20 個 ChatGPT 資料分析提示詞：取得更深入的洞察

模型在資料工作上真正有用的方式有兩種：撰寫由你親自執行的程式碼，以及質疑你已完成的分析。最不可靠的環節，往往正是許多人最信任它的事：解讀結果代表什麼。

以下 20 個提示詞橫跨六個階段，從檢查原始資料集到批判完成的分析。每個提示詞都有用途說明，而且都要求貼上真實的資料結構或數據，而非含糊描述。

它們適用於 ChatGPT 和類似模型。如果資料背後的問題還不明確，可先參考 AI 資料分析提示詞；一般提示技巧則可閱讀 ChatGPT 提示詞 指南。

• 它看不到你沒有提供的資料。貼上樣本或結構，否則得到的是對不存在資料集的分析。
• 產生的程式碼要執行並驗證。每次轉換前後都檢查資料列數。
• 它不知道你做了多少次測試。告訴它比較次數，單一 p 值否則意義有限。
• 相關不代表因果。改寫提示詞 6 時保留白話解釋因果的要求。
• 發表前先提出質疑。趁還來得及修改時使用提示詞 20。

這四個提示詞處理決定後續分析是否有意義的階段。每個都需要貼上樣本，而非口頭描述；GPT-5.6 Sol 擅長處理較長且多步驟的清理程式。

提示詞 1: 初步資料審查

我有一份資料集，欄位與樣本資料列如下：[貼上樣本]。請擔任資深資料分析師，審查：(1) 各欄位可能代表什麼，(2) 哪些欄位有缺失值、不一致或疑似錯誤，(3) 這份資料可以與無法可靠回答哪些問題，(4) 分析前應做哪些清理。

提示詞 2: 資料清理程式碼

請撰寫 Python pandas 程式清理資料集：[貼上樣本或結構]。(1) 依 [策略：刪除／中位數填補／眾數填補／向前填補] 處理 [欄名] 的缺失值，(2) 統一 [欄位] 中的 [已知不一致值]，(3) 將 [欄位] 轉成正確型別，(4) 根據 [鍵欄位] 刪除重複列。請為各步驟加上註解。

提示詞 3: 離群值偵測

我的資料有數值欄位 [列表]。請撰寫 Python 程式：(1) 使用 IQR 與 Z 分數偵測各欄離群值，(2) 列出兩種方法各自標記的數量，(3) 解釋差異和適用時機。資料共 [數量] 列，代表 [資料說明]。

提示詞 4: 特徵工程

我分析 [主題，例如客戶交易、網站工作階段、員工紀錄]，欄位為 [列表]。請根據現有欄位建議 5 至 8 個新特徵，以協助 [目標，例如預測流失、了解季節性、客戶分群]。逐一解釋其意義，並撰寫 pandas 程式碼。

這四個提示詞協助了解資料內容。每一步都應連結業務問題，否則探索只會產出圖表，未必產出答案。若需要更嚴謹的統計和研究設計，請看 ChatGPT 量化資料分析提示詞。

提示詞 5: 探索性分析計畫

我開始對 [主題] 做探索性資料分析。業務問題是 [問題]；資料欄位及型別為 [列表]。請規劃：(1) 關鍵欄位的單變量分析，(2) 與業務問題相關的雙變量分析，(3) 建議圖表及理由，(4) 應檢驗的假設。接著撰寫執行計畫的 Python 程式。

提示詞 6: 相關性分析

數值欄位為 [列表]，目標變數為 [欄名]。請撰寫 Python 程式：(1) 計算相關矩陣，(2) 找出與目標最相關的五個特徵，(3) 用 seaborn 繪製熱圖，(4) 以白話說明相關係數，以及高度相關能與不能證明哪些因果關係。

提示詞 7: 分群與分組

我想比較 [指標，例如營收、互動、流失率] 在不同群組的變化。分組欄位為 [類別欄位]。請撰寫 Python 程式：(1) 分別按各欄計算指標，(2) 計算最有意義的雙欄組合，(3) 標出顯著高於或低於平均的群組，(4) 產出清楚的結果表。

提示詞 8: 時間序列探索

我的時間序列包含日期欄 [欄名] 和指標欄 [欄名]，期間為 [日期範圍]，指標代表 [說明]。請撰寫 Python 程式：(1) 按日、週、月重新取樣，(2) 畫出各層級趨勢，(3) 計算並顯示 7 日與 30 日移動平均，(4) 標出前五個高峰與低谷，(5) 描述可見模式及可能成因。

開始前寫下業務問題並保持可見。如果資料是訪談或開放文字，而不是數字，請改用 ChatGPT 質性資料分析提示詞。

這三個提示詞用來產生查詢。模型的輸出是可實際執行的程式碼，因此容易驗證。務必指定 SQL 方言，並可考慮使用偏重程式設計的 Claude Sonnet 4.6 或 DeepSeek V4 Pro。

提示詞 9: 複雜彙總查詢

我使用 SQL 資料庫，結構為 [描述資料表和鍵欄位或貼上 CREATE TABLE]。請撰寫查詢以 [計算需求，例如各產品類別每月營收、月增率和三個月移動平均]。使用 [SQL 方言：PostgreSQL／BigQuery／MySQL／Snowflake]。為各段加註解，並列明你對結構所作的假設。

提示詞 10: 同期群分析查詢

請依我的資料表 [描述結構] 撰寫 SQL 同期群查詢：(1) 依使用者首次 [動作：購買、註冊] 的月份分組，(2) 追蹤第 1、2、3、6、12 個月回訪比例，(3) 輸出可匯至試算表的留存矩陣。使用 [SQL 方言]，並解釋分析方法和應留意的結果。

提示詞 11: 查詢最佳化

這段 SQL 查詢執行很慢：[貼上查詢]。資料庫使用 [SQL 方言]，相關資料表約有 [資料列數]。請：(1) 找出可能的效能瓶頸，(2) 改寫成更有效率的版本，(3) 建議適合的索引，(4) 說明更動與效能改善原因。

這三個提示詞最需要謹慎。即使統計結果毫無意義，模型也可能流暢地解釋。詢問數字意義前，先說明比較次數與測試設計。Claude Sonnet 5 通常較重視限制，而 AI 數學計算器 可輔助核對公式。

提示詞 12: 假設檢定

我想檢驗 [假設，例如收到折扣的客戶平均訂單金額較高]。資料包含 [相關欄位和樣本數]。請選擇合適的統計檢定並說明理由，撰寫執行檢定的 Python 程式，再用白話解讀結果，包括 p 值對業務決策的意義。

提示詞 13: A/B 測試分析

我進行 A/B 測試：對照組 [n] 人、實驗組 [n] 人，轉換率分別為 [%] 和 [%]，測試 [天數] 天。請分析：(1) 結果是否具統計顯著性及信心水準，(2) 效果大小是否具業務意義，(3) 測試設計是否有使結果無效的疑慮，(4) 下一步該做什麼。

提示詞 14: 迴歸分析

我想了解 [目標變數] 的驅動因素，特徵為 [欄位]。請撰寫 Python 程式：(1) 以目標為依變數、特徵為自變數做線性迴歸，(2) 檢查線性、同方差性、殘差常態性及多重共線性，(3) 白話解讀係數，(4) 找出預測力最強及應移除的特徵。

除了結果，也要交代過程：是否提前停止測試、看過多少項指標、資料是否來自實驗。想了解相關統計方法，可參考 ChatGPT 量化資料分析提示詞。

這三個提示詞協助傳達結果。明確指出受眾會顯著改變內容；AI 摘要工具 能先濃縮長篇筆記。

提示詞 15: 圖表選擇與程式碼

我想視覺化 [例如各產品類別的客戶年齡分布、每週營收趨勢、行銷支出與轉換關係]，相關欄位是 [列表]。請推薦各項最適合的圖表並說明原因，再用 matplotlib 和 seaborn 撰寫程式，加入標題、座標軸標籤與適合商務簡報的配色。

提示詞 16: 儀表板設計計畫

我為 [受眾，例如銷售主管、行銷團隊、董事會] 製作儀表板；他們最關心的問題是 [問題]。資料包括 [資料集與關鍵指標]。請設計：(1) 頂部 3 至 5 個 KPI，(2) 輔助圖表與細分，(3) 所需篩選器和控制項，(4) 版面與視覺層次。解釋每個元素存在的理由。

提示詞 17: 洞察敘事

我已分析 [主題]，發現 [貼上結果或摘要統計]。請為 [對象，例如財務長、產品團隊、董事會] 撰寫不超過 300 字的主管摘要：(1) 首先提出最重要發現，(2) 白話說明業務意義，(3) 提供 2 至 3 項支持證據，(4) 說明主要不確定性或限制，(5) 以明確建議結尾。

每次摘要都保留提示詞 17 的第 4 點：如果省略主要限制，結論終究會被斷章取義。搜尋資料報告則可看 ChatGPT SEO 提示詞。

最後三個提示詞中，提示詞 20 尤其重要：它會檢驗你自己的結論。更多業務分析與報告構想，可參考 AI 資料分析提示詞。

提示詞 18: 客戶分群

我想依客戶行為分群，客戶層級特徵為 [總支出、購買頻率、距上次購買天數、購買類別等]。請撰寫 Python 程式：(1) 標準化特徵，(2) 用 K-means 分成 3 至 6 群，(3) 以肘部法決定群數，(4) 描述各群差異，(5) 為每群建議名稱及業務行動。

提示詞 19: 異常偵測

我需要在 [例如每日交易量、伺服器回應時間、每週銷售] 中找異常。資料結構與期間為 [說明]。請撰寫 Python 程式：(1) 使用 Isolation Forest，(2) 顯示正常與異常點，(3) 列出最異常的十筆資料及關鍵數值，(4) 解釋此方法擅長偵測與可能漏掉的異常。

提示詞 20: 分析審查與批判

我完成以下分析：[貼上分析、方法和發現]。請擔任嚴格的同儕審查者，找出：(1) 方法缺陷或無效假設，(2) 被忽略的替代解釋，(3) 未控制的混雜變數，(4) 結論是否超出證據，(5) 哪些額外分析能支持或挑戰結論。

貼上實際結構，不要只描述。欄位定義、十筆樣本、真實欄名和資料列數會徹底改變結果。先遮蔽或替換敏感資訊；提示詞不需要真實客戶姓名或公司識別碼。

對 SQL 和 Python 提示詞，把同一查詢交給兩個模型，有助於在錯誤進入儀表板前發現邏輯問題。若貼上大量匯出資料或長篇結構，Gemini 3.5 Flash 能一次容納更多上下文。

你可以在 Chat Smith 的 AI 聊天 免費試用本頁全部提示詞。

最重要的習慣：執行程式碼、核對資料列數，並在詢問結果意義前告訴模型你做了什麼。少了任何一步，都可能造成嚴重錯誤。