AI无法替代人类进行假设构建、逻辑推演与实验设计。真正的核心竞争力，在于分析师能否像剥洋葱般层层拆解模糊需求，建立严密的逻辑树，并主导验证过程。切记：你自己都没想清楚的问题，烧再多Token也换不来奇迹；唯有厘清思路、定义标准，才能让AI真正成为提效利器，而非背锅侠。

2026年做数据分析，最重要的就是搞明白：哪些该AI做，哪些得自己上。今天陈老师第一个例子，从简单到困难讲清楚，话不多说，上场景！

0级难度

某天，你收到需求：“看下我司APP新增的A功能，过去5天内累计使用1+次的人有多少（去重）”。

这问题指标+维度的口径都清晰，直接跑数即可。但是，这玩意压根不能叫“分析”，就是提个数而已。

类似问题，赶紧丢AI出SQL交作业完事。如果你的工作只有这种需求，可得小心饭碗了！

1级难度

某天，你收到需求：“看下我司APP新增的A功能，过去5天有多少人在用”。

这个听起来和之前差不多，注意！“多少人”并不是一个明确的指标，只是个笼统的说法，细分起来，有：

• 5天内累计使用1+次的人（去重）
• 5天内累计有多少人次使用（不去重）
• 5天内，每天有多少人在使用
• 5天内，累计使用5、4、3、2、1天的人有多少
• 5天内，各使用频次人数（1、2、3……10、10+次）

确认清楚口径再下手！工作中相当多的无效加班，就是从“口径不清晰，业务反复改”开始的。而且这事问AI没用！君不见众多ChatBI项目，就是死在业务需求过于随意，口径来来回回对不齐

主动、细致的确认口径，才是深入分析的起点。

这几个指标可能都有用：

1. 看去重的人数 → 评估总用户渗透了多少
2. 看每天人次→  看发展趋势
3. 看各类型累计使用天数→ 判断有多少重度用户

总之，理清思路，提供建议，确保数据准确。

2级难度

某天，你收到一个需求：“看下我司APP新增的A功能，过去5天使用的人，付费行为是不是比其他人更好”。

注意，这里需求不明确，要细致拆解：

1. “过去5天使用过A功能的用户”这是上文1级难度的数据。
2. 付费行为是个笼统说法。是付费金额or频次？要确认清楚。
3. 比其他人更好 → 谁是其他人？是全体用户 or 未使用该功能用户。

拆解后，确认细节。终于可以落地成一个详细需求：

1. 过去5天内使用过A功能用户基本情况（人数，使用天数分布，使用频次分布）
2. 过去5天内使用过A功能用户付费行为（多大比例，付费人群的5天内累计付费金额，5天内付费频次，人均付费金额，人均付费次数）
3. 过去5天内未未使用过A功能，且活跃的用户的活跃天数、付费比例，付费金额，付费频次，人均付费金额，人均付费次数）

此时，可以交AI出SQL了！AI是你的员工，不是老师。它适合解决确定的要求。至于，你自己都没整明白的问题，指望不上AI。

3级难度

某天，你收到一个需求：“分析下为啥使用A功能的人付费更好？”注意，先问是不是，再问为什么。我们要先解决2级难度的问题，才确认是否真的“更好”，然后再问：为什么更好

分析原因的时候，假设很重要！A功能到底有没有用是关键。经验多的分析师能快速形成假设，经验少的同学，可以把自己的业务场景（APP名称，功能点，操作流程，数据情况）描述给AI，让AI给出可能的假设，假设成立时指标，验证假设的方法，再用自己的数据验证。

注意！多种原因会导致A功能用户“看起来更好”

1. 本身消费高，但是用了A功能以后消费更高了
2. 本身消费高，但是比不用A的人更高
3. 消费低的人，用了A也有提高
4. 消费低的人，不用A只会更低

这里要得列清楚逻辑树，逐一排查（如下图）支持结论的正面、反面例子越多，结论越站的住。

即使做到上述内容，可能被人反驳。别人会说：“A用户只是尝新，过了这段时间就没有效果了”。涉及未来数据情况，需要观察一段时间才能有结论。

如果等不了那么久，还可以做测试，比如测试：“做不大”这个点，可以主动向其他群体推广A功能，观察A功能增量以及留存效果。此时，你可掏出AI了。交代清楚背景，让AI帮你设计一个实验方案（从始至终，你都要把AI当小弟用）

4级深度

某天，你收到需求：“分析下A功能对用户有啥影响？”

看起来问题好简单，可要解题却更复杂了。因为上文从0级到3级，我们只讨论了A功能对“付费”的影响，比如活跃、留存、转介绍等等均未讨论。且每个议题，都得经历1~3级难度的漫长的拆分。

到这里，我们的分析已经非常有深度了。

总结全过程

如果一个问题：

• 有清晰的衡量指标
• 有明确的判断指标好坏的标准
• 有明显的指标间影响逻辑
• 基于封闭的业务场景，容易测试

那这个问题就是很容易解决的。

可现实中的问题，常常是：

• 随意模糊的问题表达
• 没有清晰的判断标准
• 杂糅了众多影响因素
• 没有时间给我们慢悠悠测试

这时候就只能从头开始，一点点梳理。把本文顺序倒过来，从4级开始逐步拆解，层层剥洋葱。而2026年最怕的，就是自己稀里糊涂，把问题甩给AI，token拼命烧，领导不满意。甚至还惯着领导随口说需求坏毛病，指望再烧点token就能发生奇迹……

去年分析Agent倒台的项目太多了，大家小心哦