目录
[二、AI 大模型数据分析介绍](#二、AI 大模型数据分析介绍)
[2.1 什么是AI数据分析](#2.1 什么是AI数据分析)
[2.2 AI数据分析与传统数据分析对比](#2.2 AI数据分析与传统数据分析对比)
[2.2.1 差异分析](#2.2.1 差异分析)
[2.2.2 优劣势对比](#2.2.2 优劣势对比)
[2.3 AI大模型工具数据分析应用场景](#2.3 AI大模型工具数据分析应用场景)
[3.1 ChatGPT 常用数据分析技巧操作演示](#3.1 ChatGPT 常用数据分析技巧操作演示)
[3.1.1 快速生成数据](#3.1.1 快速生成数据)
[3.1.2 在线分析数据](#3.1.2 在线分析数据)
[3.1.3 在线提取数据](#3.1.3 在线提取数据)
[3.1.4 离线数据提取与分析](#3.1.4 离线数据提取与分析)
[3.1.5 提取PPT数据](#3.1.5 提取PPT数据)
[3.1.6 提取文档数据并分析](#3.1.6 提取文档数据并分析)
[3.2 使用GPTs进行数据分析](#3.2 使用GPTs进行数据分析)
[3.2.1 在线提取数据](#3.2.1 在线提取数据)
[3.2.2 在线分析数据](#3.2.2 在线分析数据)
[3.2.3 识别图片并提取图片中的数据](#3.2.3 识别图片并提取图片中的数据)
[3.2.4 处理excel数据](#3.2.4 处理excel数据)
[3.3 补充说明](#3.3 补充说明)
一、前言
在大多数人的印象中，数据分析是一门神秘而又比较困难的学科技术，属于特殊领域的人才能做的事情，比如大数据工程师，数据专家，BI数据分析师等，但是随着AI等大模型的开源以及当下各种AI助手的广泛使用，普通人也可以借助ChatGPT等AI工具完成一些基本的数据提取，数据转换和数据分析等功能，从而完成之前不敢想象的事情，本文将详细介绍一下如何借助AI等大模型工具完成一些日常的数据分析工作。
二、AI 大模型数据分析介绍
2.1 什么是AI数据分析
AI数据分析是指利用人工智能技术，特别是机器学习（ML）和深度学习（DL），来自动处理、分析和解释复杂数据集的过程。它不仅能够快速处理海量数据，还能发现其中的模式、趋势和关联，为决策提供有力支持。
-
定义：AI数据分析结合了统计学、计算机科学和领域专业知识，通过自动化算法从数据中提取有价值的信息。
-
目标：提高数据分析的速度、精度和效率，辅助或替代人类进行复杂的分析任务。
-
关键技术
-
机器学习
-
深度学习
-
2.2 AI数据分析与传统数据分析对比
AI大模型等工具进行数据分析与传统数据分析方法相比，在多个方面存在差异，且各自具备独特的优劣势。以下是两者的多个维度的对比分析。
2.2.1 差异分析
尽管两者最终的目的相同，都是通过分析数据得出预期的结果，但仍然存在一些差异
-
自动化程度
-
AI工具：高度自动化，能够处理从数据预处理到模型构建、评估的整个流程，甚至可以自动选择最优算法。
-
传统方法：通常需要较多的人工干预，包括手动编写代码、调整参数等。
-
-
处理速度和规模
-
AI工具：擅长处理大规模、复杂的数据集，能够在短时间内完成复杂的计算任务。
-
传统方法：可能在面对海量数据时显得效率较低，且处理时间较长。
-
-
预测能力
-
AI工具：通过机器学习和深度学习算法，AI工具能够更准确地捕捉非线性关系，提供更精确的预测。
-
传统方法：主要依赖于统计学原理，对于某些非线性和复杂模式的识别能力有限。
-
-
灵活性和适应性
-
AI工具：可以根据新数据不断自我优化和学习，具有更强的自适应能力。
-
传统方法：一旦模型建立，其结构相对固定，难以快速适应新的变化或趋势。
-
-
用户友好度
-
AI工具：许多AI平台提供了图形界面和拖拽式操作，降低了使用门槛，使得非技术人员也能轻松上手。
-
传统方法：往往要求使用者具备一定的编程技能和统计知识，对普通用户的友好度较低。
-
2.2.2 优劣势对比
AI大模型工具与传统的数据分析有各自的优劣势，下面分别说明。
1）AI工具优劣势说明：
-
优势
-
高效性：快速处理大量数据，缩短了数据分析周期。
-
准确性：能更好地识别复杂模式，提高预测精度。
-
智能化：支持自动化特征工程、模型选择和调参，减少了人工劳动。
-
可扩展性：易于集成到现有的IT架构中，并随着业务需求的增长而扩展。
-
-
劣势
-
解释性：某些高级AI模型（如深度神经网络）被称为"黑箱"，难以解释其决策过程。
-
数据依赖：性能高度依赖于高质量的数据输入，如果数据质量不佳，可能导致结果偏差。
-
成本较高：初期部署和维护成本可能较高，特别是对于中小企业而言。
-
2）传统数据分析优劣势
-
优势
-
透明性：基于明确的统计假设和公式，结果易于理解和解释。
-
适用性广泛：适用于各种规模的数据集，尤其是小样本量的情况。
-
成本效益：不需要昂贵的硬件设施或复杂的软件环境，适合预算有限的企业。
-
-
劣势
-
灵活性不足：面对快速变化的数据环境时，调整模型较为困难。
-
效率较低：在处理大规模数据时，计算速度和响应时间相对较慢。
-
人力密集：需要更多专业人员参与数据分析过程，增加了人力成本。
-
总结来说，AI工具和传统数据分析方法各有千秋。选择哪种方式取决于具体的业务需求、数据特点以及企业的资源和技术水平。在实际应用中，两者也可以结合使用，以充分发挥各自的长处。
2.3 AI大模型工具数据分析应用场景
AI大模型工具在数据分析中能够发挥巨大作用，特别是在处理复杂、大规模数据集时。这些工具不仅能够快速处理和分析大量信息，还能发现传统方法难以捕捉的模式和关系。以下是AI大模型工具做数据分析的具体使用场景：
-
数据预处理
-
AI工具在数据预处理中发挥重要的作用，包括数据清洗、标准化和转换。
- 通过AI算法，可以自动识别并修正错误数据、填补缺失值，确保数据的完整性和一致性，从而提高后续分析的准确性和效率
-
-
模式识别
-
AI可以通过模式识别技术从海量数据中发现隐藏的规律和趋势，为决策提供依据。
- 例如，在金融领域，AI可以从交易数据中识别潜在的欺诈行为；在零售行业，AI可以通过图像识别技术分析顾客的购物行为，优化商品陈列和库存管理
-
-
预测分析
-
AI算法，尤其是机器学习和深度学习，能够从大量数据中识别模式并进行预测，帮助企业更准确地预测未来趋势、行为模式和结果。
- 例如，通过分析用户行为数据，企业可以制定个性化的营销策略，提高销售效果
-
-
智能推荐系统
-
在电商、在线教育等行业，AI通过对用户行为数据的分析，实现个性化推荐和智能推荐，提高用户满意度。
- 例如，智能推荐系统可以根据用户的浏览和购买历史，推荐相关的商品或课程
-
-
风险控制
- 银行、保险等行业可以通过AI技术对海量数据进行快速处理和分析，提高风险预警和识别能力。例如，AI可以实时监测交易数据，识别潜在的欺诈行为
-
决策支持
- AI可以将海量数据转化为可视化图表和报告，帮助企业提高决策效率和准确度。通过数据分析AI技术，企业可以更好地理解市场趋势和客户需求，做出更明智的决策
-
自然语言处理
- NLP技术使得计算机能够理解和分析人类语言。在数据分析中，NLP可以用于处理文本数据，执行情感分析、主题建模和实体识别等任务。例如，通过分析社交媒体上的用户评论，企业可以了解市场反馈和品牌声誉
-
聚类和分群分析
- AI算法可以自动进行聚类分析，将数据分为相似的群组，有助于发现数据中的隐藏结构和模式。例如，在市场细分中，AI可以将客户分为不同的群体，帮助企业制定针对性的营销策略
AI大模型工具凭借其强大的计算能力和智能化特性，在多个行业中展现出广泛的应用潜力。随着技术的发展，这些工具将继续拓展其应用场景，为企业和个人带来更多价值。它们不仅提高了数据分析的速度和准确性，还带来了新的业务洞察和创新机会。
三、AI大模型工具数据分析操作实践
接下来将通过实战案例，结合日常工作中常用的数据分析场景为背景进行演示操作，在正式开始之前有下面几个建议需要提前准备或储备：
-
具备使用AI大模型工具的能力，比如像ChatGPT，通义千问，文心一言等，各个大模型虽然底层模型不同，但是使用技巧类似；
-
掌握与AI大模型工具对话的常用提示词技巧，即Prompt技巧，对话中好的提示词能够让AI工具反馈的答案更精准，效果体验更佳；
3.1 ChatGPT 常用数据分析技巧操作演示
ChatGPT升级到4之后，模型背后的数据分析能力也得到了极大的增强，借助GPT的数据分析能力，以及内置的GPTs数据分析助手，可以帮助我们完成很多意想不到的数据功能，下面将一一介绍。
3.1.1 快速生成数据
对很多初入职场的同学来说，做市场调研，或搜集一些可用于支撑业务决策的报告时，往往需要做一些基本的数据调研，这个时候往往会借助各类网站的数据源获取原始数据，如果使用AI大模型工具，只需要通过提问的方式即可完成，比如下面的案例中，我们向GPT问几个问题就可以得到全世界GDP排名前十的国家相关的指标统计。
问题1：
- 请列举出人均GDP前十名的国家，GDP值，国家人口数，并以表格的形式展现
问题2：
- 补充一列新的数据
3.1.2 在线分析数据
针对上一个场景继续深入，假如我们找到了一手数据源的网站，并且这样的网站也给出了不错的有价值的数据源，就可以省去自己把数据爬下来的过程，那么就可以借助GPT等AI工具进行在线的分析，得出你想要的答案，比如这里我们选取一个"国家数据"网站，找到了这样一篇文章：
https://www.stats.gov.cn/sj/zxfb/202412/t20241216_1957755.html
基于文章中的数据，我们希望借助GPT分析数据并得出一些结论，首先给出如下的提示词：
bash
作为数据分析专家，我将给你提供数据，你对数据进行深入分析并给出分析结论：
数据描述：<2024年11月份70个大中城市商品住宅销售价格变动情况>
数据链接：<https://www.stats.gov.cn/sj/zxfb/202412/t20241216_1957755.html>输入对话框之后，GPT给出下面的结论
这个分析还是很详细的，对于分析的结论，如果还有更深入的问题，可以继续提问：
bash
根据提供的数据和分析，预测2025年商品住宅销售的趋势
且不论分析的准确度如何，单就出这个结论，就能省去人工非常多的时间，而只需要对其结论做二次汇总、校验、修正和完善即可，毕竟AI工具是基于算法得出的结论还是具备可靠性的。
有兴趣的同学也可以找一些其他的公开的数据源网站，借助AI工具做下分析尝试，这里再提供另一个开源的数据网站：kaggle
3.1.3 在线提取数据
如果你看到了一篇不错的可用于后续工作中业务使用的文章，而且文章里面的数据对你来说很有参考价值的时候，可以借助AI等大模型工具将文章中的数据提取出来，比如在这里有下面一篇来自wiki的文章
https://en.wikipedia.org/wiki/History_of_artificial_neural_networks
我们的需求是，提取文章中的事件和时间，提示词如下：
bash
请为我提取这篇文章中的重要事件和时间点。文章地址如下：
https://en.wikipedia.org/wiki/History_of_artificial_neural_networks
3.1.4 离线数据提取与分析
如果我们的数据源是一段文本，一张图片，或一个excel，一个PDF等，仍然可以借助GPT等AI大模型能力完成数据的分析，在这个过程中，大模型同时完成了多项工作，比如图片识别，数据提取，数据分析，输出总结，可以说，这些事情放在多年前，任何一项使用一些第三方服务都是价格很高昂的，如下，我们有下面的一张图片，在图片中有一些数据，希望GPT能够提取并转换成excel数据，最后给出分析报告。
提问1：
- 请根据我接下来上传的图片，提取里面的数据并输出为excel，以中文展示
问题2：
- 根据上面的excel数据预测2025年各个编程语言的排名和趋势
3.1.5 提取PPT数据
从一个文档中提取我们需要的信息，比如在下面的文档或PPT中，通过GPT等大模型工具，提取中我们需要的内容。
问题1：
- 根据我上传的文档，提取有关Redis的常用命令，并说明每个命令的简单用法，以excel展现
3.1.6 提取文档数据并分析
当你需要提取文档中的关键数据时，可以考虑使用GPT等大模型工具来帮你完成，如下有一个关于手机报告的文档，我们需要提取文档中的数据输出为excel方便汇总分析
问题1：
- 接下来请根据我上传的文档，提取文档中的关键数据，并输出为excel，以中文展示
问题2：
- 添加一栏
3.2 使用GPTs进行数据分析
在之前的一篇关于GPTs使用的文章中，我们详细分享了GPTs的使用，在GPTs中有很多热心的伙伴们分享的行业AI助手，可以对特定领域类的问题进行专业的回答和处理，比如针对数据处理，有下面这个 Data Analysis & Report AI ，在探索GPTs中可以搜到
其功能和效果与ChatGPT对于数据分析处理类似，不过某些方面甚至做了强化处理，下面分享几个小的案例。
3.2.1 在线提取数据
提取网站链接的数据，提示词如下：
bash
请为我提取这篇文章中的重要事件和时间点。文章地址如下： https://en.wikipedia.org/wiki/History_of_artificial_neural_networks
3.2.2 在线分析数据
与上一小节一个相同的提示词
bash
作为数据分析专家，我将给你提供数据，你对数据进行深入分析并给出分析结论：
数据描述：<2024年11月份70个大中城市商品住宅销售价格变动情况>
数据链接：<https://www.stats.gov.cn/sj/zxfb/202412/t20241216_1957755.html>
3.2.3 识别图片并提取图片中的数据
以上一小节中的一个国家网站房产销售数据图片为例
相比GPT来说，我并没有给出太多的提示词，当前的GPTs助手就能在识别并提取数据之后给出分析结论
3.2.4 处理excel数据
如下我们有一个excel的数据需要分析和处理
首先上传excel让GPTs识别并提取excel的数据
GPTs首先提取并输出了表格形式的数据
然后我们可以基于输出内容进行进一步的分析，比如汇总数据、生成趋势图等操作
3.3 补充说明
上面演示的是基于ChatGPT 4以及GPTs的数据分析场景，当然国内目前也有很多AI大模型工具也具备数据分析和处理的能力了，比如通义千问，文心一言，星火，智谱清言等，有兴趣的同学也可以尝试尝试。
四、写在文末
本文通过较大的篇幅结合实际操作案例，详细介绍了使用GPT等AI工具处理日常数据分析的各类场景，希望对看到的同学有用，本篇到此结束，感谢观看。