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。很多人知道要查什么数据，但写 SQL 时卡在关联、分组和窗口函数上。下面以数据分析师的真实场景为例，演示用 AI 写 SQL 查询的完整流程：提供表结构和字段含义，用自然语言描述需求，让 AI 写 SQL 并解释每一步，再用小范围数据验证。

典型场景

数据分析师需要从数据库里查“订单明细”相关的数据：按渠道统计最近一个月的订单金额，还要和上个月对比。数据团队排期很满，自己写 SQL 又总是出错。而且数据分析师手上通常同时压着“输出新用户分层分析”之类的事情，如果每次都从零开始，很容易顾此失彼。

推荐工具

可以用 ChatGPT、Claude、DeepSeek 等对话助手，也可以用数据库客户端或 BI 工具内置的 AI 查询功能（如 DataGrip、DBeaver 的 AI 助手，以及不少 BI 平台的自然语言查询）。

案例：一次完整的使用过程（虚构）

下面这个例子是虚构的：小赵遇到的难题是“埋点在新版本中有字段调整，历史数据口径需要重新对齐”。为了不让它拖慢“完成 9 月用户留存分析报告”的进度，小赵决定借助 AI 写 SQL 查询。第一次只写了一句简单的要求，结果很空泛；第二次把对象（业务负责人）、目的和限制条件都写清楚，输出就可用多了。这也是本文提示词模板要把背景写全的原因。

分步操作

  1. 提供表名、字段名、字段类型和含义，不需要真实数据
  2. 说明数据库类型，例如 MySQL 8 或 PostgreSQL
  3. 用自然语言描述需求，最好附上期望结果的样子
  4. 让 AI 解释 SQL 的每个部分
  5. 先加 LIMIT 在测试库或小范围运行，核对结果

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】身份：负责取数、做报表和业务分析的数据分析师；平时主要和业务部门和业务负责人打交道。
数据库：MySQL 8.0
表 records（订单明细），字段：
- id：主键
- category：渠道，文本
- record_date：下单日期，DATE
- amount：订单金额，数值
- type：用户类型，文本

需求：
1. 统计 2026 年 10 月每个 category 的 amount 合计和记录数
2. 同时给出 9 月的合计，以及环比变化百分比
3. 按 10 月合计从高到低排序

请写出 SQL，并逐段解释；如果 9 月没有数据，环比显示为 NULL。

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）：

WITH m AS (
  SELECT category,
         SUM(CASE WHEN record_date >= '2026-10-01' AND record_date < '2026-11-01' THEN amount END) AS oct_total,
         COUNT(CASE WHEN record_date >= '2026-10-01' AND record_date < '2026-11-01' THEN 1 END) AS oct_cnt,
         SUM(CASE WHEN record_date >= '2026-09-01' AND record_date < '2026-10-01' THEN amount END) AS sep_total
  FROM records
  WHERE record_date >= '2026-09-01' AND record_date < '2026-11-01'
  GROUP BY category
)
SELECT category, oct_total, oct_cnt, sep_total,
       ROUND((oct_total - sep_total) / NULLIF(sep_total, 0) * 100, 1) AS mom_pct
FROM m
ORDER BY oct_total DESC;

解释：先用条件聚合一次算出两个月的数据，NULLIF 避免除以 0，WHERE 限定时间范围以利用日期索引。

拿到类似的结果后，小赵的做法是先核对事实和数字，再结合“优化看板查询性能”的安排调整重点，最后才对外使用。

避坑指南

  • 表结构描述越准确，SQL 越可用；字段含义不清时 AI 会猜。
  • 先在测试库或加 LIMIT 运行，大表上的错误查询可能拖慢数据库。
  • 不要把含有用户明细、手机号和未公开的经营数据的查询结果交给公共 AI 工具。

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。同时要记住：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。

再补充一条经验：让 AI 同时给出分析假设和验证方法，避免直接跳到结论。

还可以这样用

  • 转换方言：把 MySQL 语句改写成 PostgreSQL 或其他数据库的写法。
  • 生成测试数据：让 AI 写插入语句，构造用于验证的样例数据。

相关阅读