夜雨聆风
00 写在前面
星球哥（AI赋能版）上线啦！🌟
大家好，我是星球哥，一个8年多经验的大厂数据分析师，也是大家的求职搭子。AI大模型现在如火如荼，能力也越来越强大，很多岗位的工作内容和形式都在发生着变化，数据分析这个岗位也不例外。所以这个系列我们就来聊聊：AI时代下，数据分析会发生怎样的变化？数据分析师会被取代么？数据分析师应该要如何顺应变化，让AI为自己赋能？一起来聊聊！
今天这条我专门写给产品经理、运营同学，尤其是不会SQL的小白。
先问你一个特别扎心的问题： 是不是经常出现这种场景—— 老板/同事突然来一句：“帮我看下昨天转化/活动效果/新版本影响。” 你打开数据平台一脸懵：表在哪？字段叫啥？SQL怎么写？ 于是你去问数据同学，结果对方回你：“你先把口径说清楚。” 你更懵了：口径是什么？我要怎么说？
今天我就给你一套“拿来就能用”的东西：
产品运营小白用AI写SQL的提问模板（直接照抄） 你不需要懂复杂SQL，你只需要把需求说清楚，AI就能写出更接近可直接用的SQL。 同时我也会教你一个小技巧：怎么让AI先反问你，避免一上来就写错。
【先把反直觉讲清楚】不会SQL的人，最大问题不是“不会写”，而是“不会问”
很多人用AI写SQL失败，不是AI不行，而是你给的输入像这样：
“帮我查下昨天转化率”
“帮我看下活动效果”
“帮我分析下新版本影响”
这种输入，必翻车。因为它缺了最关键的东西：
转化率到底是“下单/支付/注册/首购”？
分母是“UV/点击/曝光/会话”？
时间用“下单时间/支付时间”？
活动人群怎么定义？领券算参与还是下单算参与？
新版本是全量还是灰度？有没有对照组？
你看，你不是不会SQL，你是不知道该补哪些信息。 所以正确姿势是：先用模板把需求补齐，再让AI写。
01 AI写SQL提问模板
第一部分：产品运营小白“AI写SQL提问模板”（四件套，直接抄）
你以后不管查什么数据，都先把需求按这四件套写出来。
写完再丢给AI，成功率会高很多。
【提问四件套】
1）我要看什么指标（指标定义）
例：支付转化率/下单转化率/首购转化率/活动参与率
用一句人话写清楚：分子是什么？分母是什么？
2）统计对象是谁（粒度对象）
是按“用户”去重？还是按“订单/次数”？
例：人数类→按user_id去重；次数类→按order_id统计
3）时间范围和时间口径（时间窗+口径）
时间范围：昨天/近7天/活动期
时间口径：按下单时间还是支付时间？按自然日还是滚动24小时？
4）要怎么拆（维度与输出格式）
维度：渠道/端/新老客/版本/地区/活动分组
输出格式：按天趋势？还是按维度汇总TopN？要不要同时输出总体？
02 可复制提示词
第二部分：把模板变成一句“可复制提示词”
下面这段你可以直接复制到AI里，把【】里的内容替换成你的业务就行：
🟩【产品运营AI写SQL万能提示词】
请你扮演资深数据分析师，帮我写一段可直接运行的SQL（如果信息不足请先反问我）。
数据表：我有【表名/或我不知道表名，请你先告诉我需要哪些表和字段】
指标定义：我要统计【指标名称】，分子是【…】，分母是【…】
统计对象（粒度）：按【user_id去重/订单数/order_id】统计
时间范围：从【开始日期】到【结束日期】
时间口径：按【下单时间/支付时间/事件时间】
维度拆分：按【渠道/端/新老客/版本】分组
输出格式：请输出【总体+分组】结果，并按【降序/时间】排序
口径说明：请在SQL注释中写清楚口径假设
🟨【为什么要加“信息不足先反问”】【小白必学】
因为小白最容易输在“表和字段不清楚”。你让AI先反问，它会逼你把缺的信息补齐，避免它瞎猜。
03 提问示例
第三部分：给你3个“产品/运营最常见场景”的成品提问示例
你可以把这3条当成固定话术，照抄改词就能用。
场景1：运营要看“昨天转化率”
你可以这样问AI：
我要统计昨天【支付转化率】= 支付成功用户数/访问用户数。按用户去重（user_id）。时间口径按支付时间，时间范围是昨天自然日。请按渠道(channel)拆分，并输出总体+分渠道结果，按转化率降序排序。如果缺表和字段，请先反问我需要哪些表。
场景2：产品要看“新功能使用率”
我要统计近7天【功能使用渗透率】= 触发过功能事件的用户数/活跃用户数。按用户去重（user_id）。活跃定义为当日有任意核心事件。请按端（os）和新老客（is_new）分层输出，并给出总体。缺字段请先反问。
场景3：运营要看“渠道贡献TopN”
我要统计近7天各渠道带来的【支付订单数】与【支付金额】。时间口径按支付时间。请按渠道(channel)汇总，输出Top10，并同时输出总体作为对账。
你会发现：你不需要会SQL，你只需要把“分子分母、粒度、时间口径、维度输出”说清楚。
04 三步不背锅验收
第四部分：AI写完SQL，你小白也要做的“3步不背锅验收”
这三步不需要你懂SQL细节，但能大幅降低翻车概率。
✅ 1）总数对账
把AI跑出来的总体数据，和你能看到的后台/看板总数对一下。
对不上，先别看分渠道分人群，先查口径。
✅ 2）维度加总一致
把“分渠道加总”与“总体”对一下。
如果分渠道加总明显大于总体，十有八九是重复计数/Join问题。
✅ 3）抽样核对
随便抽几个用户/订单，看它是否应该被统计进来。
你不用抽很多，抽5-10个就够，经常一眼就能发现口径错。
🟨【记住一句话】
AI可以帮你写得快，但你至少要会“验收”，否则背锅的人还是你。
粉丝福利
粉丝福利
我把近两年的大厂数据分析面经系统整理了一下，覆盖了字节、阿里、腾讯、美团、快手等一线公司的近两年真题，并且配套了详细的知识点拆解。这是付费整理的精华版，可以大大节省你搜集信息和整理思路的时间，让你高效备战面试。扫码下方二维码进圈即可获取👇另外，圈子里会实时更新各公司职位开放、投递渠道、面经和面试笔试真题，秋招季优惠价，需要的小伙伴可以扫描下方二维码购买，一站式准备面试笔试，用大厂真题降维打击斩获offer！
简历面试服务
关于我：8年+大厂数据分析师，3年+求职辅导经验已帮助200+同学斩获心仪offer！！简历/面试/陪跑，一站解决
✅ 简历修改（职位定制 + 逐句精修 + 内容优化）
✅ 面试辅导（一对一Mock + 高频问题拆解）
✅ 数据分析实战项目（真实数分实战项目）
也可以加我微信，备注“求职进群”，加入“2026数分求职交流群”。
更多【数据分析思维】、【数据分析工具】、【数据分析面试笔试】、【数据分析统计学】等系列干货内容请回翻公众号，更多数据分析干货文章持续更新中，敬请期待，如果觉得不错，也欢迎分享、点赞和点在看哈~
往期精选
end
