万字长文｜数据分析 7 大场景实战教程

数据分析的第一步，永远是"把数据弄到手"。如果你还没有现成的数据，这部分讲三种最常见的获取方式：从网页抓、从文档/文件/图片里抠、从数据库里查。

1. 先理解：一条好的"数据采集 Prompt"长什么样

打开TRAE Work桌面端，新建任务 --> 在对话框中输入以下Prompt --> 点击发送：

今日日期。访问 https://fund.eastmoney.com/data/fundranking.html ，提取基金排行榜中的所有基金数据。
需要的字段：排名、基金代码、基金简称、基金类型、最新净值、近1年收益率、近3年收益率、基金规模、基金经理。
处理规则：1. 排除货币基金和短债基金2. 按近一年收益率从高到低排序3. 收益率保留两位小数
输出为 Excel 文件，文件名包含今日日期。

发送后，TRAE Work 会自动打开网页、识别表格、逐页抓取，并自主调用浏览器操作和 Excel 处理能力完成清洗，整个过程你不用看懂任何代码，对话窗口里能看到它的思考和执行步骤，右侧还能同步看到它正在操作的页面，过程透明可追踪。

最终它交付一个整理好的 Excel，点击即可在 TRAE Work 端内直接预览，也可以下载到本地查看。

可以看到几个细节正是它"靠谱"的地方：收益率自动去掉了百分号转成数字、基金规模统一成"亿元"、货币和短债基金被排除掉了、抓不到的"近3年收益率"如实填了"未获取"而不是瞎编。

不是所有网页都能顺利抓。开工前对照一下：

2. 字段抓不全、格式乱怎么办？ 

任务设置完毕，可在对话流中查看；也可进入“自动化”页面，随时查看并修改任务设置。

动手前先想清楚"我要什么"。小林梳理出 8 个字段：

真实简历从来不是整整齐齐的。下面是小林随手抽出的 3 份（已脱敏，仅作演示），注意它们的"不规则"之处——这恰恰是手动录入最容易出错、也最考验 AI 的地方：

========== 简历 1 ==========张伟    男 | 1992.03 | 138-0013-8000 | zhangwei92@email.com
【教育背景】2014.09-2017.06  复旦大学   计算机科学与技术   硕士2010.09-2014.06  上海大学   软件工程         本科
【工作经历】2020.07 至今    某大厂      高级后端工程师2017.07-2020.06 某创业公司   后端开发工程师
【求职意向】期望城市：上海期望薪资：30-40k
========== 简历 2 ==========姓名：李娜电话：未填写邮箱：lina_hr@email.com学历：本科（北京交通大学，2015 届）目前在做产品经理，工作 8 年了现居北京（简历里没有写期望薪资）
========== 简历 3 ==========WANG Lei  王磊Tel: 13600001111最高学历：大专  ——  广东轻工职业技术学院经验：3年最近职位：UI设计师 @ 深圳某公司期望薪资：10000/月City: 深圳 / 可接受广州

发现"坑"了吗？

• 格式五花八门：简历 1 用电话+邮箱并排，简历 2 用"字段：值"，简历 3 中英文混排。

  
  

• 缺失字段：李娜没填手机号（要回退到邮箱），也没填期望薪资。

  
  

• 薪资写法不统一："30-40k"、"10000/月"、还有人干脆不写。

  
  

• 干扰信息：王磊的城市写了"深圳 / 可接受广州"，到底填哪个？

  
  

• 多段教育/工作经历：要的是"最高学历"和"当前职位"，不能把所有经历都堆上去。

手动录入时，正是这些细节让人崩溃。下面看 TRAE Work 怎么一次搞定。

把多个简历文件一次上传/直接拖入 TRAE Work 后，用下面这段 Prompt 告诉智能体你想要如何提取数据。

附件是一批候选人简历（PDF/文档），请你从每一份简历中提取以下 8 个字段，整理成一张表格。
【需要提取的字段】1. 姓名2. 联系方式：优先取手机号；如果没有手机号，则取邮箱；都没有则填"缺失"3. 最高学历：从博士/硕士/本科/大专/其他中选一个，取学历最高的一项4. 毕业院校：填"最高学历"对应的那所院校5. 工作年限：填累计工作年限的数字（单位：年）；如果只能推算，填推算值并在备注说明6. 当前职位：填最近一份工作的职位名称7. 期望薪资：原样保留简历里的写法（如"30-40k""10000/月"）；如果未填写，填"未填写"8. 所在城市：填候选人当前所在城市；如果写了多个，取第一个（当前城市），其余放入备注
【输出要求】- 用 Excel 表格输出，每行一个候选人，列顺序与上面字段一致，最后加一列"备注"- 严格基于简历原文提取，不要猜测或编造。简历里确实没有的信息，一律填"未填写"或"缺失"，不要替我脑补- 对于有歧义或需要推算的字段（如工作年限、多城市），在"备注"列简要说明你的判断依据- 如果某份简历完全无法识别，也单独列一行并在备注里说明原因

• 把缺失/异常的处理规则提前写死（"没有就填未填写，不要脑补"），这是防止 AI 编造的关键。

  
  

• 要求标注判断依据（备注列），让你能一眼看出哪些是 AI 推算的、需要复核。

  
  

• 明确"取最高学历""取当前职位"，避免它把多段经历全堆进去。

TRAE Work 智能体会根据任务情况，自主调用内置 或 自定义技能（Skills）来更好地完成任务，这里TRAE Work自主调用了word、pdf 和 xlsx 技能，更高质量地处理各类格式的文件。

TRAE Work 智能体和普通Chatbot不一样的点之一在于，TRAE Work 还会对数据反复进行校验和核对，提高准确度；本案例中 TRAE Work 自动进行了 3 次校验与核对。

注意几个细节，正是它"靠谱"的体现：

• 张伟的手机号自动去掉了分隔符（138-0000-0001 → 13800000001），方便后续使用。

  
  

• 李娜没手机号，自动回退到邮箱，且期望薪资如实填"未填写"而没有瞎编一个数字。

  
  

• 王磊的多城市问题，按规则取了"深圳"，并把"可接受广州"放进备注，判断过程透明可查。

实战中你一定会遇到下面这些情况，记住这几招：

小陈是一家在线教育平台的数据分析师。这天运营负责人扔给他一个需求：

小陈一看就知道这不是个简单查询：

• 涉及多张表JOIN：用户、学习记录、登录记录、订单都要关联。

  
  

• 有多重过滤条件：30 天内、完成 ≥3 门、7 天内登录过。

  
  

• 要算续费率这种比率指标，得先定义清楚"续费"是什么。

  
  

• 大概率要用到子查询、聚合、甚至窗口函数。

让智能体写 SQL 最重要的前提是它得知道你的表长什么样。小陈把相关 4 张表的建表语句整理出来，这是写好 SQL 最关键的一步，表结构给得越准，SQL 越能直接用：

-- 用户表CREATE TABLE users(    user_id        BIGINT       PRIMARY KEY COMMENT '用户ID',    nickname       VARCHAR(64)  COMMENT '昵称',    city           VARCHAR(32)  COMMENT '所在城市',    register_time  DATETIME     COMMENT '注册时间',    status         TINYINT      DEFAULT 1 COMMENT '账号状态：1=正常,0=注销') COMMENT '用户表';
-- 课程学习记录表（一条记录代表一个用户对一门课程的学习情况）CREATE TABLE course_progress(    id             BIGINT       PRIMARY KEY AUTO_INCREMENT,    user_id        BIGINT       COMMENT '用户ID',    course_id      BIGINT       COMMENT '课程ID',    status         TINYINT      COMMENT '学习状态：0=未开始,1=学习中,2=已完成',    study_minutes  INT          DEFAULT 0 COMMENT '该课程累计学习时长(分钟)',    finish_time    DATETIME     COMMENT '完成时间(status=2时有值)',    update_time    DATETIME     COMMENT '最近学习更新时间',    KEY idx_user (user_id),    KEY idx_finish (finish_time)) COMMENT '课程学习记录表';
-- 登录记录表（一条记录代表一次登录）CREATE TABLE login_log(    id             BIGINT       PRIMARY KEY AUTO_INCREMENT,    user_id        BIGINT       COMMENT '用户ID',    login_time     DATETIME     COMMENT '登录时间',    device         VARCHAR(32)  COMMENT '登录设备：ios/android/web',    KEY idx_user_time (user_id, login_time)) COMMENT '登录记录表';
-- 订单/续费表（一条记录代表一笔购买，含首购与续费）CREATE TABLE orders(    order_id       BIGINT       PRIMARY KEY COMMENT '订单ID',    user_id        BIGINT       COMMENT '用户ID',    amount         DECIMAL(10,2) COMMENT '订单金额(元)',    order_type     TINYINT      COMMENT '订单类型：1=首购,2=续费',    pay_status     TINYINT      COMMENT '支付状态：1=已支付,0=未支付',    pay_time       DATETIME     COMMENT '支付时间',    KEY idx_user (user_id)) COMMENT '订单表';

你是一名资深数据工程师，精通 MySQL。请根据我提供的表结构和业务需求，写一段可直接运行的 SQL 查询。

【表结构】
（把上面 4 张表的 CREATE TABLE 语句原样粘贴在这里）

【业务需求】
统计"活跃学员"按城市分组的指标。活跃学员的定义需同时满足：
1. 过去 30 天内（以当前时间为基准）完成学习的课程数 ≥ 3 门（即 course_progress 中 status=2 且 finish_time 在近 30 天内的课程数 ≥ 3）
2. 最近 7 天内有过登录行为（login_log 中存在近 7 天的登录记录）
3. 账号状态正常（users.status = 1）

【需要输出的指标】（按城市 city 分组）
- 活跃学员人数
- 平均学习时长：这些活跃学员"近 30 天完成课程"的人均累计学习时长（分钟）
- 续费率：这些活跃学员中，"近 30 天内有过续费订单(order_type=2 且 pay_status=1)"的人数占比，结果保留 2 位小数、以百分比形式

【输出要求】
- 使用 MySQL 方言
- SQL 要可直接运行，关键步骤加注释说明逻辑
- 时间范围用 NOW() 和 INTERVAL 动态计算，不要写死日期
- 结果按"活跃学员人数"降序排列
- 如果业务定义中有你认为模糊、需要我确认的地方，先在 SQL 上方用注释列出你的假设

仅需二十秒，TRAE Work 就能生成带有完整注释的 SQL 语句，大大省去了手动查表、拼字段、调语法的时间。

拿到 SQL，小陈不会直接跑生产，而是查看 TRAE Work 返回的注释内容、确认模糊口径并逐段审一遍。这正是"AI 写初稿 + 人来把关"的价值：AI 把 80% 的活儿（JOIN、CTE、聚合、语法）干完了，小陈只需聚焦在业务口径这种 AI 无法独自判断的 20% 上。整个过程不到 10 分钟，比从零写快太多。

1. JOIN 类型对不对：该用 LEFT JOIN 的地方别用成 JOIN。

   
   

2. 时间边界：是 >= 还是 >？"近30天"含不含今天？跟 AI 确认口径。

   
   

3. 去重：COUNT 要不要 DISTINCT？多表 JOIN 后很容易出现行数翻倍。

   
   

4. 业务口径：比率类指标（续费率、转化率）的分子分母定义，永远要自己再确认一遍。

写出 SQL 只是开始，TRAE Work 还能帮你做更多：

接手别人的祖传 SQL 看不懂？直接丢给它：

请逐段解释下面这段 SQL 在做什么，每个子查询/CTE 的作用是什么，最后用一句话概括它的业务含义：（粘贴 SQL）

某个查询跑得特别慢？让它帮你诊断：

下面这段 SQL 在千万级数据量下跑了 40 秒，请帮我分析慢在哪里，并给出优化建议（包括索引建议、改写思路）。表结构和 SQL 如下：（粘贴 DDL 和 SQL）

SQL 报错不知道错在哪儿？把报错信息原样贴给它：

这段 SQL 报错：ERROR 1055 (42000): Expression #2 of SELECT list is not in GROUP BY clause...请告诉我原因和怎么改。SQL 如下：（粘贴 SQL）

如果你的库不是 MySQL，加一句：「请把上面这段 SQL 改写成 PostgreSQL（或 Hive / ClickHouse）方言」即可。

数据拿到手了，但往往是"毛坯"，有错漏、有重复、格式不统一、没有分类。这部分讲怎么用 TRAE Work 把数据收拾干净，让它"能用、好用"。

• 报销申请表：员工自己填的，包含姓名、部门、申请金额、费用类型、申请日期。

  
  

• 银行付款流水：财务系统导出的实际打款记录，包含付款日期、收款方姓名、付款金额、备注。

理论上，每一笔报销申请，都应该在银行流水里有一笔对应的打款。但现实总有意外：

• 有人报了金额对不上（申请 800，实际打了 600）。

  
  

• 流水里有一笔打款，报销表里却找不到对应申请（可能是补录漏了）。

  
  

• 报销表里有申请，流水里却没打款（可能还没打、或打款失败）。

过去老周得拿两张表左右开弓、用 VLOOKUP 一行行比对，几十上百条对下来，眼睛都直了，还容易漏。现在他想让 TRAE Work 来当这个"火眼金睛"。

把两张源数据表都上传给 TRAE Work，然后在对话框内输入以下 Prompt：

你是一名严谨的财务稽核助理。我有两张表需要逐条核对：- 表A【报销申请表】：字段有 员工姓名、部门、申请金额、费用类型、申请日期- 表B【银行付款流水】：字段有 付款日期、收款方姓名、付款金额、备注
【核对规则】以"姓名"作为主要匹配键，把表A的每一条申请与表B的流水进行匹配，判断属于以下哪种情况：1. ✅ 匹配：姓名能对上，且申请金额 = 付款金额2. ⚠️ 金额不一致：姓名能对上，但申请金额 ≠ 付款金额（请写出差额）3. 🔵 仅流水有：表B里有这条流水，但表A里找不到对应申请4. 🔴 仅申请表有：表A里有这条申请，但表B里找不到对应流水
【输出要求】- 输出一张核对结果表，逐条列出：姓名、申请金额、付款金额、核对状态、依据说明- 每一条都要给出"依据说明"，写清楚你是凭哪条申请、哪条流水做出的判断- 重要：严格基于我给的数据判断，不要猜测。如果某条因为姓名相近、金额接近等原因你无法确定如何匹配，请标为"❓待确认"并说明疑点，不要强行配对- 最后给出一个汇总：各类状态分别有几条

数据核对最怕的就是 AI"自信地配错对"，或者把不存在的记录说成存在。上面 Prompt 里其实已经藏了三个防幻觉的关键设计，这里专门点出来：

• 要求逐条标注"依据说明"：强迫 AI 把"我凭哪条数据下的结论"写出来。你一眼就能看出它有没有张冠李戴。

  
  

• 允许并鼓励它说"我不确定"：明确给出"❓待确认"这个出口。AI 一旦被允许"示弱"，就不会硬着头皮瞎配对——这比要求它"必须给答案"安全得多。

  
  

• 明令禁止猜测："严格基于我给的数据，不要猜测"。这句话能显著降低它脑补数据的概率。

和 Chatbot 不一样的是，TRAE Work 智能体会自主将复杂的大任务拆解成更细粒度的小任务，并在对话流中展示思考和执行方式。

在执行过程中，TRAE Work 会自动编写数据处理脚本来完成采集和清洗工作；遇到问题时，它还能自我检查错误并修复。用户不需要看懂或修改任何代码，整个过程由智能体自主完成，最终只交付整理好的结果文件。

按照需求，TRAE Work 汇总了匹配的数据、需要确认 或 有问题的数据。

• 给产品团队指明迭代方向（哪类问题最多）。

• 为客服质检提供抓手（哪类问题处理得不好）。

但 5000 条纯文本，靠人一条条读、一条条打标签，几个人干一周都未必干得完，而且不同人标准还不一样。小苏决定用 TRAE Work 来批量标注。

分类质量 = 标签体系质量。 标签定义得越清楚、边界划得越明确，AI 标得就越准。小苏先和产品、客服一起，定下了这套两级标签体系，每个标签都配了"边界定义"和"样例"。

请按我给定的标签体系，参考附件 Excel 文档，对每一条用户反馈进行分类。
【标注要求】1. 给每条反馈打上"一级分类 + 二级标签"2. 给出置信度（高/中/低）：当反馈表意清晰、明确对应某标签时为"高"；当措辞模糊、可能落在两个标签之间时为"中"或"低"3. 给出一句话理由，说明你判断的依据（引用反馈里的关键词）4. 如果一条反馈同时涉及多个问题，选择用户**最主要、最强烈**抱怨的那个作为主标签，并在理由里注明它还涉及哪个次要标签5. 严格按标签体系来，不要自创标签。实在无法归类的，标为"其他 / 无法归类"
【输出格式】按下面的表格逐条输出：序号 | 反馈摘要 | 一级分类 | 二级标签 | 置信度 | 理由

打完标签，数据就从"一堆文本"变成了"可分析的结构化资产"：

• 问题分布一目了然：统计各标签的数量占比，画成饼图/柱状图——比如发现"配送问题"占 35% 居首，"功能异常"占 20% 紧随其后，产品和供应链的优化优先级立刻清晰。

  
  

• 趋势监控：按周/月统计各类问题的变化，能及时发现"某次发版后功能异常类反馈激增"这种信号。

  
  

• 交叉分析：结合用户分层、地区、机型等维度，定位问题（如"安卓用户的闪退反馈明显高于 iOS"）。

  
  

• 客服质检抓手："客服服务"类反馈可直接推给质检团队复盘。

而这些统计和可视化，正好可以交给下一个场景来做。

当数据量级非常大的时候，推荐先用少量的样本数据进行测试。 没问题后，可以全量进行分析；不推荐直接把 5000 条塞进一个对话框是不行的（太长、易出错、跑一半断了前功尽弃）。正确做法是分批：

• 固定标准，分批投喂：把标签体系和要求作为"固定开头"，每批投入 50-100 条反馈。每批都用完全一样的标签定义和输出格式，保证标准统一。

  
  

• 善用文件批处理：大文件拆解成批量文件也无需手动操作，可以直接把文件交给 TRAE Work，让它拆解成每个 100 条反馈的文件，比手动复制粘贴高效得多。

  
  

• 第一批当"对齐基准"：先认真跑第一批，人工检查标得准不准。确认 AI 理解到位了，后续批次就可以放心跑。

  
  

• 保留序号，方便合并：每条数据带上全局唯一序号（如 0001-5000），AI 输出时保留序号，最后你按序号把各批结果拼起来即可。

  
  

• 失败可重跑：分批的另一个好处是，哪一批结果有问题，单独重跑那一批就行，不用从头来过。

  
  

• 合并文件：所有批次都跑完后，可以再让 TRAE Work 把所有的文件都合并成 1 个大文件。

  
  

• （进阶，可选）沉淀技能：用自然语言就能在 TRAE Work 里沉淀技能。当以上 1 - 5 步骤跑顺畅之后，可以在对话框内直接输入“把以上批量数据分批处理的工作流整理成一个 TRAE Work 里的Skill”。以后，在反复出现同样使用场景的时候，可以直接 “/” 调用该技能，省去重复沟通以上常用步骤。

大规模的数据标注处理一般需要较长的时间，那 TRAE Work 智能体在跑大规模任务的时候，你需要等着吗？答案是 No。

• 你可以关上你的电脑去喝一杯咖啡：TRAE Work 里的云端任务执行时无需电脑处于开机状态，合上电脑也能跑。

• 你也可以同时开启另一项任务：TRAE Work 支持同时执行多个任务，互不干扰，同时进行。

数据获取到了、也清洗干净了，终于到了"挖价值"的环节：做统计、找规律、出洞察，这也是 TRAE Work 最惊艳的功能之一：丰富的技能选择、工具调用、科学的分析、专业的绘表、详实的报告。

• 三个事业部各自维护一张 Excel，每张表 50 行，字段虽然一致但文件是三个。

  
  

• 他得先打开三个文件、复制粘贴到一张总表里，还要手动加一列“所属事业部”才不会混。

  
  

• 然后写 VLOOKUP 拼数据、算完成率（已完成 / 目标）、做透视表分事业部汇总。

  
  

• 再筛选出“完成率 < 60%”的渠道做风险列表，按完成率从低到高排序。

  
  

• 最后还得自己写一段业务总结：“整体进度怎么样？谁拖后腿了？该重点盯谁？”

把三个业绩数据的 Excel 一起拖入 TRAE Work 对话窗口，然后发送下面这段 Prompt。它把“合并 + 计算 + 筛选 + 总结”四件事一次说清，这正是分析型 Prompt 和采集型 Prompt 的根本区别：分析型 Prompt 不只是“提取数据”，而是“得出结论”。

附件的 3 个 Excel 文件，分别是电商事业部、内容事业部、广告事业部的数据采集进度，每个文件字段相同：序号、平台/渠道名称、负责人、目标数据量、已完成数据量、本周新增、截止日期。
请帮我做以下处理：1. 把 3 个文件合并成一张总表，新增“所属事业部”列以区分来源；2. 按事业部汇总：渠道数、目标数据量、已完成、缺口、本周新增、整体完成率（已完成/目标），最后加一行全公司合计；3. 判断标准：完成率 < 60% 的渠道标记为“落后”，单独输出一张风险预警列表（按完成率从低到高排），列出缺口和截止日期；4. 最后用一段话总结整体进度和最需要关注的事。
输出要求：先给分事业部汇总表，再给落后渠道风险预警列表，最后一段话总结业务进展。完成率保留 1 位小数。

TRAE Work 会自动读三个文件、拼表、加来源列、跑分组汇总、筛选落后渠道、按规则排序，最后根据需求产出核心总结、任务完成度 及 风险预警团队，可以直接应用到周报。

想做可视化怎么办？直接追加一句即可：“请对以上数据进行可视化绘图，使用 /chart-visualization 技能。” TRAE Work 会自动调用相关技能生成图表，但我们也可以更直接的指定使用某个技能。

为什么要使用技能？搭配 chart-visualization 技能，图表效果更专业美观。在 TRAE Work 对话框中输入 “/” 或 点击 对话框左下角的 “/” 即可选择已安装的技能。

如何安装技能？除了内置的技能外，TRAE Work 还支持用户在技能市场里一键安装技能 或 自定义上传技能。

1. 用自然语言告诉 TRAE Work 数据分析报告要求

数据量大（上千行）时，TRAE Work 智能体处理得会比普通 AI 快且稳，他不仅是简单处理数据，作为智能体，他会自主调用工具、写脚本、检查逻辑等等。我们要给 TRAE Work 一个清晰的“任务说明书”，让它知道不仅要计算，还要像分析师一样产出洞察。

附件是季度广告投放数据，请帮我进行深度数据洞察分析，并产出专业报告，使用 /consulting-analysis 技能。
【分析目标】1. 效果复盘：整体评估本季度的投放质量。2. 寻找亮点：识别出 ROI、转化率表现最突出的维度组合。3. 识别浪费：找出消耗较高但 ROI 极低（如 ROI < 1.0）的“资金黑洞”。4. 策略建议：基于数据，为下季度预算分配给出至少 5 条具体建议。
【分析维度】请在以下维度进行交叉分析：投放渠道、创意类型、目标受众、地区、广告主。
【分析指标】必须覆盖：总消耗、总转化量、平均 CTR、平均 CPC、平均 CPA、整体 ROI。
【输出要求】1. 生成一份 HTML 交互式报告，图表需美观且可交互。2. 同时生成一份 PDF 静态版本，用于存档。3. 报告必须包含：执行摘要（Executive Summary）、关键发现（Top 5 Findings）、详细维度分析、结论与下步建议。4. 图表建议：请根据数据特征自主选择最佳图表（如用热力图看地区分布、用散点图看 CPC 与 ROI 的关系、用漏斗图看转化等）。
【注意事项】- 所有数字必须来自数据本身，严禁编造结论。- 对每个“关键发现”请标注具体的支撑数据及计算口径。- 报告中若有显著的异常值（Outliers），请单独指出。

不同于普通Chatbot，TRAE Work 智能体在拿到复杂、大型数据任务后，会自动将其拆解到更细粒度的任务并自主调用技能、工具、写脚本，逐步执行。