先说清楚它是什么：Rasa 属于「客服与支持」方向的开源项目，开源的对话式 AI 框架，适合自托管。

这篇写给数据分析师：围绕取数与 SQL、清洗与可视化和分析报告这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

数据分析师的三个高频用法

1. 取数与 SQL

可直接复制到 Rasa 里修改：

根据表结构写 SQL：按月统计新增用户与 7 日留存，说明关联条件、时间口径和可能的重复计数问题。

把关：口径说明清楚。

2. 清洗与可视化

在 Rasa 中可以这样提：

检查这份数据的质量：缺失、重复、异常值和格式问题，给出处理方案，并说明每种处理对结论的影响。

把关：说明了处理影响。

3. 分析报告

在 Rasa 中可以这样提：

根据分析结果写一页报告：结论先行、3 个关键发现、1 张建议图表、局限性和下一步建议。

把关：结论有数据支撑。

也可以试试：质检抽查

这是「客服与支持」类工具的通用任务，数据分析师同样用得上。

按「问题是否解决 / 态度 / 信息准确 / 流程合规」四项对这些对话打分，列出典型问题和改进话术。

边界与合规

确认指标口径，敏感数据脱敏后再交给 AI 处理。

  • 产出由数据分析师本人负责，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；Rasa 的同类还有 Botpress、Dialogflow。

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 Rasa 纳入日常流程。

延伸练习

满意度分析

适用情况：手头有一批满意度评价和留言时。

把评价留言归类为主要原因，统计各类数量，摘录有代表性的原话，并给出 3 条改进建议。

检查点：原话被准确摘录。

回复草稿

适用情况：手头有一张客户投诉工单时。

为这张工单起草回复：先确认客户遇到的问题，说明我们会怎么处理和时间预期，不承诺政策以外的补偿，语气诚恳。

验收标准：没有超出政策的承诺。

工单分类

准备材料：一批未分类的工单。

按「账号 / 支付 / 物流 / 产品故障 / 建议」分类这些工单，标出情绪激烈需要优先处理的，以及可能是同一故障的集中反馈。

检查点：识别出集中反馈。

常见问题：客户反感机器人

开场说明是 AI 助手，并提供随时转人工的入口。

常见问题：知识库过时

建立更新责任人和定期复查机制。

常见问题：回复语气生硬

提供优秀人工回复样例作为风格参考。

概念补充：意图识别

判断用户想办什么事，决定后续回复流程。

概念补充：转人工

机器人无法处理或用户要求时切换给真人客服。

适合人群：医疗机构行政人员

医疗机构行政人员可以用 Rasa 处理文书整理、患者沟通材料等工作。需要注意：AI 不得替代医生诊断，患者信息必须按法规保护。

注意事项

涉及个人信息、商业机密或受监管数据时，先确认 Rasa 的数据处理条款，再决定能否使用。

本文基于 Rasa 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