场景 05 · 分析
千问办公数据分析 读表、找规律、给可核对的结论
分析的价值不在结论漂亮,而在能指回原始数据。这一段讲怎么提问才能拿到可验证的结论,以及哪些分析它做不了。
有效提问的四个要素
「分析一下这份数据」得到的是套话。把问题收窄到可证伪:
| 要素 | 示例 |
|---|---|
| 对比对象 | 本月 vs 上月、A 渠道 vs B 渠道 |
| 指标口径 | 复购率 = 二次购买客户数 / 首购客户数 |
| 时间范围 | 2026-07 至 2026-09,剔除退款单 |
| 期望输出 | 三条结论 + 每条对应的数据行 |
要求结论可回溯
明确要求「每个结论附上支撑数据与所在行号或筛选条件」。这样你能抽查,也能发现它是否在编。
结论:老客复购率从 32% 降到 26%
支撑:客户表 C 列首购时间在 2025 年前的 4,812 人,
其中 2026Q3 有二次购买记录 1,251 人 → 26.0%
核对方式:按「首购年份 ≤ 2025」筛选后统计订单数 ≥ 2 的客户
给不出核对路径的结论,一律当作待验证。
三类常见误区
- 相关当因果。某渠道转化高,可能只是客单价低、人群年轻,不代表渠道本身更好;
- 平均值掩盖分布。平均响应时间 3 小时,可能是 90% 在 10 分钟内、10% 拖了三天;
- 口径悄悄变化。两月对比时若统计规则变了,趋势就没有意义。让它先确认两期口径是否一致。
规模与工具边界
万行以内可以在会话里直接读表分析;数据再大,建议先用本地透视表或 SQL 聚合成小表,把聚合后的小表交给它解释。它不是数据库引擎,也不是 BI 工具,替代不了后者。
涉密数据提醒:分析在云端完成,数据会离开本机。客户明细、财务原始凭证等敏感数据,先脱敏再上传。