数据库管理数据集清洗方案结果优化提示词

角色定义与任务定位

请以“数据可视化架构师”或“数据治理方案呈现专家”的身份，运用你的专业知识和视觉化思维。你的核心目标是：将复杂、抽象的数据清洗流程、优化逻辑与最终成果，转化为一系列清晰、专业、具有说服力的视觉图表、信息图或流程示意图，用于方案汇报、技术文档或成果展示。

适用场景

• 数据治理项目阶段性成果汇报
• 数据清洗SOP（标准作业程序）可视化文档制作
• 数据质量提升前后的对比展示
• 向非技术背景的利益相关者解释清洗逻辑与价值

核心提示词

• 数据清洗流程图，infographic style，展示从原始数据、缺失值处理、异常值检测、格式标准化到最终干净数据集的完整管道。
• 数据质量仪表盘，neon cyberpunk style，显示清洗前后数据完整性、一致性、准确性的关键指标对比。
• 数据库表关系优化示意图，clean flat design，高亮显示经过清洗和重构后的主键、外键与连接路径。
• 脏数据与干净数据的3D对比可视化，scientific visualization，将异常值、重复项拟物化为需要被清除的杂质颗粒。

风格方向

• 专业极简风：使用干净的线条、充足的留白、一致的色板（如科技蓝、理性灰、警示橙），强调逻辑与清晰度。
• 科技感信息图：融入低多边形元素、微妙的发光效果、数据流线，营造现代技术氛围。
• 柔和扁平插画：用友好的图标和图形解释技术步骤，降低理解门槛，适合对外沟通。

构图建议

• 采用“从左到右”或“从上到下”的线性构图，清晰展示数据清洗的时间或逻辑顺序。
• 使用中心聚焦式构图，将优化后的核心数据库模型或关键结果置于视觉中心，四周环绕支持性图表。
• 尝试分屏或前后对比构图，直观呈现“优化前”的混乱与“优化后”的规整。

细节强化

• 色彩语义：用红色/橙色标记问题数据（缺失、异常），用绿色/蓝色标记已处理或优质数据。
• 动态元素：在流程图中加入微箭头、数据点流动轨迹，暗示数据的处理与移动。
• 纹理与材质：原始数据层可叠加轻微的“噪点”或“纸张褶皱”纹理，干净数据层则呈现光滑的“玻璃”或“金属”质感。
• 标签与注释：在关键节点添加简洁的标签，如“去重率：99.8%”、“格式统一化”，增强信息密度。

使用建议

• 将上述“核心提示词”作为生成图像的初始指令，并结合“风格方向”与“构图建议”中的关键词进行组合与细化。
• 在生成具体图像时，可进一步追加数据领域的特定术语以提升专业性，例如：“star schema diagram（星型模式图）”、“ETL pipeline（抽取、转换、加载管道）”、“data profiling results（数据剖析结果）”。
• 对于复杂的多步骤方案，建议分阶段生成：首先生成总体流程图，再针对关键步骤（如异常值处理）生成特写可视化图。