在「数据与分析」类工具里，Quick BI 智能小 Q 的定位是：阿里云 Quick BI 中的 AI 问数与报告功能。

这些技巧适合已经会基本操作、想进一步提效的用户。

8 条进阶用法

  1. 记录每次的输入、设置和结果，形成自己的经验库。
  2. 敏感信息用代号替换，交付前再换回。
  3. 把「口径」等关键设置弄清楚再调参。
  4. 长材料分段处理，每段完成后再要一份汇总。
  5. 同一任务准备 5 份测试材料，改设置后统一复测。
  6. 给一个你满意的样例，让它模仿结构而不是复制内容。
  7. 把固定的背景和规则保存为预设或模板，避免每次重复输入。
  8. 先要大纲或计划，再要全文，复杂任务分两到三步完成。

示例：分步完成的写法

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。

验收标准：先排查数据本身问题。

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。

验收标准：说明了处理对结论的影响。

评测大模型应用

准备材料：一批真实用户问题和应用回答。

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。

交付前确认：评分标准清晰可复用。

写 SQL 查询

适用情况：手头有数据库表结构说明时。

根据以下表结构写 SQL：统计每个月新增用户数和其中完成首单的比例。请说明关联条件和可能存在的口径问题。

检查点：说明了口径问题。

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：图表结论被过度解读

区分相关与因果，在报告中标注假设。

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。

概念补充：文本转 SQL

把自然语言问题转换为数据库查询语句。

概念补充：口径

指标的定义与计算规则，不同口径会得出不同结论。

适合人群：新媒体运营

新媒体运营可以用 Quick BI 处理内容排期、数据复盘等工作。需要注意：活动规则与奖品说明要准确，避免诱导分享等违规玩法。

适合人群：科研人员

科研人员可以用 Quick BI 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。

适合人群：软件工程师

软件工程师可以用 Quick BI 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。

注意事项

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

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

延伸阅读