教程专题

数据分析

数据分析相关教程，围绕数据分析里的真实工作场景，提供可照做的 AI 工作流、模板和检查清单。

专题教程

围绕一个工作问题连续学习

同一个「复购率」，你跑 30%、同事跑 38%，不是 SQL 错，是没人写过口径。分析前让 AI 把指标定义、时间窗口、去重和排除规则列成文档，先确认再写代码。

别把看板数字原样念给老板。把最近 7 天关键指标整理成「日期｜指标｜数值」流水，让 AI 按趋势、异常、行动三栏写成一页解读，再逐条核对，就能把数字讲成能拍板的人话。

报告写好了，数字却经不起问：复购率是哪个口径、5月数从哪来、结论是不是硬凑的。把结论、口径、来源和原始数字拆成四列给 AI，让它逐条挑错，你补完再发。

别把整张表丢给 AI 问图表，先告诉它你要让人看懂什么结论：是占比变了、趋势涨了、还是两地对比。结论说清后，AI 才会给出一张能一眼看懂重点的图。

看板里支付成功率一夜从 97.8% 掉到 91.2%，老板问为什么，你不能再只会报数字。把异常点和已知背景喂给 AI，让它按「可能原因→要核对的数据→判断标准」列成排查表，你照着查，半小时就能交原因。

拿到订单导出表，先别急着删和补。让 AI 把缺失、重复、异常三类问题列成带判定标准和处理动作的清洗规则清单，人工批完再动手，避免越洗越脏。

A/B 跑完了，别再说「B 好像高一点」。把假设、样本量、置信区间和下一步整理成一页读报，让 AI 只算不拍板，上线还是再跑一轮由你决定。