你岗位的 AI 智能体

我在做【业务,如下单转化】的数据分析,用的数据平台 / 数仓是【Hive / ClickHouse / 自建】、BI 工具是【Tableau / QuickBI / Metabase】,团队对【指标,如转化率】的算法一直不统一(口径说明发给谁确认:【角色】,未定标【待补】),帮我把它定义清楚:分子分母各是什么、去重粒度(用户 / 设备 / 订单)、统计周期与时间窗口、统计时区口径(自然日以哪个时区为界)、过滤规则与可用拆分维度,以及【常与它混淆的候选指标】里哪些容易和它混淆;统计周期 / 时区或去重粒度未定的标【需确认】,缺失字段标【待补】;最后给一段能直接发给业务方确认的口径说明,并说明该口径定版后如变更须记录版本号与生效日期,不要编造数据。

我用的是【Hive / ClickHouse / MySQL】(运行环境:测试库还是生产库,生产库只读),涉用户明细 / 手机号 / 订单明细的字段我已先用聚合字段替代或脱敏、不贴原始明细,下面这几张表的表结构与字段含义、关联键是否唯一、分区键 / 排序键 / 跳数索引(MySQL 则为索引)、分区日期与业务日切 / 时区口径,以及可复用的汇总表 / 宽表我贴给你,帮我写一条可在测试库试跑的 SQL 取【业务问题,如近 30 天各渠道复购率】:含多表关联、分组与去重(JOIN 前先确认关联键唯一以防行数膨胀,NULL 与去重口径先声明),再用中文解释每段在做什么,并标出可能的慢查询风险与可落地的优化方向(分区裁剪 / 预聚合 / 排序键;MySQL 为索引);表结构或分区 / 索引 / 关联键信息没给全的标【待补】、口径有歧义处标【需确认】,并提醒我上生产前须核对行数与口径,不要编造字段或数据。

这是【指标,如日活】近一段时间的每日数据、且已按【渠道 / 端 / 地区 / 新老用户等】维度拆分(对比基期:环比上期 / 同比 / 去年同期 / 同周几),数据平台 / 数仓是【Hive / ClickHouse / 自建】、日切与时区口径我先声明,涉用户标识的分维度明细我已按用户标识聚合或脱敏后再贴、不贴原始明细,同期运营动作记录(活动 / 发版 / 投放)与异常期内的口径变更 / 埋点上报发版 / ETL 调度故障记录一并附上,我发现【日期】出现了明显的上涨或下跌,帮我定位原因:第一步先确认数据本身无口径变更与数仓 / 埋点任务异常、排除数据侧问题,再按【渠道 / 端 / 地区 / 新老用户等】逐步下钻,每一步说明用什么对比、注明所用对比基期、看什么结果,并区分相关性与因果、不得把维度相关直接当成原因,最后给出可能的原因清单和验证方法;无分维度数据处标【待补】、口径不明处标【需确认】,不要编造数据。

这是我准备给领导汇报的【业务】数据(几张关键表格,来自【Tableau / QuickBI / 自建报表】,含指标名、维度、时间粒度与各对比期数值,各期指标口径与统计周期是否一致我先核对),表格若带用户明细 / 手机号我已先脱敏或只留聚合字段,指标口径与对比基期我先声明(领导重点关注的指标:【2–3 个】),并附同期运营动作 / 大事件记录,帮我读出结论:用 3 句话概括整体表现,指出最值得关注的 3 个变化和背后可能的业务原因(仅相关、非因果,不得当成确定因果),给出下一步建议,并配 3 张图表的说明(每张想表达什么、用什么图);各期口径不一致处标【需确认】并提示同比 / 环比不可比,数据缺失处标【待补】,不要编造数据。

我要用【Tableau / QuickBI / Metabase】给【业务/团队】搭一个数据看板,底层数据来自【Hive / ClickHouse / 自建】数仓、刷新时效我先声明(现有指标字典 / 口径来源:【有 / 无】,核心指标口径以我给的指标字典 / 业务确认为准)、单看板的指标数量与查询性能 / 加载成本约束我也声明,他们主要关心【决策场景,如日常监控 / 周报 / 投放优化】,帮我设计看板方案:需要哪些核心指标及各自口径、每个指标的图表形式和布局、筛选维度和刷新频率,以及哪些指标放首屏、哪些可以收起;无现成口径时不得编造、一律标【需确认】,缺失字段标【待补】,不要编造数据。

我会给你【分析主题,如某活动复盘】的原始数据(来自【Hive / ClickHouse / 自建】数仓,取数口径我先声明,含各口径的分子与分母 / 总量;涉用户明细我已按维度聚合或脱敏后再贴)和业务背景(目标读者与期望长度:【业务方或领导 + 篇幅】、可动用的资源与期限),帮我写一份数据分析报告:先给结论和建议,再列关键数据支撑,中间分业务过程和维度展开,最后给可以直接执行的行动项(落到可执行动作、负责人与期限,缺资源标【需确认】),结论须区分相关与因果、涉及因果要给出验证方法或标【需确认】,语言少用术语、让非技术的业务方也能看懂;数据缺失处标【待补】、口径不明处标【需确认】,不要编造数据。

这是我们 A/B 实验的两组数据(实验目的、分流规则和样本量我先声明,显著性水平 α 取【如 0.05】、单 / 双侧检验与检验方法为【如卡方 / t 检验】、最小可检测效应 MDE 为【…】,数据来自【Hive / ClickHouse / 自建】数仓),涉用户标识的分组数据我已按分组聚合或脱敏后再贴、不贴原始明细,指标分比率类(给分子转化数与分母样本量)与连续类(给均值与标准差或分位数),并已按【渠道 / 端 / 新老用户】拆分出两组分层数据,帮我判断结果是否可信:先核对两组样本量和分流是否均匀,再计算核心指标的差异和显著性,分层按渠道 / 端 / 新老用户逐组比较时须做多重比较校正(如 Bonferroni / FDR,或先声明主检验维度)、未校正前不得据单一渠道差异下结论,并指出有没有被辛普森悖论或样本污染影响——无分层数据则标【待补】、不得对辛普森悖论下结论;若样本量或实验功效不足、或分流不均,不得给出明确结论,应说明需延长观察 / 加大样本并给出所需样本量估算;数据缺失处标【待补】、口径不明处标【需确认】,不要编造数据。

业务方提了一个取数需求:【原话】(需求方 / 期望交付时间 / 用途,是否涉及个人 / 敏感字段我先声明),我们用的数据平台 / 数仓是【Hive / ClickHouse / 自建】、埋点方案是【神策 / 自建埋点】(落库情况与历史数据覆盖我先声明)、合规口径是【需脱敏 / 需走审批 / 无要求】,涉个人信息的字段我已在需求里标注脱敏或审批要求、不贴原始明细,现有报表 / 看板 / 常用汇总表清单如下,帮我评估这个需求能不能做、有没有更省事的做法:需要哪些字段、现在的埋点和表是否支持、是否涉及个人 / 敏感字段需脱敏或审批、口径上有没有歧义,再列一份我去找业务方确认的问题清单;缺失处标【待补】、口径有歧义处标【需确认】,不要编造数据。

请扮演熟悉数据分析的助手,帮我把这个指标做拆解:先说明总指标口径,再按业务流程把它层层拆成子指标,给出每个子指标的定义、计算公式和数据来源,并按渠道、品类、时间等维度列拆法,最后说明怎么用框架找问题。材料:【目标指标与口径】【业务流程】【现有数据与维度】。取不到数的标【待补】,不要替我下业务结论、也不要编造口径。

请扮演熟悉数据分析的助手,帮我做一次转化漏斗分析:先按我给的漏斗环节和埋点事件确认这是同一条用户链路,再按我定的去重口径和统计周期,逐级计算每个环节的人数、逐级转化率、流失率和整体转化率,给出每一步的计算公式与中间数,然后按渠道、端、新老用户等维度拆出差异,标出流失最大的环节,并列出口径核查点和可能原因的排查清单。材料:【漏斗环节与对应埋点事件】【统计口径与周期时区】【数仓表或埋点导出数据】【拆分维度】【往期基线,没有写无】。缺失的字段和取不到的数标【待补】,不要编造人数与比例;计数结果我会人工复核,原因只做推测、不要写成定论,也不要替我决定怎么改产品。

请扮演数据分析助手,帮我做用户留存分析:先按我声明的留存定义(分析哪类用户、首日如何认定、回访触发哪个埋点事件)、统计口径(账号 / 设备去重、周期与时区)和数仓数据来源,逐批构建同期群,计算次日、7 日、30 日留存人数与留存率并写出计算过程,再按渠道、端、版本等维度做留存曲线对比,圈出异常同期群并给排查方向,最后输出可固化到看板的指标字段建议。材料:【留存定义与回访事件】【统计口径与时区】【数仓表与埋点字段(用户明细已聚合或脱敏)】【拆分维度取值】【往期基线(无则标待补)】。与现有看板口径冲突处单列并标【需确认】,统一口径后再计算;缺失字段标【待补】、不要臆造人数和基准,所有计数我会人工复核,异常原因只作假设、归因由我结合业务人工判断。

请扮演数据架构与分析助手,帮我搭建用户标签体系:先按我给的业务目标(运营圈选 / 风控 / 推荐场景)、数仓与埋点及 CRM 可用字段、现有标签口径和统计窗口时区,设计事实 / 规则 / 预测三类标签的分层框架,逐个输出标签字典(标签名、业务含义、计算口径、来源字段、更新频率、负责人),再给落地优先级建议和合规脱敏清单。材料:【业务目标与圈选场景】【数据源字段与更新频率】【现有标签口径】【统计窗口与时区规则】【个人信息授权与脱敏要求】。预测标签须注明模型或规则依据、准确率需回测,无依据或未回测的标【待补】;与现有看板口径冲突的标签单列、不默认采用某一方说法;其他缺字段或无历史口径的也标【待补】,合规拿不准的标【需确认】转法务,不要编造字段或预测结果,分类与优先级属建议需我人工判断,标签口径上线前我会与现有看板复核一致。

已复制,去发给你的 AI 智能体