作为负责取数、做报表和业务分析的数据分析师，你可能也有同感：大量时间花在写取数语句、调整表格格式和把结论翻译成业务语言上。目标定得太虚就无法衡量，定得太细又失去方向，很多人写 OKR 时卡在“关键结果”怎么写。本文给出数据分析师用 AI 制定目标和 OKR的一套可直接照抄的做法：把方向、现状和资源告诉 AI，让它生成目标和可衡量的关键结果，再让它以审核者身份检查是否具体、可衡量、有挑战。

典型场景

数据分析师需要为下个季度制定工作目标，方向大概知道是“新用户次月留存下降的原因”，但写出来的都是“提升效率”“做好服务”这样的句子，业务负责人看了也不知道怎么评估。尤其当业务负责人同时还在等“核对两个口径不一致的 GMV 指标”的结果时，能把这部分工作提速，就能腾出精力处理更重要的判断。

用什么工具

用 ChatGPT、Kimi、通义千问等对话助手即可；定好的目标可以录入飞书 OKR、钉钉等目标管理工具跟进。

把上个季度的完成情况一起提供给 AI，生成的目标会更贴合实际。

举个例子

先看一个虚构但很典型的例子。小周是一位负责取数、做报表和业务分析的数据分析师，这周手头的事情包括“核对两个口径不一致的 GMV 指标”和“和产品对齐埋点口径”，偏偏这时又需要制定目标和 OKR。小周没有从空白页开始，而是先花几分钟把相关材料整理好，按下面的提示词交给 AI，拿到初稿后对照原始资料逐条核对，再补上自己的判断。整个过程中，小周特别留意不把用户明细、手机号和未公开的经营数据放进对话里。

具体怎么做

  1. 写下方向、现状和可用资源
  2. 让 AI 检查每个关键结果是否可衡量
  3. 和业务负责人对齐优先级和资源
  4. 设定每周或每两周的检查节奏

可复用的提示词

提示词的关键是把背景、要求和输出格式写清楚：

【背景】最近在处理“核对两个口径不一致的 GMV 指标”，同时要准备“和产品对齐埋点口径”。
我是数据分析师，要制定下季度的 OKR。
方向：新用户次月留存下降的原因
现状：完成 9 月用户留存分析报告；搭建渠道转化日报看板；存在的问题：埋点在新版本中有字段调整，历史数据口径需要重新对齐
资源：现有团队，没有额外预算

请：
1. 写出 1-2 个目标（O），鼓舞人心但不空泛
2. 每个目标写 3 个关键结果（KR），必须可衡量；现状数据我没提供的，用【基线待补充】标注
3. 以严格审核者的身份检查每个 KR：是否可衡量、是否是结果而不是任务、是否有挑战性，并给出修改
4. 列出为达成 KR 需要做的 3-5 项关键举措

效果示例（虚构演示）

示例输出如下（虚构内容，仅演示 AI 大致会给出什么样的结果）：

O1：让“新用户次月留存下降的原因”取得看得见的进展

  • KR1：完成“输出新用户分层分析”，并获得业务负责人验收
  • KR2：相关问题的处理时间较【基线待补充】缩短 20%
  • KR3：业务部门满意度评分达到【基线待补充】以上

审核意见

  • 原 KR“推进优化看板查询性能”是任务而不是结果，建议改为“优化看板查询性能完成并投入使用”
  • KR2 需要先确认基线数据，否则无法衡量

关键举措

  1. 输出新用户分层分析
  2. 优化看板查询性能
  3. 每两周复盘一次进度

这样的输出只是起点。真正用到“核对两个口径不一致的 GMV 指标”这类工作里之前，还需要对照原始资料逐条检查，并补上 AI 不知道的背景。

避坑指南

  • 关键结果要写“达到什么结果”，而不是“做了什么事”。
  • 没有基线的数字目标无法衡量，先补齐现状数据。

给数据分析师的特别提醒

给 AI 表结构和字段含义，而不是真实数据；需要样例时用脱敏或虚构的几行。还有一点很关键：AI 不了解你们的指标口径，写出的语句和结论都要用小样本核对一遍。

还可以这样用

  • 个人成长目标：用同样方法制定学习或健康目标。
  • 复盘评分：季度末对照 KR 打分并分析原因。

相关阅读