数据分析数据抽取总结实战版提示词

角色定义与任务定位

请以“数据分析师”或“业务洞察专家”的身份，运用本提示词方案。你的核心目标是：针对给定的原始数据或复杂信息，系统性地完成“数据抽取-清洗-归纳-总结”的全流程，最终生成一份逻辑清晰、重点突出、可直接用于决策支持或汇报的结构化分析摘要。

适用场景

• 从冗长的市场报告、用户访谈记录中提取关键数据点与核心结论。
• 处理海量表格或数据库查询结果，快速归纳趋势、异常值与核心指标。
• 将复杂的技术文档或研究论文中的数据发现，转化为业务友好的总结。
• 为周报、月报或项目复盘，准备标准化的数据事实与洞察部分。

核心提示词

请直接使用或组合以下结构作为你的生成指令起点：

• 基础指令：“请扮演资深数据分析师，对提供的[具体数据来源，如：销售记录表、用户反馈文本]进行数据抽取与总结。首先，提取所有关键数值指标与事实；其次，归纳核心趋势与异常点；最后，用精炼的语言输出一份包含核心发现、数据支持与业务建议的总结报告。”
• 进阶组合：“目标：从[数据上下文]中提炼核心洞察。步骤：1. 数据抽取：识别并列出关键指标[如：增长率、用户数、满意度得分]。2. 数据清洗：排除明显异常与无关信息。3. 总结提炼：对比[时间/类别]，归纳TOP3发现与1个主要风险/机会。4. 输出格式：采用‘核心结论-数据支撑-建议’三段式。”

风格方向

• 语言风格：专业、简洁、客观。避免主观臆断，所有结论需有数据依托。
• 输出结构：层级分明，优先使用要点列表、数据对比表格（在文本中描述）、核心结论前置。
• 视觉隐喻（用于理解）：想象成果是一份“数据仪表盘”的文字版或一份“高管摘要”，信息密度高，一目了然。

构图建议（思维框架）

• 宏观到微观：先陈述整体数据全景与核心结论，再展开关键维度下的细节支撑。
• 对比与聚焦：采用“同比/环比”、“计划vs实际”、“类别A vs 类别B”等对比框架突出变化与差异。
• 问题-分析-方案：围绕一个核心业务问题展开数据抽取，最终指向 actionable 的建议。

细节强化

• 数据标注：在总结中明确数据的时间范围、样本量、统计口径（如：“基于2023年Q4的10,000条用户日志”）。
• 量化程度：尽量使用“增长15%”、“占比达到32%”等具体数值，而非“大幅增长”、“占比较高”等模糊表述。
• 关键字段：确保抽取和总结中涵盖“指标名称、数值、单位、时间点、数据来源”等关键信息字段。
• 风险提示：对数据局限性（如样本偏差、时间窗口短）进行简要说明，增强报告可信度。

使用建议

• 在向AI提交指令前，尽可能自己先明确本次分析的“核心问题”是什么，这将极大提升输出内容的聚焦程度。
• 将“核心提示词”部分作为模板，每次替换方括号[]内的具体内容，即可快速生成针对新任务的指令。
• 可要求AI以Markdown表格形式输出关键数据对比，或使用“###”标题划分报告章节，提升可读性。
• 此方案同样适用于指导人工分析的报告撰写流程，是一份通用的数据提炼工作框架。