如果你是数据分析师，大概率经历过这样的场景：取数、分析、汇报循环往复，而AB 实验解读又必须按时交付。用 AI 辅助，目标不是“让 AI 替你做完”，而是让你更快拿到一个可修改的实验结论。

什么时候适合用 AI

  • 适合：实验数据比较多、需要快速形成实验结论初稿，或者需要换个角度查漏补缺的时候。
  • 谨慎：材料涉及未公开或敏感信息、结论需要专业资质背书，或者容易出现“忽视样本量”的情况。
  • 不适合：需要现场判断、当面沟通或承担最终责任的环节——这些仍由数据分析师本人完成。
  • 预期：AI 负责“快”和“全”，你负责“准”和“对”。把节省下来的时间用在复核和沟通上，整体质量才会提升。

进阶提示词结构

角色：资深数据分析师，熟悉取数、分析、汇报循环往复的工作环境。
背景：【一句话说明项目/对象与目的】
输入：【实验数据】
产出：实验结论，长度约【】字，语气【正式/友好/简洁】。
约束：
- 只基于输入信息；凡是推测，标注“推测”并说明依据；
- 特别注意避免：忽视样本量；
- 不要使用夸张、绝对化表述。
参考样例：【贴一份你认可的旧版本，说明好在哪里】
步骤：先给大纲让我确认，我回复“继续”后再写完整内容。

为什么这样写

角色让 AI 采用合适的专业口吻；约束限制它编造和夸大；示例让输出贴近你的标准；“先给大纲”把一次性生成拆成可控的两步。

配套审阅提示词

下面是一份实验结论的草稿。请你站在挑剔的审阅者角度：
1. 找出事实可能有误、缺少依据或前后矛盾的地方；
2. 检查是否存在这个风险：忽视样本量；
3. 指出读者可能看不懂的表述；
4. 给出修改建议，但不要直接改写全文。
草稿：【粘贴】

追问技巧

  • 指出具体问题：不要只说“不好”，而是说“第二部分缺少依据”“语气太生硬”。
  • 给出示例：贴一段你满意的写法，让 AI 模仿。
  • 局部修改：要求“只修改第 3 段，其他保持不变”，避免整体重写带来新问题。
  • 让 AI 先提问：在开头加一句“开始前先问我 3 个你需要了解的问题”。
  • 最后一轮自查：让 AI 对照“忽视样本量”检查一遍并列出可疑之处。

接着看

说明：文中示例人物与场景均为虚构；AI 输出可能有误，请结合专业判断复核，并遵守所在单位关于 AI 工具与数据的规定。