首页/AI 提示词库/学习成长/数据分析入门路径提示词

数据分析入门路径提示词

📚 学习成长 适配:Kimi / Claude / DeepSeek难度:入门 4 个变量一键复制
使用说明

零基础学数据分析:先学能解决工作问题的 20%,配练习数据与产出物。

转行数据分析、运营/产品补数据能力、学生自学。

提示词模板未填写变量以红色标出
帮我排数据分析入门路径。

【背景】{{现职或专业}}
【目标】{{目标}}
【时间】{{每天可学时间}}
【想解决】{{想解决的问题}}

输出:
一、先明确:数据分析的 4 类工作(取数 / 描述 / 诊断 / 预测),说明我这行最常用哪两类,避免一上来学机器学习。
二、能力清单(按优先级):每项给「学到什么程度就够用」的标准,例如 SQL 只要能写 5 类查询即可。
三、{{时间}} 的 12 周计划(按周排):
- 第 1-3 周:Excel/表格进阶 + 描述统计(均值、分布、同比环比)
- 第 4-7 周:SQL(SELECT/JOIN/GROUP BY/窗口函数),每周 10 道题
- 第 8-10 周:指标与业务分析框架(漏斗、留存、分层)
- 第 11-12 周:一个完整分析项目
四、针对 {{想解决的问题}} 的专项:
- 留存曲线怎么看(次日/7 日/30 日,怎么看是否健康)
- 活动效果怎么判断(对照、归因、常见误判)
各给一个可套用的分析模板。
五、练习方式:给 3 个可自造的数据集(用表格模拟),每个配 5 个问题与预期思路。
六、产出物:12 周结束时应该有 3 个可展示的东西(一份分析报告、一个 SQL 作品集、一个可视化看板),说明各自怎么做。
七、避坑 5 条(先学工具后学业务、只做描述不做诊断、追求复杂模型、不看数据质量、不做对照组)。
八、每周自检:3 个问题。

要求:不推荐具体付费课程;给的是能力顺序与练习方式。
填变量变量会自动替换进上方模板,可随时复制
已填 0 / 4
使用步骤
  1. 先分清四类工作。
  2. SQL 学到 5 类查询即可。
  3. 出一个完整分析项目。
业务先于工具
工具是手,判断是脑,只练工具做不出结论。
留存曲线是入门分水岭
看懂它,很多指标就通了。
常见问题
要学 Python 吗?

入门阶段不必,SQL + 表格能解决 80% 日常工作。

没有数据怎么练?

自己造或用公开数据集,重点是练判断不是练数据量。