資料分析提示詞設計教學，涵蓋角色定義、任務描述、格式指示三大核心元素。提供可直接複製的提示詞模板與程式碼範例，比較主流AI工具費用，協助你快速上手AI數據分析。

資料分析提示詞的核心公式

資料分析提示詞的成敗，取決於「角色 + 任務 + 格式」三角公式的清晰度。根據 Gartner 人工智慧研究（Gartner AI Research）的技術成熟度曲線報告，結構化提示詞可使 AI 數據分析任務完成率提升約 40%，而含糊的提示詞導致錯誤結論的機率超過 60%。

角色定義（Role）：明確指定 AI 的專業身份，如「資深數據科學家」「市場分析師」；任務描述（Task）：精確說明分析目標與資料範圍；格式指示（Format）：定義輸出結構、圖表類型與呈現方式。三者缺一不可。

【提示詞模板】
角色：你是一名具有[X]年經驗的資深數據科學家，專精於[領域]。

資料：[描述資料來源與格式]

任務：
1. [具體分析目標1]
2. [具體分析目標2]

輸出要求：
- 使用[Markdown表格/圖表/文字]呈現
- 圖表標題使用[語言]
- 標註所有統計顯著性結果
- 發現的關鍵洞察請加粗

針對不同資料類型的提示詞策略

不同資料類型需要不同的提示詞設計策略。根據史丹佛大學以人為本人工智慧研究所（Stanford HAI, Human-Centered AI Institute）在 AI Index 年度報告中的發現，AI 對不同結構化程度資料的處理能力存在顯著差異，這直接影響提示詞的撰寫方式。

結構化表格資料（CSV/Excel）：明確指定欄位名稱與測量單位，指示 AI 執行描述性統計、相关性分析与異常值檢測。

非結構化文字資料：指定情緒分析維度、關鍵主題識別，並要求以 JSON 格式輸出以便後續整合。

時間序列數值資料：指定分析時間粒度、預測模型偏好，並要求 AI 標註顯著變化的時間節點。

三大高階分析提示詞技巧

1. 鏈式思維提示（Chain of Thought）：要求 AI 先說明分析邏輯，再給出結論。這對複雜的多變量分析特別有效。

2. 迭代式分析：每次分析後追問「這個發現背後的原因是什麼」「哪些變數可能影響結論」，形成假設-驗證循環。

3. 上下文管理：較長的分析任務中，在提示詞中重複關鍵定義與假設前提，確保 AI 在各輪對話中保持一致的分析方法。

立即上手：從模板到實戰

從最基礎的「角色 + 任務 + 格式」模板開始，選擇你熟悉的資料集實際操作。成功通過驗證的提示詞模式保存到個人知識庫，逐步擴展到時間序列預測、異常檢測等進階場景。更多提示詞工程技術，見 → 提示詞工程完整指南。