把一张业务表格交给 AI，并不会自动得到一张可信的图表。AI 生成数据可视化的正确做法是先锁定指标口径和读者任务，再选择图表、检查异常值，最后把结果放进可评审的看板或原型。本文给出一条可复用的流程，适合产品经理、运营和数据分析人员把 CSV、Excel 或指标清单整理成可解释的图表方案。
如果你希望从指标说明直接得到可讨论的图表草稿，可以先打开墨刀 AI 数据分析，再把整理后的字段和业务目标带入墨刀原型中。AI 负责提出结构与表达建议，口径、权限和最终数字仍由业务负责人确认。
先定义：这张图要回答什么问题
同一组数据可能适合趋势图、对比图，也可能只需要一个数字卡片。开始前把问题写成“对象＋指标＋时间或条件”的句子，避免让模型凭空猜测。
- 趋势：本季度每周的激活用户是否持续增长？
- 比较：不同渠道的注册转化率差异有多大？
- 构成：本月工单按问题类型怎样分布？
- 关系：响应时长与满意度是否同时变化？
把“希望图表好看”改成可验证的任务，例如“让项目负责人在 30 秒内看出哪个渠道需要调整预算”。这句话会影响字段排序、标注方式和颜色层级。
第一步：整理字段与口径，再交给 AI
AI 生成图表前，最容易出错的是字段含义，而不是图表样式。建议先建立一张最小数据字典：
| 字段 | 类型 | 口径 | 示例 |
|---|---|---|---|
| 统计日期 | 日期 | 按自然周汇总 | 2026-10-05 |
| 新增用户 | 整数 | 首次完成注册的账号数 | 1280 |
| 激活率 | 百分比 | 完成首个关键动作的人数 ÷ 新增用户 | 42.6% |
| 渠道 | 枚举 | 以投放平台回传的一级渠道为准 | 搜索 |
不要把客户姓名、手机号、订单号等不必要的个人信息直接放入提示词。可以先在本地脱敏或只提供聚合结果，并在团队约定中写清谁能查看原始数据。
第二步：用结构化提示词生成图表草案
一条好提示词至少交代数据范围、读者、要回答的问题、推荐的表达方式和禁止事项。下面的模板可以直接替换字段：
你是产品分析师。请根据以下字段，为“月度增长复盘”提出 3 张可评审图表。
数据范围：2026 年 1—10 月，按月汇总；
字段：月份、新增用户、激活率、付费转化率、渠道；
读者：产品负责人，阅读时间不超过 1 分钟；
必须回答：增长是否稳定、哪个渠道转化下降、异常月份是什么；
要求：说明每张图的图表类型、横纵轴、聚合方式、标注规则；
禁止：不要臆造数据，不把相关关系写成因果，不使用 3D 饼图。让 AI 先输出“图表建议和理由”，再让它生成图表草稿，通常比直接要求“生成一张漂亮的看板”更容易发现口径问题。
第三步：按问题选择图表，不按样式选择
| 要回答的问题 | 优先图表 | 检查重点 |
|---|---|---|
| 一段时间如何变化 | 折线图、面积图 | 时间间隔一致，异常点有注释 |
| 几类对象谁更高 | 条形图、点图 | 排序明确，零基线和单位清楚 |
| 总量由什么组成 | 堆叠条形图、构成表 | 类别数量适中，避免颜色难区分 |
| 两个指标是否一起变化 | 散点图 | 注明相关性不等于因果，标出样本范围 |
如果读者只关心“是否达标”，一个数字卡片加目标线可能比四张图更有效。图表越多，解释成本越高；每张图都要能对应一个决策动作。
第四步：把图表放进可评审的原型
分析结果需要进入产品页面、周报或运营看板时，可以在墨刀中搭建一个可点击原型。将筛选条件、空数据、加载中、权限不足和错误提示都画出来，再把指标口径写进批注。
- 建立“总览—渠道—明细”三层页面，并为每层写清阅读任务。
- 把日期、渠道、版本等筛选项做成可操作组件，准备默认值和无结果状态。
- 在图表旁标注统计周期、单位、更新时间和数据来源，不用悬浮提示隐藏关键解释。
- 用评论邀请业务、设计和研发各自确认一项：数字口径、视觉层级、接口字段。
这样交付的是“可讨论的分析界面”，不是把未经核验的 AI 草稿当作生产报表。涉及财务、风控或对外发布的数字，应回到权威数据源逐项复核。
第五步：发布前做一轮数据与可读性验收
- 每个数字卡片是否写明单位、周期和计算口径？
- 百分比、金额和人数是否混用了不同分母？
- 色彩是否同时依赖文字、图例或形状，保证色觉差异用户可读？
- 移动端是否能看到标题、最新值和异常说明，表格是否可以横向滚动？
- 数据为空、延迟或接口报错时，页面是否给出下一步而不是显示 0？
常见问题
AI 能直接读取公司的 Excel 并保证图表正确吗？
不能把正确性当成默认结果。AI 可以帮助归纳字段、提出图表方案或生成草稿，但日期、去重规则、分母和异常值需要由熟悉业务的人核对。
数据分析和数据可视化有什么区别？
数据分析关注问题、口径和结论；数据可视化关注如何让读者看懂并采取行动。前者决定“算什么”，后者决定“怎么表达”，两者需要一起评审。
没有完整数据时能先做原型吗？
可以。用明确标注的示例数据搭建结构和状态，但不要把示例值写成真实结果；等接口字段和口径确定后，再进行一次数据验收。
把下一次分析从“先画图”改成“先定义问题”。打开墨刀 AI 数据分析整理字段和图表草案，再用墨刀原型完成筛选、状态与评审流程。
