資料分析師ChatGPT提示詞2026｜分析師必備Prompt模板
最後更新：2025年12月 | 適用於ChatGPT、Claude、DeepSeek等AI模型
為什麼資料分析師需要專業的Prompt？
資料分析師的日常充滿重複性工作：寫SQL、清洗資料、做圖表、寫報告。ChatGPT可以將這些工作效 率提升10倍，但前提是你需要用對Prompt。
使用本頁Prompt的優勢：
- 快速生成複雜SQL查詢
- 自動化資料清洗程式碼
- 智慧解讀資料洞察
- 專業的分析報告框架
核心角色Prompt（複製即用）
在開始任何資料分析對話前，先傳送以下Prompt：
你现在是一名拥有8年经验的资深数据分析师，你：
- 精通SQL、Python（Pandas/NumPy/Matplotlib）、R语言
- 熟悉Excel高级功能、Tableau、Power BI等可视化工具
- 擅长统计分析、A/B测试、用户行为分析、商业智能
- 能从数据中提取业务洞察，支持决策
请以这个专业身份为我解答问题。回答时：
1. 先理解业务背景和分析目标
2. 提供可直接运行的代码
3. 解释分析思路和方法选择
4. 给出数据解读和行动建议
一、SQL查詢與最佳化 🗄️
基礎查詢
| 場景 | Prompt模板 |
|---|---|
| 資料提取 | 請寫SQL查詢[過去30天每日活躍使用者數]，表結構：users(id, created_at)，events(user_id, event_time, event_type) |
| 多表關聯 | 請寫SQL查詢[使用者的訂單總額和最近一次購買時間]，涉及表：users, orders, order_items |
| 複雜聚合 | 請寫SQL計算[各產品類目的月環比增長率]，表：orders(order_id, product_category, amount, order_date) |
高階查詢
| 場景 | Prompt模板 |
|---|---|
| 視窗函式 | 請用視窗函式計算[使用者的累計消費金額和消費 排名]，表結構：[描述] |
| 漏斗分析 | 請寫SQL實現[註冊-下單-支付]轉化漏斗分析，資料在events表中 |
| 留存分析 | 請寫SQL計算[7日留存率]，按註冊日期分組，表結構：[描述] |
SQL最佳化
| 場景 | Prompt模板 |
|---|---|
| 效能最佳化 | 這個SQL執行很慢，請分析原因並最佳化：[SQL語句] |
| 索引建議 | 這是表結構和常用查詢，請給出索引最佳化建議：[表結構] [查詢] |
| 執行計劃 | 請解讀這個SQL執行計劃，找出效能瓶頸：[執行計劃] |
二、Python資料分析 🐍
資料清洗
| 場景 | Prompt模板 |
|---|---|
| 缺失值處理 | 請用Pandas處理這個DataFrame的缺失值，策略：[數值列用均值，分類列用眾數] |
| 異常值檢測 | 請寫Python程式碼檢測並處理[銷售額]列的異常值，使用IQR方法 |
| 資料標準化 | 請對這些特徵列做標準化/歸一化處理：[列名列表] |
資料處理
| 場景 | Prompt模板 |
|---|---|
| 資料透視 | 請用Pandas實現：按[月份]和[產品類別]的銷售額透視表 |
| 時間序列 | 請將日期列轉換為時間索引，並按周聚合資料 |
| 資料合併 | 請將這兩個DataFrame按[user_id]關聯合並，保留所有使用者 |
統計分析
| 場景 | Prompt模板 |
|---|---|
| 假設檢驗 | 請用Python做A/B測試分析，對照組資料：[資料]，實驗組資料：[資料] |
| 相關性分析 | 請分析[價格、評分、銷量]之間的相關性，並視覺化 |
| 迴歸分析 | 請建立一個預測[銷量]的多元線性迴歸模型，特徵：[特徵列表] |
三、資料視覺化 📊
Python視覺化
| 場景 | Prompt模板 |
|---|---|
| 趨勢圖 | 請用Matplotlib繪製[過去12個月的銷售額趨勢圖]，標註同比增長 |
| 對比圖 | 請用Seaborn繪製[各渠道轉化率對比的柱狀圖]，降序排列 |
| 分佈圖 | 請繪製[使用者年齡分佈直方圖]和[消費金額箱線圖] |
高階圖表
| 場景 | Prompt模板 |
|---|---|
| 熱力圖 | 請繪製[各時段各渠道的轉化率熱力圖] |
| 漏斗圖 | 請用Plotly繪製[使用者轉化漏斗圖]，資料：[各階段資料] |
| 組合圖 | 請繪製[柱狀圖+折線圖]組合，展示[銷售額和環比增長率] |
儀表盤程式碼
| 場景 | Prompt模板 |
|---|---|
| Tableau計算 | 請寫Tableau計算欄位：[同期對比增長率] |
| Power BI DAX | 請寫DAX公式計算：[滾動30天平均銷售額] |
四、業務分析 💼
使用者分析
| 場景 | Prompt模板 |
|---|---|
| 使用者分層 | 請設計RFM使用者分層模型，資料：[訂單表結構]，給出SQL和分析框架 |
| 生命週期 | 請分析使用者生命週期價值(LTV)，資料：[使用者表、訂單表] |
| 流失預警 | 請設計使用者流失預警模型，特徵：[最近登入、訂單頻率等] |
業務指標
| 場景 | Prompt模板 |
|---|---|
| 指標體系 | 請為[電商平臺]設計核心指標體系，覆蓋：流量、轉化、復購、ROI |
| 異動分析 | [日活]昨天下降了20%，請給出歸因分析框架和SQL查詢 |
| 預測模型 | 請建立[下月銷售額]預測模型，歷史資料：[12個月銷售額] |
報告撰寫
| 場景 | Prompt模板 |
|---|---|
| 週報框架 | 請為[運營週報]設計報告框架，包含：核心指標、趨勢、問題、建議 |
| 資料解讀 | 請解讀以下資料並給出業務洞察：[資料表格/圖表] |
| PPT大綱 | 請為[Q4業務分析彙報]設計PPT大綱，資料：[核心指標資料] |
五、Excel高階應用 📈
函式公式
| 場景 | Prompt模板 |
|---|---|
| VLOOKUP替代 | 請用XLOOKUP/INDEX-MATCH實現：在[Sheet2]中查詢[產品ID]返回[價格] |
| 條件聚合 | 請寫SUMIFS/COUNTIFS公式：統計[北京地區][2024年][銷售額>1萬]的訂單數 |
| 動態陣列 | 請用FILTER函式篩選：[狀態=已完成]且[金額>100]的訂單 |
資料透視
| 場景 | Prompt模板 |
|---|---|
| 透視表設計 | 請設計Excel透視表：按[地區-月份]展示[銷售額、訂單數、客單價] |
| 切片器聯動 | 請說明如何設定多個透視表共用切片器 |
六、機器學習基礎 🤖
| 場景 | Prompt模板 |
|---|---|
| 分類模型 | 請用Python建立[使用者是否會購買]的分類模型，資料特徵：[特徵列表] |
| 聚類分析 | 請用K-Means對使用者進行分群，特徵：[RFM指標]，程式碼和解讀 |
| 特徵工程 | 請對這些原始特徵做特徵工程：[特徵列表]，生成更有預測力的新特徵 |
使用技巧
- 提供表結構：欄位名、資料型別、表關係
- 說明業務背景：分析目的、使用場景、決策需求
- 指定工具版本：Python 3.x、MySQL 8.0、Excel 365等
- 要求註釋：讓AI在程式碼中新增詳細註釋