🧠 Part 03 資料分析與應用 / 從探索主題到高效整理~邱允文
🧠 Part 03 資料分析與應用 / 從探索主題到高效整理
1. 提取關鍵資料與分析方向
雖然這個步驟在 Part 02 已提過，但在 Part 03 階段，它轉變為優化現有知識庫的過程。
案例分析 (3 則)
案例一：專案報告撰寫
優化： 發現已上傳的資料中缺少競爭對手的價格策略。
分析方向調整： 調整提問方向，重點從「產品功能」轉向「定價模型比較」。
案例二：學術文獻篩選
優化： 發現 5 篇論文中只有 2 篇是實證研究。
分析方向調整： 創建一個新的 AI 助手，專門針對這 2 篇實證研究，提取它們的實驗設計與數據結論。
案例三：客戶回饋分類
優化： 客戶回饋文件過於籠統。
分析方向調整： 專注於提取客戶回饋中具體的形容詞（如「慢」、「難用」、「創新」），以量化情緒趨勢。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
迭代思維： 分析方向不是一成不變的，應根據
NotebookLM 資料補充： 如果 AI 回覆顯示「資訊不足」，這就是您需要補充新 Source 的訊號。
提示詞 (Prompt) 範例 (優化資料集)：
目的： 根據目前 Notebook 的總結，我們關於「市場進入策略」的資料明顯缺乏法律風險的討論。請指示我需要搜尋哪一類型的文件來補齊這塊知識。
2. 建立筆記本
同 Part 02，此處強調的是為新的分析任務創建新的工作環境。
案例分析 (3 則)
案例一：
目標： 隔離專案的財務資料和技術資料。
操作： 創建一個獨立的「專案財務模型驗證」Notebook，僅上傳預算表、投資回報分析 (ROI) 文件。
案例二：
目標： 進行獨立的學習複習。
操作： 建立「微積分期末重點」Notebook，只包含最容易混淆的 5 個核心數學概念。
案例三：
目標： 針對單一客戶的客製化提案。
操作： 建立「客戶 Z 提案草擬」Notebook，只包含該客戶的 RFI/RFP 文件和提案範本。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
專注原則： 新 Notebook 應服務於一個獨立的目標，避免不同專案的資料互相干擾。
命名清晰： 確保筆記本名稱能立即識別其內容和用途，例如「草稿」、「最終版」、「僅供參考」等標籤。
提示詞 (Prompt) 範例 (命名與定義目標 - 供自己參考)：
目的： 我正在建立「競爭者動態分析」的 Notebook。我的主要目標是分析競品 A, B, C 在過去三年內的併購活動。
3. 上傳多類型資料來源
在應用階段，更強調上傳資料的多樣性與互補性。
案例分析 (3 則)
案例一：
上傳： 結構化的
PDF Google Doc 分析目的： 找出**「設計規格」與「實際用戶體驗」**之間的落差。
案例二：
上傳： 舊的 TXT 格式內部技術文檔，與新的 PDF 格式官方白皮書。
分析目的： 識別技術標準的變革和廢棄的技術路線。
案例三：
上傳： 中文的市場研究報告，與英文的學術期刊文章。
分析目的： 利用
NotebookLM
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
互補性： 匯入的資料應是互相印證或互相衝突的，這能最大化 AI 的分析價值。
檔案限制： 務必注意
NotebookLM
提示詞 (Prompt) 範例 (要求跨語言分析)：
動作： 請將 Source A（中文）和 Source B（英文）中，關於**「全球晶片短缺」影響的所有論點**，統一翻譯成繁體中文並匯總成五個要點。
4. 一鍵生成核心內容、總結與重點關注
案例分析 (3 則)
案例一：生成核心內容 (Core Content)
功能： 針對一個包含 8 份文件的 Notebook，一鍵生成所有文件的核心知識脈絡圖。
結果： 一個關於專案的**「人物、時間、地點、主要事件」**的結構化概述。
案例二：生成總結 (Summary)
功能： 針對單一長篇文件，一鍵生成多段落摘要。
結果： 包含引言、主體和結論的完整文件摘要，幫助快速篩選。
案例三：生成重點關注 (Focus Areas)
功能： 讓 AI 自動識別多份文件之間討論最熱烈或存在爭議的主題。
結果： 例如「資料隱私權」或「成本超支」等，這些是需要使用者優先處理的內容。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
位置： 這些功能通常以按鈕或預設提示的形式出現在
NotebookLM 用途： 這是探索新資料集最快的起步方式，無需手動輸入提示詞。
提示詞 (Prompt) 範例 (手動調整預設功能)：
請求： 產生一個總結。但請特別排除關於「管理層變動」的內容，只專注於產品開發和市場份額。
5. 一鍵生成關鍵問題整理
利用 AI 識別資料中的未解問題、挑戰或空白點。
案例分析 (3 則)
案例一：研究專案
功能： 針對所有學術文獻，生成一份「尚待解決的研究問題 (Open Research Questions)」清單。
結果： 幫助研究人員找到新的論文切入點。
案例二：產品設計
功能： 針對用戶回饋，生成一份「用戶痛點與設計問題」的清單。
結果： 幫助設計師和 PM 識別必須解決的產品缺陷。
案例三：法律文件
功能： 針對多份法律合同，生成一份「合同條款中的歧義或潛在風險」問題清單。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
批判性分析： 這個功能鼓勵您超越內容本身，思考資料沒有告訴您什麼。
引導提問： 輸出的是「問題」而非「答案」，目的是引導您進行下一步的分析。
提示詞 (Prompt) 範例：
角色： 假設你是一位審計師。 需求： 根據所有財務文件，請列出五個最大的「資料缺失」或「資訊不一致」的問題，並指出這些問題可能導致的潛在後果。
6. 一鍵生成學習問題研讀指南
將資料轉化為可測試、可學習的結構化問題。
案例分析 (3 則)
案例一：認證考試準備
功能： 針對官方教材，生成一份包含「定義、比較、解釋原因」三種題型的模擬考題集。
案例二：技能訓練
功能： 針對程式語言手冊，生成一份「程式碼除錯案例」和「功能實現步驟」的實作問題指南。
案例三：歷史事件學習
功能： 針對歷史文獻，生成一份「因果關係分析」和「不同人物視角」的研讀問題列表。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
主動學習： 將被動閱讀轉化為主動思考。
多樣化題型： 好的指南應包含多種認知層次的問題，從記憶（What is...）到應用（How can I apply...）。
提示詞 (Prompt) 範例：
需求： 請為我上傳的「專案管理」書籍生成一個研讀指南。 要求： 必須包含十道題。其中，四道是簡答題（定義概念），四道是比較題（比較兩種專案模型），兩道是情境題（應用知識解決問題）。
7. 問答與分析
這是
案例分析 (3 則)
案例一：事實性提問
問題： 專案 A 的最初啟動日期是哪一天？
結果： AI 準確回覆日期，並連結回原始文件的具體頁碼和段落。
案例二：綜合性分析提問
問題： 綜合所有用戶訪談，用戶對於**「新的訂閱流程」的主要抱怨點集中在哪三個方面**？
結果： AI 彙整多個文件中的內容，總結並提供三點條列式回答。
案例三：假設性提問
問題： 如果我們採納 Source C 中提出的**「藍海策略」，那麼 Source A 中提到的「技術門檻」**是否仍然是一個主要障礙？
結果： AI 結合兩個文件的資訊，進行推理和邏輯分析。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
範圍限制： 答案永遠不會超出您上傳的 Sources 範圍。
引文檢查： 每次回答都應該有可點擊的引文（[1]、[2] 等），這是判斷答案可靠性的唯一標準。
提示詞 (Prompt) 範例：
問題： 根據 Source A 和 Source B，請計算兩個專案（X 和 Y）的總預算差異是多少？
8. 將重要回覆儲存至記事
將 AI 產生的有價值資訊永久保存在筆記本中。
案例分析 (3 則)
案例一：總結關鍵發現
操作： 將 AI 綜合多份文件後得出的**「市場核心趨勢」**摘要，點擊「儲存為記事」。
用途： 作為最終報告的引言或結論基礎。
案例二：保存重要引言
操作： 將 AI 提取出的最能概括專案風險的客戶語錄，點擊「儲存為記事」。
用途： 在會議中作為決策的證據。
案例三：保存結構化資料
操作： 將 AI 生成的**「競品功能比較表格」**，點擊「儲存為記事」。
用途： 形成筆記本中可快速查閱的參考資料。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
操作位置： 通常在 AI 的每個回覆下方或旁邊，會有一個**「Add to Notebook」或「儲存」**的按鈕。
目的： 記事 (Notes) 是您整理和應用知識的場所，不同於原始文件 (Sources)。
可編輯性： 記事被儲存後，您可以對其進行二次編輯、重組或添加個人註解。
提示詞 (Prompt) 範例 (生成可儲存的內容)：
需求： 請針對所有文件，生成一份完整的「客戶反饋」和「對應解決方案」的列表。請用條列式並明確標註。我將把這個列表儲存為記事。
9. 將記事轉換為來源 (Turn Notes into Sources)
這是
案例分析 (3 則)
案例一：建立自己的觀點
操作： 將您經過多次整理、充滿個人見解的**「專案執行大綱」**記事，轉換為新的 Source。
用途： 讓 AI 以您的大綱為基礎，進一步撰寫或提問。
案例二：摘要的二次分析
操作： 將 AI 綜合生成的**「總摘要」**記事，轉換為新的 Source。
用途： 專門針對這個摘要 Source 提問，要求 AI 找出摘要中的矛盾點，進行更高階的批判性分析。
案例三：數據模型的輸入
操作： 將 AI 根據多份文件提取後生成的**「關鍵績效指標 (KPI) 表格」**記事，轉換為新的 Source。
用途： 讓 AI 以這個結構化的表格為唯一依據，計算「平均增長率」等數據。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
迭代循環： 這是 Source Note New Source 的循環。它讓 AI 成為您思想的協作者，而非僅僅是資料閱讀器。
操作位置： 在記事 (Notes) 的編輯或管理介面中，會有一個選項將其**「轉換為 Source」**。
AI 權重： 一旦轉換，AI 會將您的記事視為與原始文件同等重要的參考資料。
提示詞 (Prompt) 範例 (基於新 Source 的提問)：
前置步驟： [已將個人撰寫的「初步結論」記事轉換為 Source Z] 提問： 根據 Source Z 中我提出的三個假設，請在原始文件（Source A, B, C）中尋找支持或反駁這些假設的證據。
10. 多層次重點摘要與完整筆記
從單純的摘要進階到有層次、有結構的筆記。
案例分析 (3 則)
案例一：長篇報告總結
需求： 第一層摘要（一分鐘版本，30 字）、第二層摘要（五分鐘版本，300 字）、第三層完整筆記（包含關鍵數據和引文）。
案例二：訪談記錄結構化
需求： 標題（訪談核心）、問題點（用戶痛點列表）、解決方案（可能的產品改進建議）。
案例三：專業書籍解構
需求： 核心理論、歷史背景、現代應用、批判性觀點。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
多層次提問： 這是通過多個連續的提示詞來引導 AI 產生不同粒度的輸出。
結構化輸出： 利用 Markdown 格式（如
# 標題、* 條列式、| 表格 |）要求 AI 輸出，以獲得清晰的筆記。
提示詞 (Prompt) 範例 (一次性生成多層次筆記)：
需求： 請針對 Source A，按照以下結構生成完整筆記：
# 核心結論 (100 字內)
## 數據支持 (表格呈現)：列出所有提及的關鍵數據和圖表名稱。
### 行動項目 (條列式)：根據文件內容，提出三個可行的行動建議。
11. 心智圖：讓思緒更清晰！
雖然
案例分析 (3 則)
案例一：專案概念拆解
需求： 將「專案 X」拆解為**「目標」、「里程碑」、「資源」和「風險」**四個分支，並進一步細化。
案例二：複雜理論學習
需求： 將**「量子力學的基本概念」**以心智圖的層級結構輸出，主幹為「波粒二象性」、「不確定性原理」、「量子糾纏」。
案例三：決策樹分析
需求： 根據所有資料，生成一個關於**「是否進入新市場」的決策樹結構**（以 Markdown 文本表示）。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
提示詞 (Prompt) 範例 (生成心智圖結構)：
需求： 請根據所有文件，生成一份關於**「永續發展策略」的心智圖大綱，並以分層條列式（使用 - 符號和縮排）**輸出：
主幹： 三個 P（People, Planet, Profit）
People (分支): 包含「員工福利」和「社區參與」的具體措施。
Planet (分支): 包含「碳排放目標」和「廢物管理」的數據。
Profit (分支): 包含「長期投資回報」和「綠色產品線」的說明。
12. 論文資料整理與總結
針對學術研究和長篇複雜文獻的專業整理流程。
案例分析 (3 則)
案例一：文獻綜述 (Literature Review)
功能： 讓 AI 比較不同作者的論文，生成一個關於「研究方法」、「主要發現」和「侷限性」的比較矩陣。
案例二：摘要與結論提取
功能： 批量處理 20 篇論文，並在一分鐘內提取出每一篇論文的「摘要」和「未來研究方向」。
案例三：變量與假設識別
功能： 針對心理學論文，要求 AI 識別**「自變量 (Independent Variable)」、「因變量 (Dependent Variable)」和「研究假設」**。
📝 細節與提示詞 (Prompt) 範例
關鍵細節：
專業術語： 在提示詞中使用專業的學術術語（如「變量」、「樣本量」、「信度」），AI 的理解會更準確。
專屬 AI 助手： 創建一個名為「文獻綜述專家」的 AI 助手，專門處理這類問題。
提示詞 (Prompt) 範例：
目標： 針對我上傳的五篇關於「機器學習」的論文。 需求： 請為每篇論文生成一個簡短的結論。並在最後，請你總結這些論文在「數據集規模」方面是否有共識或爭議？
留言
張貼留言