数据分析师怎么用 Vanna：3 个高频任务的做法
在「数据与分析」类工具里，Vanna 的定位是：开源的文本转 SQL 框架，基于 RAG 训练。
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
在 Vanna 中可以这样提：
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 Vanna 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 Vanna 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：图表建议
这是「数据与分析」类工具的通用任务，数据分析师同样用得上。
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
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；Vanna 的同类还有 Chat2DB、PandasAI。
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 Vanna 纳入日常流程。
更多可以试的用法
指标异动解读
准备材料：一个突然下降的业务指标。
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。
自然语言问数
输入：一张销售明细表。
请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。
检查点：给出了可复核的计算过程。
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。
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：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：问数结果看似合理但错误
准备几道已知答案的问题做抽检。
概念补充：评测集
用于反复检验模型或应用效果的标准问题集合。
概念补充：异常检测
自动发现偏离正常范围的数据点。
适合人群：咨询顾问
咨询顾问可以用 Vanna 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
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 Vanna 当前版本，重要内容请人工核对后再使用。