AI能算数据，但算不出业务判断。本文给出一套四步工作流：数据清洗、描述统计、归因追问、结论表达，配可直接套用的提示词，并说明哪些环节绝对不能交给AI。
AI擅长的：写查询语句、做描述统计、发现异常值、归纳趋势、把结论翻译成人话、生成图表代码。
AI不擅长的：判断这个异常是系统bug还是真实业务变化、知道上个月公司做了什么促销活动、理解某个客户为什么流失。
所以正确的分工是：AI负责"发生了什么"，你负责"为什么发生"和"该怎么办"。
第一步：清洗（最耗时也最容易被跳过）
真实数据几乎都是脏的：空值、重复、单位不统一、日期格式混乱、同一个客户有五种写法。不清洗直接分析，结论必然出错。
以下是我数据的基本情况："""【列名字段说明、行数、数据来源、已知的脏数据情况】"""
请帮我列出这类数据在分析前必须做的清洗步骤清单，标注每一步的目的和不做会导致什么错误。
让AI先出清单，比你凭记忆检查靠谱。
第二步：描述现状（让AI算，不要让它猜）
这是过去12个月的销售数据："""【粘贴脱敏数据或摘要】"""
请输出：①三个最显著的趋势（配变化幅度）；②两个异常点（说明偏离程度）；③按【区域/品类】维度的排名和占比。
约束：只使用我提供的数据；任何数据里没有的信息写"数据未覆盖"；每个结论后面标注依据的字段。
注意"标注依据字段"这句——它让结论可追溯，也方便你发现AI的误读。
第三步：追问归因（这一步必须有你的业务知识）
针对你刚才发现的【某趋势】，我补充背景："""【说明这段时间公司做了什么、市场有什么变化】"""
请重新评估这个趋势的可能原因，按可能性排序，并说明每个推断需要用什么数据来验证。
这一步是关键。没有你补充的背景，AI的归因就是猜测。 你给的背景越具体，它的推断越有价值。
第四步：形成结论（要可执行）
把以上分析整理成给【管理层/部门负责人】看的结论，要求：
①每页不超过三条结论，每条结论必须跟一个具体动作
②动作要写清楚谁做、什么时候做、做完怎么算成功
③单独列出"本次分析的局限"（数据口径、时间范围、未覆盖的维度）
④不要出现"建议加强""持续优化"这类无信息量的建议
第③条容易被忽略，但它恰恰是专业和业余的分界线。主动说明局限，结论反而更可信。
描述性统计用表格，趋势和对比用图。可以让AI直接生成代码：
用Python的matplotlib画一张图：横轴是月份，纵轴是销售额，画出三条线（三个区域），要求：①中文标签正常显示；②配色专业不花哨；③标注出最高点和最低点；④给出完整可运行代码，并说明需要安装哪些库
如果你不会Python，也可以让AI给出Excel图表的具体操作步骤（点哪个菜单、选什么类型、怎么设置次坐标轴）。
一、口径定义。 "销售额"是下单金额还是回款金额？"活跃用户"是登录还是产生行为？口径错了，后面全错。这个必须由业务方定死。
二、最终数字对外发布。 任何要写进报告、发给客户、上报给总部的数字，必须由人对照源系统核验。AI在计算长串数字时完全可能出现偏差。
三、决策本身。 AI可以给选项和依据，但"要不要砍掉这条产品线"这类决策，责任在人。把AI的结论当决策依据是可以的，当决策本身是危险的。
假设你是连锁门店的运营，发现某区域月度销售下滑12%：
整个过程AI帮你完成了清洗清单、统计计算、图表和结论组织，而"排除异常门店""知道周边开了竞品"这些关键判断来自你。这就是人机配合的正确姿势。
三种办法。一是只粘贴汇总后的数据（按月的汇总表通常只有十几行）；二是让AI写代码，你在本地运行（这是最推荐的方式，既解决长度问题，又避免数据外传）；三是使用支持文件分析的AI工具，直接上传文件——但要注意数据脱敏和平台的数据使用政策。
两个习惯。第一，要求AI展示计算过程而不只是结果，比如"列出每月的计算式和中间值"，你抽查两三个就能发现问题。第二，交叉验证——同一组数据用两种方式问（一次要汇总值，一次要明细再自己加总），结果对不上就说明有问题。涉及对外发布的数字，无论如何都要回到源系统核对。
能做基础分析，但要知道边界。描述性的"发生了什么"（趋势、占比、排名）AI可以很好地完成。推断性的（显著性检验、因果判断、预测）需要统计基础，否则容易误读AI给出的结果。一个实用做法：让AI用大白话解释它用的方法适合什么、不适合什么，再决定要不要采信。