【数据分析-AI实践总结】数据分析师用 AI 提效的真实案例
核心结论把数据分析日常工作中“高频重复、口径固定、流程标准”的环节固化为 skill，收益集中在三件事：口径一致——同一个指标，谁跑都是同一个数；流程不遗漏——复杂的多步分析不会因为“忘了某步”而出错；经验可沉淀——历史实验、历史脚本真正变成可复用的资产。


我这边日常工作目前比较固化的四个 skill + 一条 agent 链路：Skill 1：SQL 自动生成助手（含确认与执行链路），模型负责“写”，人负责“把关”，机器负责“跑”，把“写错”的风险挡在提交执行之前。


链路 2：业务需求自动取数（团队 data agent，非 skill）：它承担“简单逻辑”的全自动取数，与 Skill 1 的“复杂逻辑 + 人工确认”链路并列互补。


Skill 3：实验分析（主子 skill 编排）把 A/B 实验分析中严谨的统计学方法论固化为标准流程；Skill 4：实验管理（主子 skill 编排）把历史实验变成可复用资产。


Skill 5：季度汇报材料把格式固定的季度汇报，从“每次重做”变成“自动填充数据 + 生成 HTML”。