阈值，预测趋势看假设。把这四个词写进提问，回答的结构会明显不一样。

四类分析任务的提问对照

用法是先对号入座，再抄中间一列的问法，最后用右边一列验收。

结论要带条件和动作

每条结论后面追一句：在什么范围内成立、什么情况下不成立、对应谁去做什么。辛普森悖论就是这么冒出来的——整体转化率上升，但每个渠道都在降，原因是高转化渠道的占比变大了。只看总数会得出相反的动作。

动作要具体到「谁、什么时候、改什么、怎么验证」。一条落不到动作的结论只是描述，描述可以写进周报，但不能拿来做决策。

算术这件事别交给对话。对话式产品读文件的方式是解析文本，行数一多就可能截断或抽样，加总结果无法确保和你的表一致。稳妥做法有两条：先在本地把明细聚合成分析粒度（比如日乘渠道），再上传；或者让它写 Python、SQL，你在本地跑一遍。凡是精确到个位、要对外披露的数字，都以本地计算为准。

它做不到什么

它不知道你的业务规则和脏数据的来历；访问不到你的数据库，只能看你给的那部分；算术精度受制于解析方式；也做不了严格的统计推断——显著性检验、因果识别需要实验设计和统计工具，对话只能帮你把思路理清。

数据合规要自己把关。上传前删掉手机号、身份证号、客户姓名和详细地址，用内部编号替代；涉及未公开经营数据的，先确认公司是否允许把数据传给外部服务。团队里把字段表和口径文档放进共享知识库更省事，ima 助手的共享知识库就是干这个的。

数据分析流程速查

• 先写五项口径，再上传文件
• 六项核查逐项跑：缺失、异常、重复、时间、单位、枚举
• 业务问题改写成「对象加时间加指标加基准」
• 要方法，不要结论；结论必须带条件
• 精确数字回本地算，对话里的加总只当参考

三个实际操作中的问题

表太大传不上去怎么办？先在本地聚合到分析粒度，几百万行明细聚成日乘渠道的几千行；同时留一份明细在本地，用于核对它给出的结论。

它算的数和我 Excel 对不上怎么办？以本地为准。让它输出计算过程或代码，你在本地复算一遍；对话里的加总只当量级参考。差额大且无法解释时，先怀疑文件被抽样。

能不能直接出图？可以给图表类型建议和绘图代码，渲染与配色放到本地工具做。选图这块它判断得不差：趋势用折线，构成用堆叠，分布用箱线图。