一、數據輸入黃金法則

圖表狐 - AI圖表生成工具,在線數據可視化要求數據描述必須包含三個核心要素：

[主體對象] + [量化指標] + [維度劃分]  

錯誤示例??：
"展示各部門銷售額對比"
正確示例??：
"2023年Q1-Q4各部門銷售額（萬元）：
技術部：Q1-120 Q2-135 Q3-158 Q4-190
市場部：Q1-95 Q2-110 Q3-130 Q4-150
財務部：Q1-80 Q2-85 Q3-90 Q4-95"

二、金融風控案例重構（FIN-2024-001）

完整數據輸入：

"2024年各季度不良貸款率數據： ?
? 北京分行：Q1-1.78% Q2-1.82% Q3-1.95% Q4-2.01% ?
? 上海分行：Q1-1.65% Q2-1.73% Q3-1.80% Q4-1.85% ?
? 深圳分行：Q1-1.92% Q2-1.98% Q3-2.05% Q4-2.12% ?
行業基準值：1.88% ?
特殊要求： ?
1. 用▲標記超過基準值的節點 ?
2. 趨勢線使用灰色虛線 ?
3. 坐標軸保留兩位小數" ?

三、教育數據分析案例升級（EDU-2024-002）

結構化數據模板：

{  "年份": [2021, 2022, 2023],  "地區": ["北京", "上海", "江蘇"],  "公立院校投入": [12.8, 13.5, 14.2],  "私立院校投入": [8.2, 8.9, 9.3],  "畢業生起薪": [15.6, 16.3, 17.1],  "誤差范圍": {  "公立": [0.8, 0.9, 1.1],  "私立": [0.6, 0.7, 0.8]  }  
}  

?圖表狐指令：

"繪制教育投入與產出對比柱狀圖： ?
? X軸：地區維度 ?
? Y軸：投入金額（萬元） ?
? 數據系列： ?
? ?- 公立院校：北京12.8±0.8 上海13.5±0.9 江蘇14.2±1.1 ?
? ?- 私立院校：北京8.2±0.6 上海8.9±0.7 江蘇9.3±0.8 ?
? 樣式要求：漸變藍紫色系，誤差線用灰色描邊" ?

?四、零售銷售占比案例優化（RET-2024-003）

機器可讀數據格式：

| 品類   | 銷售額(萬元) | 環比變化 | 重點標記 |  
|--------|-------------|----------|----------|  
| 服裝   | 3200        | +12%     | ★★★      |  
| 數碼   | 2800        | -5%      | ★★       |  
| 家居   | 2300        | +8%      | ★        |  
| 食品   | 1800        | +3%      | -        |  
| 美妝   | 1500        | +15%     | ★★       |  

增強版指令：?

"生成2024年Q1銷售南丁格爾玫瑰圖： ?
? 基礎數據： ?
? 服裝3200萬（環比+12%） ?
? 數碼2800萬（環比-5%） ?
? 家居2300萬（環比+8%） ?
? 食品1800萬（環比+3%） ?
? 美妝1500萬（環比+15%） ?
? 可視化要求： ?
? 1. 用★數量表示戰略重要性等級 ?
? 2. 環比增長用↑箭頭，下降用↓箭頭 ?
? 3. 點擊扇形顯示詳細經營分析" ?

五、人才評估案例數據強化（HR-2024-004）

多維數據集示例：

角色,專業技能,溝通協作,創新思維,執行力,領導力  
高級工程師,92,85,88,90,78  
項目經理,85,94,82,88,91  
產品總監,88,90,95,85,93  

精準化指令：

生成雷達圖對比三類人才能力：  
? 數據矩陣 (專業技能、溝通協作、創新思維、執行力、領導力)：高級工程師：[92,85,88,90,78]  項目經理：[85,94,82,88,91]  產品總監：[88,90,95,85,93]  
? 樣式規范：  1. 每個角色用不同漸變填充  2. 最大值刻度統一為100  3. 顯示各維度平均值虛線

六、用戶畫像案例數據規范（MKT-2024-005）

標準輸入格式：

const userData = [  { age: 24, spending: 3000, frequency: 8, tier: '黃金' },  { age: 32, spending: 5000, frequency: 12, tier: '鉑金' },  { age: 45, spending: 7000, frequency: 6, tier: '鉆石' },  { age: 28, spending: 4000, frequency: 15, tier: '黃金' },  { age: 36, spending: 6000, frequency: 10, tier: '鉑金' }  
];  

機器可執行指令：

"繪制用戶分布散點圖： ?
? 坐標系設置： ?
? - X軸：年齡（18-60歲） ?
? - Y軸：月均消費（0-10000元） ?
? - 氣泡大小：購買頻次（5-20次/月） ?
? 數據點： ?
? 1. 24歲/3000元/8次 → 黃金 ?
? 2. 32歲/5000元/12次 → 鉑金 ?
? 3. 45歲/7000元/6次 → 鉆石 ?
? 4. ...（共20個樣本） ?
? 分析要求： ?
? 添加LOESS平滑曲線 ?
? 顯示密度等高線 ?
? 異常點用紅色預警" ?

七、電商轉化案例數據量化（SALES-2024-006）

轉化漏斗完整數據流：

轉化階段       本月數據    上月數據    行業基準  
瀏覽商品      10000      9500        -  
加入購物車    6000       5800       55%  
提交訂單      4000       4200       38%  
支付成功      3000       3100       28%  
確認收貨      2000       2100       20%  

?增強型指令：

創建雙月對比漏斗圖： ?
? 階段數據： ?
? - 瀏覽商品：本月10000（上月9500） ?
? - 加入購物車：本月6000（上月5800） → 轉化率60% ?
? - 提交訂單：本月4000（上月4200） → 轉化率66.7% ?
? - 支付成功：本月3000（上月3100） → 轉化率75% ?
? - 確認收貨：本月2000（上月2100） → 轉化率66.7% ?
? 可視化要求： ?
? 1. 用顏色飽和度表示與行業基準的差異 ?
? 2. 顯示階段間流失率箭頭 ?
? 3. 懸停顯示轉化率計算公式

圖表狐網址：圖表狐 - AI圖表生成工具,在線數據可視化

技術標簽：#數據清洗 #可視化規范 #數據分析 #AIGC #精準營銷