如何使用 ChatGPT 做数据分析，同时不盲目相信它的结论

想用 ChatGPT 做数据分析，最稳妥的做法是把它当成一个”会写步骤、会解释、也会出错”的助手，而不是结论的最终来源。可行的流程可以概括为四步：先准备一份允许分享、已经去标识的数据；再写一页简短的数据说明，把每一列的含义讲清楚；然后让模型逐步输出假设、筛选条件、定义和计算过程；最后把它给出的每一个关键数字带回原始文件里核验一遍。只要每个结论都能被追回到具体的行、列和计算步骤，AI 就能真正节省时间；一旦做不到这一点，那个结论只能算”看起来合理的猜测”。

什么时候适合用，什么时候不适合用

适合用的场景通常有几个共同点：数据可以合法分享、判断错一次的代价不大、你自己有能力检查结果。比如你拿到一份陌生的表格，想快速搞清楚每一列大概是什么意思；或者你想在正式分析之前，先看看有没有明显的空值、重复行、格式不一致；又或者你写了一段公式、一段代码，希望有人帮你复核逻辑、解释报错。这类”探索”和”解释”任务，AI 的帮助往往最直接。

不适合用的场景同样清楚。凡是包含个人身份信息、客户名单、员工资料、未公开的内部数据，而你又没有得到明确授权，就不要上传。凡是结论会直接影响他人健康、法律权利或财务安排的判断，都应该交给有资质的专业人士处理，AI 的输出不能当作医疗、法律或金融建议。凡是你手上没有原始文件、事后无法回头核验的场合，也不要让 AI “补”出一个数字——你会没有办法判断它是算出来的还是编出来的。

还有一种中间情况：数据本身可以分享，但你对这个领域完全陌生。这时 AI 可以帮你提出问题、列出需要确认的定义，但不要让它替你下判断。把它的输出当成”待验证的清单”，而不是答案。

先写一页数据说明（给可复制模板）

绝大多数 AI 分析出错，都不是因为模型算错了，而是因为它猜错了列的含义。避免这件事的成本很低：在开始提问之前，先写一页数据说明，然后每次对话都把它贴在最前面。

下面这份模板可以直接复制修改：

数据说明模板
· 数据来源：这份数据从哪里导出，谁负责维护
· 授权状态：是否允许对外分享；是否已删除或替换个人身份信息
· 覆盖范围：时间范围、地区范围、是否只包含某一类记录
· 行的含义：一行代表什么（一个人、一笔订单、一天的汇总）
· 列清单：列名 / 含义 / 单位 / 取值范围 / 是否允许为空
· 已知问题：哪些列不可靠、哪些时间段缺失、哪些值是人工填写的
· 关键定义：“有效记录""活跃""完成”在这份数据里具体怎么算
· 不要做的事：不要推测缺失值、不要跨口径合并、不要引入外部数据

写完这一页，你多半会发现自己对数据的理解比想象中模糊。这恰恰是它的价值：把模糊的地方提前暴露出来，而不是等到结论出错才发现。

四步可核验分析流程

第一步：准备与去标识。 只保留分析真正需要的列，删除或替换姓名、联系方式、证件号、精确地址等标识信息。保存一份原始文件不动，另存一份工作副本，之后所有操作都在副本上进行，并记录你做过哪些删改。

第二步：让模型先复述，再动手。 把数据说明和文件交给模型后，第一个要求不是”分析”，而是”用你自己的话复述这份数据的结构，并列出你不确定的地方”。如果它的复述和你的理解有出入，先纠正，再继续。这一步能拦掉大部分误解。

第三步：一次只问一个问题，并要求写出过程。 每个问题都明确要求模型输出：它假设了什么、用了哪些筛选条件、关键指标怎么定义、分几步计算、结果对应哪些行。有过程的答案才可核验，只有结论的答案无法检查。

第四步：回到原始文件核验。 挑出结论里最关键的两三个数字，自己在表格软件里用筛选和公式重算一遍，或者让模型给出可运行的代码，你在本地跑一遍看是否一致。核验通过再写进报告；不通过就回到第二步，问题通常出在定义或筛选条件上。

四个提示词模板

以下四个模板都包含同一组硬性要求：写明假设、写明筛选条件、写明定义、写明计算步骤；遇到含义不清的列必须先提问，而不是猜测。

1. 列字典

这是我的数据说明和数据文件。请为每一列生成一份列字典，包含：列名、你推断的含义、数据类型、单位、缺失情况、明显异常的取值。
要求：明确写出你的每一条假设；列出你使用的筛选条件和判断步骤；如果某一列的含义无法从列名和样例中确定，不要猜测，直接列成问题问我，在我回答之前不要继续分析。

2. 异常检查

请检查这份数据的质量问题，包括：重复行、缺失值、格式不一致、超出合理范围的数值、时间顺序矛盾。
要求：逐项说明你的假设、判断标准（筛选条件）、该问题的定义以及分步计算过程；每个问题给出受影响的行数，并说明我如何在原始文件中定位这些行；不要修改数据，也不要填补缺失值；若判断标准依赖某列的业务含义而说明里没写清楚，先向我提问。

3. 分组比较

请按 [某一列] 分组，比较 [某一指标] 的差异。
要求：先写出你对该指标的定义和计算公式；列出全部筛选条件，包括排除了哪些行以及为什么；写出分步计算过程；给出每组的样本量；写明你所做的假设；明确声明这个比较只描述数据本身，不代表因果关系。如果分组列的取值含义不明确，先问我再计算。

4. 图表与代码复核

这是我的图表说明（或这段代码）。请复核它是否正确回答了我的问题。
要求：逐步说明这段逻辑做了什么；指出其中隐含的假设、被静默丢弃的行、单位或口径不一致的地方；写出你所依据的定义和筛选条件；如果结论不成立，说明是哪一步导致的；给出我可以自己运行来验证的最小步骤。任何地方需要知道列的业务含义而说明里没有写，先提问再继续。

怎样验证一个结果

检查项	为什么重要	怎么做
定义是否一致	同一个词换个口径，结果可能完全不同	让模型写出定义，与你的数据说明逐字对照
筛选条件是否完整	被静默排除的行会直接改变结论	要求列出全部筛选条件，并核对剩余行数
样本量是否足够	小样本的差异可能只是波动	检查每组的行数，过少就不下结论
计算步骤是否可见	没有过程的数字无法追溯	要求分步展示，自己重算最关键的一步
是否可复现	换一次对话结果就变，说明不可靠	用同样的说明重问一次，对比是否一致
能否回到原文件	这是判断数字真假的唯一硬标准	用筛选或公式在原始数据中核对具体数值
边界情况怎么处理	空值、零值、重复行常被忽略	单独确认这些行是被排除还是被计入

常见错误

最常见的错误是直接问”帮我分析一下这份数据”。问题太宽，模型只能自行假设，而你无从判断它假设了什么。第二个错误是没有数据说明就开始提问，导致列含义被猜错，后面所有计算都建立在错误前提上。第三个是把多个问题塞进一次提问，答案混在一起，很难定位偏差出在哪一步。

第四个错误是接受没有过程的结论。看起来干净利落的数字最危险，因为它没有留下任何可供检查的痕迹。第五个是把相关当成因果——分组之间存在差异，不等于其中一个导致了另一个。第六个是忽视隐私边界，为了方便直接上传含个人信息或未获授权的数据。第七个是把模型输出直接复制进正式材料，中间没有任何人工核验环节。

还有一个容易被忽略的错误：只保留支持自己预期的结果。如果你反复重问，直到得到想要的答案，那不是分析，而是筛选。

FAQ

ChatGPT 做数据分析有哪些好提示词？

好的提示词有几个共同点：先给背景（把数据说明贴在前面）、一次只问一件事、明确要求写出假设、筛选条件、定义和计算步骤，并加上一条约束——列含义不清时必须提问而不是猜测。本文的四个模板（列字典、异常检查、分组比较、图表与代码复核）覆盖了大多数日常场景，可以直接改写使用。

怎样用 ChatGPT 分析数据？

按四步走：准备并去标识数据，只在副本上操作；写一页数据说明，随每次提问一起提供；让模型先复述数据结构，再逐题作答并展示完整过程；最后把关键数字带回原始文件核验。核验不通过就回头修正定义或筛选条件，而不是继续追问同一个问题。

哪一种 AI 最适合数据分析？

这个问题没有普适答案，本文也不做具体推荐。不同工具的能力和可用范围会随时间变化，而是否合适更多取决于你的具体条件：数据能不能上传、所在组织有什么合规要求、你需不需要可运行的代码、结果是否必须复现。更实用的判断标准是两条：这个工具能否让你看到完整的计算过程，以及能否让你把结论追回到原始数据。做不到这两点的工具，界面再流畅也不适合用来做需要负责的分析。如果想了解官方使用说明或更宏观的组织落地视角，可以把 OpenAI Help 的产品文档和 MIT Sloan 的公开讨论作为延伸阅读背景，而不是作为本文任何结论的依据。

简短检查清单

• 数据允许分享，个人身份信息已删除或替换
• 原始文件已单独保存，只在副本上操作
• 数据说明已写好，并随每次提问一起提供
• 模型已复述数据结构，误解已纠正
• 一次只问一个问题
• 每个答案都包含假设、筛选条件、定义、计算步骤
• 关键数字已在原始文件中重算核对
• 样本量足够，没有把相关当成因果
• 结论中标注了不确定之处和未解决的问题
• 全文不涉及医疗、法律、金融方面的建议