先说清楚它是什么：Databricks Assistant 属于「数据与分析」方向的在线服务，Databricks 平台中的 AI 助手，辅助写 SQL、Python 与排错。

这篇写给销售：围绕客户背景调研、跟进邮件与话术和会议纪要与商机记录这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

销售的三个高频用法

1. 客户背景调研

可直接复制到 Databricks 里修改：

根据这家客户公开的官网和新闻信息，整理一份拜访前简报：主营业务、近期动态、可能的需求和我方切入点。所有信息附来源，推测的内容标注「推测」。

把关：推测与事实分开标注。

2. 跟进邮件与话术

在 Databricks Assistant 中可以这样提：

写一封会后跟进邮件：感谢对方时间，总结会上确认的 3 点，列出下一步和时间，附上对方关心问题的答复。不做合同以外的承诺。

把关：没有超出授权的承诺。

3. 会议纪要与商机记录

在 Databricks Assistant 中可以这样提：

根据这段客户沟通记录，更新商机信息：客户痛点、决策人、预算情况、竞争对手、下一步动作。记录中没提到的字段留空。

把关：缺失字段留空没有臆造。

也可以试试：图表建议

这是「数据与分析」类工具的通用任务，销售同样用得上。

根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。

边界与合规

客户数据按公司规定处理，报价和承诺以合同为准。

  • 产出由销售本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；Databricks Assistant 的同类还有 Snowflake Cortex、Hex。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 Databricks 纳入日常流程。

更多可以试的用法

数据清洗方案

输入：一份有缺失和异常值的数据。

分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。

交付前确认：说明了处理对结论的影响。

评测大模型应用

适用情况：手头有一批真实用户问题和应用回答时。

为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。

验收标准：评分标准清晰可复用。

指标异动解读

适用情况：手头有一个突然下降的业务指标时。

日活本周下降了，请列出可能原因的排查清单，按「数据问题 / 产品变化 / 外部因素」分类，每项写明需要查看的数据。

交付前确认：先排查数据本身问题。

常见问题：敏感数据暴露给模型

使用脱敏视图或只读账号，限制可访问的表。

常见问题：生成的 SQL 运行报错

提供准确的表结构和字段说明，先在测试库运行。

常见问题：AI 算出的数字和报表不一致

检查口径和过滤条件，要求它输出 SQL 或公式逐步复核。

注意事项

文中提示词和示例仅作示意，实际效果取决于你的材料和 Databricks 当前版本，重要内容请人工核对后再使用。

本文基于 Databricks Assistant 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

延伸阅读