叶婷：从业务问题到可验证的数据分析报告

场景故事

小李每周五交销售周报，但需求周三还在变——上周竞品，这周客户。他用Power BI搭了模型，可每次出报告还得截图以及进行数据分析，每周出报告时常熬到凌晨1点。

小李试过AI，输入”华南区销售下滑5%“，对方回一堆分析框架，没一个真实数字。

小李盯着那堆废话框架，想到总监明天的追问，深吸一口气又打开文件夹准备手动拉数据——

同事说：“让AI连Power BI试试。”

这次他用Claude Code连上模型，输入同样指令。10分钟后，HTML报告生成：“007系列在广东-40%、福建-35%、广西-30%，数据来源：终端销售表。”

总监追问细节，他3秒翻到标注。后来这个框架被团队复用，小李再没为周报加过班。

八格表单

1. 什么时候用？（触发时刻）

• 每周/每月定期出分析报告：周报、月报、季报、年报
• 领导突然问：“XX指标下滑，分析一下” — 临时异常分析
• 领导需求总变：上周要客户分析，这周要产品分析
• 被追问细节：“数据对吗？哪个产品？哪个地区？“

2. 做出来是什么？给谁？（目标产出）

产出：可验证数据分析报告

• 用户体验：给出分析目标 → 10-30分钟收到HTML报告
• 系统后台：根据给定分析框架、查询数据、生成报告、标注来源
• 交付对象：业务分析师、数据分析师、业务负责人等

3. 需要准备什么？（输入清单）

类别	内容	说明
一次性准备	AI编程助手 + 微软官方Power BI MCP	目前演示用的是Claude Code，其他AI编程工具只要能连接Power BI MCP也都可以
每次必须	数据源文件 + Power BI模型 + 报表格式要求	先下载数据解压到对应的工作目录
建议	固定展示样式模板 + 分场景分析框架模板	固定的不同类型的分析框架（经营分析/进销存/财务分析等）

4. 怎么写提示词？（提示词模板）

成功提示词（可直接复制）

分析任务
分析当前销售额出现下滑的原因，找出主要影响因素并给出行动建议。

业务背景
- 行业类型：XX快消品
- 分析时间范围：[2025年1月-2026年2月]
- 下滑情况：[观察到销售额下滑]
- 已知背景信息：
  - 4月：公司开展了春季促销活动
  - 4月初：对部分产品系列的价格进行了调整
  - 4月中旬：部分省份的经销商进行了库存调整
  - 3月底：公司发布了新的季度业绩目标

分析框架
1. 识别主要下滑因素（产品/客户/地区/渠道）
2. 量化各因素对整体下滑的贡献度
3. 提供可执行的改进建议
4. 建议需要重点监控的指标

约束条件（表达风格锁）
1. 每个数据结论必须标注来源（表名/列名/度量值）
2. 改进建议必须包含【具体动作】+【预期时间范围】
3. 句式：标题用【】括起；建议句以动词开头（如"重启""调整""清点"）

边界示例：信息缺失时AI的兜底行为
1. 自动检测：模型中最新的两个完整月份为2026年1月-2月
2. 主动确认："当前周期为2026.01-2026.02，是否以此为准？如需调整请指定月份"
3. 输出框架：按产品、客户、地区三个默认维度预分析，并标注"周期待确认"
4. 生成报告草稿，所有建议均为"待补充业务背景后可细化"

输出格式
请完整参考格式要求文件生成报告：D:\DEMO\报告格式要求.md，输出文件格式为HTML文件

变量表

变量名	含义	是否必填	示例
分析任务	要分析的业务目标	必填	分析2026年1月销售额下滑原因
业务背景	具体的业务背景、分析时间段、能影响结果的已知因素	必填	酒类快消品，时间范围2026.01-02，已知4月促销
分析框架	分析哪些因素，主要控制分析方向；未来迭代可选择不同场景提供不同框架	必填	识别主要下滑因素（产品/客户/地区/渠道）
约束条件	可固定条件，保证输出结果可校验	可选	每个数据结论标注来源（表名.列名）；建议句以动词开头；禁用词：赋能/抓手/闭环
输出格式	对于周报、月报通常是固定样式，建议固定格式保证每次输出风格一致	可选	D:\DEMO\报告格式要求.md（无模板时填”执行摘要+维度分析+行动建议三段式”）

失败提示词对照

• 失败版：“帮我分析销售情况为什么业绩不好？”
• 失败原因：缺少对分析目标、时间范围、分析框架和输出格式的具体约束，AI 会输出数量不固定、格式杂乱的信息，无法直接使用。
• 修正版：即上述成功提示词。

5. 具体怎么操作？（步骤拆解）

步骤1：启动准备

打开终端执行，输入 claude 启动。

步骤2：连接 Power BI 模型

将以下指令粘贴到 Claude Code 终端：

连接power bi模型，位置是D:\DEMO\进销存模型

AI 自动执行：

• 探索模型结构，识别关键表（终端销售、产品表、分销商表、日期表、省份表、度量值）
• 定位数据源范围，自动检测最新时间周期
• 返回确认信息：“已连接，模型包含 XX 张表，最近数据月份为 2026年2月”
• 不需要告诉 AI 模型里有什么——AI 会自己探索。

步骤3：发送完整分析任务

直接粘贴「成功提示词」（第4格已提供完整可复制版本）。

步骤4：验证结果并交付

1. 浏览器直接打开生成的 HTML 文件
2. 逐条核对「验收标准」

6. 怎么算做完？（验收标准）

报告生成后，逐条核对，全部满足即为”做完”：

• 数据可溯：随机抽查报告3个核心数字，每个数字下方标注数据来源：[表名].[列名]或[度量值名称]
• 建议可执行：每条建议包含【具体动作】+【预期时间范围】+【预期效果量化】
• 格式标准：报告HTML文件可在浏览器正常打开，加载时间≤5秒，无乱码

7. 出错了怎么办？（失败排查）

失败场景	修复指令（直接复制）
找不到数据源	连接 power bi 模型，位置是 D:\DEMO\进销存模型.pbix
格式需要标准化	严格按照 D:\DEMO\报告格式要求.md 生成，不得增减章节
数据来源不清晰	为每个数字/图表补充数据来源，格式："数据来源：[表名].[列名]"
建议过于笼统	每条建议包含【具体动作】+【预期时间范围】+【预期效果】
Power BI MCP连接失败	告诉Claude Code，帮我修复这个问题直到连接成功

8. 以后能自动吗？（Agent化评估）

维度	评分	说明
频率	4/5	每周/每月出报告 + 临时异常分析
稳定性	3/5	提示词框架固定，分析维度可变化
数据依赖	2/5	强依赖Power BI模型中的实际数据
风险等级	4/5	结论直接影响业务决策，可修正

四象限结论：高频 × 高风险 → 适合半自动化Agent

• AI负责：探索模型、计算数据、生成报告、标注来源
• 人负责：提供背景、设计框架、验证结果、做出决策

演进路径：提示词模板化 → 多场景扩展（库存/客户/竞品）→ 分角色自助分析

高手心法

一句话本质：Power BI模型保证数据指标定义准确性、可验证；Power BI MCP的核心价值就是建立联系，从而实现精准数据分析。

• 框架对抗混乱：业务分析不是缺数据，是不知道怎么分析，是缺少联系。先设计框架，再让AI连数据执行。
• 模型即是地图：不需要教AI懂业务——把业务逻辑存在Power BI模型，AI就能看懂”专属你公司”的业务逻辑。
• 可复用工作流：流程是”连接→探索→验证→查询→标注→报告”，可迁移至”库存异常”、“客户流失”等场景。