13 · 按岗位学习
数据分析师：WorkBuddy 应用场景
了解数据分析师岗位的 WorkBuddy 应用场景、输入、交付结果、实施条件与人工边界。
覆盖角色：数据分析师、商业分析、经营分析、BI、财务分析 核心判断：数据分析岗位需要把取数、口径、清洗、分析与解释连成可追踪过程。
一、岗位为什么值得优先梳理
数据与经营分析每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。
岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 数据清洗 | Excel/CSV、字段定义、质量规则 | 清洗数据、问题清单和处理日志 | 原始数据保留，处理规则可复现 |
| 多表合并 | 多文件、主键、时间和口径 | 合并表、未匹配项和重复项 | 主键与口径必须先确认 |
| 指标计算 | 业务定义、公式、源字段 | 指标表、公式和数据血缘 | 同名指标可能口径不同 |
| 异常检测 | 历史数据、阈值、季节和事件 | 异常点、影响和排查顺序 | 异常不等于错误或原因 |
| 可视化与仪表板 | 指标、受众、刷新频率 | 图表、交互看板和解释 | 避免误导性坐标和选择性展示 |
| 经营诊断 | 收入、成本、客户、产品和渠道数据 | 问题树、贡献分解和验证清单 | 相关性假设要用业务证据验证 |
| 预测与情景分析 | 历史数据、驱动因子、假设 | 基准/乐观/悲观情景 | 展示误差区间，不承诺准确结果 |
| 自动化报告 | 数据、模板、管理问题 | 日报、周报、月报和行动项 | 对外披露数据需财务/管理层确认 |
| 口径与数据治理 | 数据字典、系统字段、指标文档 | 口径冲突、责任人和治理清单 | 治理是业务与数据团队共同责任 |
三、三个优先场景
1. 数据清洗
这一场景的目标是把Excel/CSV、字段定义、质量规则整理成清洗数据、问题清单和处理日志。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
- 输入：Excel/CSV、字段定义、质量规则
- 输出：清洗数据、问题清单和处理日志
- 验收：检查清洗耗时、口径错误率、分析返工率
- 边界：原始数据保留，处理规则可复现
图：13-数据分析师入选来源文章中的正文配图，用于辅助理解场景。
2. 多表合并
这一场景的目标是把多文件、主键、时间和口径整理成合并表、未匹配项和重复项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
- 输入：多文件、主键、时间和口径
- 输出：合并表、未匹配项和重复项
- 验收：检查清洗耗时、口径错误率、分析返工率
- 边界：主键与口径必须先确认
图：13-数据分析师入选来源文章中的正文配图，用于辅助理解场景。
3. 指标计算
这一场景的目标是把业务定义、公式、源字段整理成指标表、公式和数据血缘。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
- 输入：业务定义、公式、源字段
- 输出：指标表、公式和数据血缘
- 验收：检查清洗耗时、口径错误率、分析返工率
- 边界：同名指标可能口径不同
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 多表合并、指标计算、异常检测、可视化与仪表板 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 多表合并 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 数据清洗、口径与数据治理 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 经营诊断、预测与情景分析 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“数据清洗”。它所需输入是Excel/CSV、字段定义、质量规则，目标交付是清洗数据、问题清单和处理日志。
试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。
建议验收指标包括：清洗耗时、口径错误率、分析返工率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 预测与情景分析：展示误差区间，不承诺准确结果。
- 自动化报告：对外披露数据需财务/管理层确认。
- 口径与数据治理：治理是业务与数据团队共同责任。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
按岗位用 AI · 完整版