你打开一个 Excel，密密麻麻几百行数据。你打开竞品的官网，功能列表列了一页又一页。领导问你："这个项目你怎么看？"你脑子里一堆信息，但就是理不出一个清晰的判断。
这时候你需要的不是更多信息，而是一个能帮你把信息理成结构的"分析助理"。AI 就是这个角色。
今天聊三个最实用的分析场景：数据、竞品、决策。
先纠正一个常见用法
很多人问 AI 的方式是："帮我分析一下。"
这句话跟"帮我写封邮件"一样——太模糊了。分析什么？从哪个角度？什么格式？什么深度？AI 只能猜。
好的分析 Prompt 要说清楚三件事：
你有什么。 数据、文档、截图、原始信息。
你要分析什么。 趋势？对比？原因？风险？机会？
你要什么输出。 一个表格？一段结论？一个带论据的判断？
把这三件事说清楚，AI 的分析质量会提升一个台阶。
场景一：让 AI 帮你分析数据
你手上有一份销售数据，需要找出问题在哪。
Prompt 模板：
我有一组 [数据描述，如"过去 6 个月各品类的月销售额"]。
请帮我做以下分析：
- 找出整体趋势——是上升、下降还是波动？
- 找出表现最好和最差的三个品类
- 对于表现异常的品类，列出可能的原因假设（3-5 个）
- 用表格输出关键数据
数据如下：[粘贴数据或上传文件]
你可以把月度销售数据、用户增长数据、财务报表数据扔给它，它帮你从数字里提炼趋势和异常。
更具体一点，假设你有这样一组数据：A 品类 1 月卖 120 万，2 月 118 万，3 月 121 万；B 品类 1 月卖 80 万，2 月 62 万，3 月 41 万；C 品类 1 月卖 45 万，2 月 52 万，3 月 70 万。你不要只问"帮我分析"，而是让 AI 输出三列：现象、可能原因、需要补充验证的数据。
它可能会得到这样的结构：B 品类连续两个月下降，累计跌幅接近一半；可能原因包括渠道库存、竞品降价、投放减少、季节性变化；下一步需要看投放费用、价格变动、用户评价、渠道库存。注意，这里真正有价值的不是"B 下降了"——这个你自己也能看出来；有价值的是 AI 帮你把后续排查路径列出来。
注意： AI 做的是"整理和假设"，不是"证明"。它找出的异常和原因是假设，需要你用业务经验来验证。它擅长从数据里找信号，但信号是否成立，判断权在你手上。
场景二：让 AI 帮你做竞品分析
你正在做一个新产品，需要看看市面上同类产品都在做什么。
Prompt 模板：
我在做 [你的产品/业务简述]，需要对比以下竞品：[竞品 A]、[竞品 B]、[竞品 C]。
请从以下维度对比：
- 核心功能差异
- 目标用户
- 定价模式
- 优势和劣势
输出格式：先给一个对比表格，再给出一段总结——我们的差异化机会可能在哪。
AI 能帮你快速搭建一个竞品对比框架。但有两个重要提醒：
第一，事实要验证。 AI 对竞品的具体功能、价格、最新动态可能有误——特别是小众产品。它给出的信息要交叉验证，不要直接拿去汇报。实时性较强的产品需要进行联网搜索。
第二，不要只问 AI。 AI 的竞品信息来自公开资料，而真正的竞争洞察往往来自用户反馈、行业报告、内部数据。AI 帮你搭框架，填内容要靠你和你的团队。
场景三：让 AI 帮你做决策分析
你面临一个选择：A 方案还是 B 方案？要不要投入这个新方向？
Prompt 模板：
我面临一个决策：[描述决策背景和选项]。
请帮我做以下分析：
- 列出每个选项的核心优势和风险
- 每个选项需要的前提条件是什么
- 如果选 A，最坏的情况是什么？如果选 B 呢？
- 你认为决策的关键变量是什么（我最应该想清楚的那个因素）
不要替我做决定，帮我把问题拆清楚。
这个用法的核心是：AI 是你的决策顾问，不是决策者。
你还可以让它把选择变成一个评分矩阵。比如你在纠结"做免费版拉新"还是"只做付费版提高收入"，可以让 AI 按 5 个维度打分：短期增长、现金流、用户质量、运营压力、品牌影响。每个维度 1-5 分，并要求它写清楚打分理由和不确定性。
选项 A：上线免费版
优势：拉新快、用户反馈多、传播门槛低
风险：服务器成本上升、低质量用户变多、转化率不确定
关键前提：免费用户中至少有一部分能转付费
选项 B：只做付费版
优势：收入模型清晰、用户质量高、支持成本可控
风险：增长慢、试用门槛高、早期反馈少
关键前提：产品价值足够强，用户愿意先付费再体验
这种表格不能直接告诉你选哪个，但它能逼你看见真正的问题：你不是在选"免费还是付费"，你是在选"先要增长"还是"先要现金流"。问题一旦被拆到这个层面，决策就清楚多了。
它能帮你看到你可能忽略的角度、风险、前提条件。它甚至能问出一个好问题——"你最在意的是短期增长还是长期壁垒？"——这个问题本身可能比答案更有价值。
但最终的决定必须由你来做。因为你有 AI 没有的信息：你对团队能力的判断、对市场时机的直觉、对风险的承受力。AI 帮你想清楚问题，你来做判断。
AI 做分析的真正价值
把上面三个场景串起来，你会发现 AI 在分析中的角色不是"给答案的人"，而是"帮你理结构的人"：
它擅长： 快速整理大量信息、找出数据里的趋势和异常、搭建分析框架、列出你可能没想到的角度和风险。
它不擅长： 验证事实的准确性、理解你的业务背景和隐含约束、替代你做需要经验和判断力的决策。
一句话说：AI 是那个帮你把桌子铺满资料、画好表格、标出重点的助理；但拍板的人，是你。
一句话总结
AI 是"分析助理"，不是"决策老板"。用好它帮你整理数据、对比竞品、拆解决策——但记住，事实要验证，判断要自己做。