每周五下午省下来的三小时 - 我把SQL结果喂给AI,周报自动成型
一个很多人都熟悉的场景
每周五下午,是不少独立开发者和小团队数据负责人最头疼的时段。SQL早就写好了,查询结果就躺在那里,但真正耗时的不是取数,而是把一堆冷冰冰的表格变成一段人话。
我自己的情况是这样的:一个六人小团队的产品,每周要看的数据指标大概十几个——新增注册、活跃留存、付费转化、渠道来源分布、核心功能使用频次。取数本身用现成的SQL,十分钟跑完。但把结果整理成一段领导能看、同事愿意看的周报文字,每次都要花掉我两到三个小时。
反复检查数字有没有抄错、措辞有没有讲清楚趋势、环比同比算没算对、上周说的问题这周有没有跟进……这些机械劳动,恰好是AI最擅长的事。
痛点拆解:时间到底花在哪了
我记录过一次完整的手工周报流程,时间分布大致是:
- 核对数字:40分钟。从查询结果复制到文档,逐个确认没有错位、漏项。
- 计算环比/同比:30分钟。手动算增长率,还翻出上周报表找基数。
- 组织文字:60分钟。把表格翻译成“本周XX较上周上升X%,主要由XX驱动”这类叙述。
- 润色和排版:30分钟。调整语气、加结论、补下周计划。
三个小时里,真正需要“人”的判断,其实只有最后那一点结论性思考。前面的部分,全是规则明确的重复劳动。
这就是AI的切入点:AI不替你决策,但替你完成从数据到文字之间的全部搬运工作。
AI能为你做什么
具体来说,把SQL查询结果交给AI,它能稳定完成这几件事:
- 自动计算环比、同比。你只要把本周和上周的数据一起给它,不用自己按计算器。
- 识别趋势和异常。某个指标突然波动超过阈值,它会主动标出来,并基于你给的维度字段推测可能的原因。
- 生成结构化周报文字。按你定义的板块(概览、亮点、风险、下周关注)输出成稿,口径和措辞保持一致。
- 保持口径统一。通过提示词固定指标定义,避免这周叫“活跃用户”下周叫“DAU”的混乱。
- 多版本输出。给管理层的一页摘要、给团队的详细版、给投资人的对外版本,一次生成。
要注意的是,AI不是分析师,它不会替你判断“这个波动值不值得在意”。我的做法是让它先产出草稿和标注疑点,我再用五到十分钟做判断和修正。
我的实际使用流程
整个流程走通后,每周五的固定动作变成了四步:
第一步:跑SQL,导出结果。 把十几个指标的查询结果导出为CSV或直接复制为Markdown表格。这一步5分钟。
第二步:组装提示词。 使用我固定下来的模板(见下一节),填入本周数据、上周数据、指标口径说明。3分钟。
第三步:让AI生成周报初稿。 一次生成,如果某个板块不满意,单独追加指令重写那一部分。2分钟。
第四步:人工审核。 重点核对AI算出的增长率、以及它对异常波动的归因是否靠谱,补充我自己的判断。10分钟左右。
总计20分钟左右,对比之前的180分钟,每周节省约160分钟,一个月按四周算,就是10个多小时——差不多一个半工作日。对于小团队来说,这基本等于把一个人从“报表工人”的角色里解放出来。
可直接复制的提示词模板
这是我沉淀下来的模板,你可以直接复制,替换占位符使用:
你是一名数据分析师,请根据我提供的数据生成一份中文数据周报。
【角色与目标】
- 读者:团队负责人和非技术同事,避免术语堆砌
- 目标:让人30秒抓住重点,3分钟看完细节
【指标口径】(请严格遵守,不要自行更改定义)
- 活跃用户:当日登录且停留超过30秒的去重用户数
- 付费转化率:当周付费用户数 / 当周活跃用户数
- {在此补充你的指标定义}
【本周数据】
{粘贴本周查询结果,建议用表格}
【上周数据】(用于计算环比)
{粘贴上周查询结果}
【输出要求】
1. 一句话总览:本周整体表现(好/平/差)及核心原因
2. 关键指标表:数值 + 环比 + 简要解读
3. 亮点2-3条:涨幅或改善明显的指标,说明可能的驱动因素
4. 风险2-3条:跌幅或异常波动的指标,标注需要人工确认的疑点
5. 下周建议关注:基于数据提出的2条观察方向
6. 所有数字必须与原始数据完全一致,不确定的推断请标注"待确认"
【语气要求】
客观、简洁,不做没有数据支撑的归因。模板里最重要的两处设计:一是强制输出环比,省掉手动计算;二是要求标注“待确认”,防止AI一本正经地编造归因,这也是我踩过坑之后加上的。
前后对比:不只是省时间
| 维度 | 手工时代 | AI辅助后 |
|---|---|---|
| 单次耗时 | 约180分钟 | 约20分钟 |
| 数字抄写错误 | 每月总会出现一两次 | 基本绝迹(数据直接粘贴) |
| 口径一致性 | 取决于当天心情 | 模板强制固定 |
| 周报产出意愿 | 能拖就拖 | 周五固定产出,甚至愿意加图表 |
| 归因质量 | 自己凭印象写 | AI标疑点 + 人工判断,更扎实 |
最意外的收获是最后一条:因为成本低了,我开始愿意做一些“以前觉得不值得花时间”的细分分析,比如按渠道拆分的留存对比。周报从一份应付了事的文档,慢慢变成了团队真正会讨论的东西。
几点提醒
- 数据脱敏。发给AI之前,把用户ID、手机号等敏感字段去掉,只保留聚合指标。如果数据敏感度高,考虑自部署模型或使用不参与训练的企业级接口。
- 模型选择。这个任务对模型能力要求不高,主流的对话模型都能胜任,不必追求最贵的旗舰款,具体以官网价格页为准,按自己的量级估算成本即可。
- 保留人工环节。增长率让AI算,但“这个异常要不要上报”永远是人来决定。
如果你也想把每周那几个小时拿回来,可以试试这个流程。整个方案需要一个稳定的大模型API来支撑——我在用 https://api.thistoken.ai/register 提供的接口服务,注册即可上手,把模板跑起来,下个周五就能感受到差别。
---
想直接跑通示例?访问 https://api.thistoken.ai/register 注册 ThisToken.AI,获取 API Key 后即可开始。