如何使用ChatGPT: 数据分析师和数据科学家的用例
你可能已经听说过AI工具,例如ChatGPT和Google Bard。
毕竟,在2022年末,ChatGPT以惊人之势席卷全球,成为有史以来最快达到100万用户的产品...仅用5天!
虽然这些基于聊天的大型语言模型(LLM)工具受到广泛欢迎,但你可能不太清楚作为分析专家如何将其应用于工作流程中。这就是我们今天要讨论的内容。
为什么数据专家需要学习使用人工智能工具
世界正在迅速变化。
像ChatGPT和Google Bard这样的工具正在改变游戏规则,让用户能够在几分钟内完成以前需要几个小时才能完成的任务。
以下是任何数据专业人士考虑使用人工智能的一些原因:
- 提升您的表现及效率
- 自动化例常繁重、低价值的任务
- 在更具价值的活动上花费更多时间
- 使用人工智能作为一种简单的方式来检查你的工作。
- 利用人工智能工具快速学习并获取问题答案。
- 保持在领先地位,并在您的领域保持竞争力
AI工具是否会取代数据分析师和数据科学家的工作需求?
这个问题让很多人感到兴奋...尤其是在这些角色中或正在学习进入这个领域的人。很有道理,这是一个可怕的概念。
但是对于分析专家因人工智能而失去工作的担忧完全夸大了。
公司始终需要那些真正优秀的分析师们带来的特殊技能。
- 战略思维 / 解决问题
- 沟通技巧
- 技术熟练
AI工具可以帮助弥补技术差距,但是当涉及到战略性地思考企业、决定集中优势、为组织辩护和推动变革时,人工智能并没有显示出太多的前景。
在可预见的未来,任何拥有良好战略思维、问题解决和沟通能力的优秀分析师很可能免于人工智能夺走他们的工作。
虽然人工智能可能不会夺走你的工作,但使用人工智能的另一个分析师可能会。
想象一下,今天想成为一名分析师,却从未学会如何使用电子表格或互联网。那样的话,你与竞争对手相比就处于极大的劣势。很快我们也会对人工智能工具产生同样的说法。
为了确保你继续被视为数据领域的顶尖人才,你需要培养独特的人际技能,建立坚实的技术基础,并学会使用人工智能等尖端技术。如果你能做到这一点,你的职业生涯将无人能敌。
警告:使用LLM工具的常见陷阱
在我们涉及AI的具体分析用例之前,值得注意一些您在使用它们时需要注意的事项。
- 不要因为分享敏感的公司数据而给自己惹麻烦。一旦与LLM共享,您的信息就不再是私密的。许多公司已经禁止员工使用这些工具。如果雇主发现您在外部泄露了敏感信息,他们会很生气。不要让自己被解雇。
- LLMs被认为会“产生幻觉”。这是一个委婉的说法,意思是它们会胡编乱造。它们总是这样做。问题是,当它们产生幻觉时,这些工具听起来与提供准确信息时一样自信。
- 有时候你会得到对你问题的答案,但你收到的解决方案可能不是最佳的。
- 今天的LLM工具非常广泛,它们可能缺乏特定领域的专业知识或深入了解你需要它们进行操作的特定领域。
- LLMs(语言模型)不具备常识能力,无法(至少在今天)复制人类的判断力。这些模型是在开放的互联网上训练的。那里的很多信息都是错误的,而模型无法很好地区分这一点。
这里的一般经验法则是要明智地判断你应该和不应该使用这些工具进行的操作,并对收到的反馈进行批判性思考。
如果您能做到这一点,并时刻注意到LLMs的当前限制,那么它们可以成为非常有价值的工具,帮助您加快速度并自动化分析工作流程中的一些乏味任务。
同样要注意的是,这些工具正在以非常快的速度得到改进。我们今天讨论的许多限制可能在不久的将来得到解决。要记住这些陷阱,但要考虑到与AI工具相关的一切都是不断变化的目标。
使用AI工具进行分析的最佳实践
提高这些工具的效果之一是学习如何更好地编写提示语。
以下是我们的提示工程技巧,以帮助您充分利用ChatGPT和Google Bard等LLM工具:
- 保持HTML结构,将以下英文文本翻译为简体中文: 清晰明确,提供给AI越详细的信息,您获得高价值回复的可能性就越大。
2. 提供背景信息。您能够分享有关您的情况和您正在尝试解决的问题的更多信息,将会更好。
3. 建立角色。告诉AI工具它应该模仿谁,回应是为了谁,可以非常有效地塑造出相关的回答。
4. 设定基调。尝试定义技术性、详细程度、正式程度以及回答的长度等要求。
这些都是很好的原则,但不要为了速度而过度思考它们。如果你不喜欢对话的发展方向,很容易放弃并重新开始。因此,在这里要追求良好的进展,而在写作提示时不要太担心完美。
数据专家最佳 ChatGPT 使用案例
有许多方法可以在工作流程中使用这些人工智能工具。
我们最喜欢的一些用例包括:
- 生成代码、查询或公式
- 故障排除或调试代码
- 为您的代码添加可读性强的注释
- 性能优化的代码、查询或公式
- 自动化手动任务
- 提供数据可视化的技巧
- 生成数据样本
- 解释一个技术概念
- 生成逐步教程
还有很多,但这些是经常出现的。
接下来,我们将对如何使用类似Excel、Google Sheets、Power BI、SQL和Python等工具来利用人工智能进行更详细的介绍。
ChatGPT的Excel使用案例
这是一个示例,演示了如何使用ChatGPT从头开始生成一个Excel公式。
以下是一些我们最喜爱的Excel使用案例:
- 解释Excel公式的工作原理或它在做什么。
- 从头开始生成公式(上图所示)
- 创建DAX或M代码
- 生成VBA脚本或自动化(请观看下面的视频)。
- 在公式或代码中解决错误
- 数据准备与探索性数据分析
- 生成样本数据
下面的视频提供了更详细的演示,Chris在其中展示了如何使用ChatGPT和VBA自动化任务。
Google Sheets 使用案例:ChatGPT。
这是一个示例,演示如何使用ChatGPT来解决Google Sheets中的公式错误。
我们在Google Sheets上的一些喜爱的ChatGPT用例包括:
- 解釋公式
- 故障排除错误(如上图所示)
- 从零开始生成公式
- 应用格式
- 将Excel工具调整为Google Sheets
- 编写正则表达式模式
- 编码应用程序脚本(请查看下面的视频)
以下是Enrique演示的一段精彩视频,向我们展示了如何使用ChatGPT来编写应用脚本(Google Sheets的宏版本)。
有趣的事实:这是恩里克第一次编写的应用脚本,所以你可以从一个非专家的角度来看它。
Power BI使用案例之ChatGPT
下面是一个示例,展示了ChatGPT如何从一个相对简单的描述中生成DAX度量。
以下是一些我们喜欢的Power BI的ChatGPT使用案例:
- 链接到数据源(视频如下)
- 了解如何入门
- 解释特定的Power BI概念
- 创建DAX计算
- 解释代码正在做什么
- 生成措施
- 故障排除错误
- 创建可视化和仪表板
在这个视频中,亚伦演示了一个我们的使用案例,使用ChatGPT来找出如何将Power BI连接到特定的数据源。
SQL使用案例:ChatGPT
以下是一个示例,展示了如何使用ChatGPT向我们的SQL查询添加易读的人工评论。
您的同事和未来的自己会感谢您。
这些将ChatGPT与SQL配对的用例有时候好,有时候不太好。其中一些在今天非常出色,而其他一些仍需要一些改进。我认为它们将在短时间内变得更好。
- 解释SQL概念
- 描述一个 SQL 查询在做什么
- 评论 SQL 代码(如上图所示)
- 调试您的查询中的错误
- 从头开始生成SQL查询(下面的视频)
- 性能优化您的查询
这是一个视频,我向您展示如何使用ChatGPT和Google Bard等工具从零开始创建SQL查询。
Python使用案例:ChatGPT
这里是一个例子,展示了如何使用ChatGPT来优化你的Python代码的性能。
您可能希望尝试使用Python的其他用例有:
- 解释Python代码
- 在您的代码中解决错误
- 代码性能优化(如上图所示)
- 从头开始生成Python代码(视频如下)
- 研究图书馆
- 网页爬虫
- 解释机器学习模型
- Jupyter Notebooks插件(非免费)
下面是一个更详细的演示,Chris将指导我们如何使用ChatGPT从头开始创建Python代码。
新免费课程:ChatGPT 数据分析
如果你喜欢阅读这篇文章,并想要了解更多,Maven Analytics刚刚推出了一门全新的课程:ChatGPT数据分析课程。
在这门课程中,我们将向您介绍深度学习和生成式人工智能的世界,探索如ChatGPT和Google Bard这样的大型语言模型的迅速崛起,并为您介绍一些免费的工具,帮助您进一步提升技能水平。
这只是我们将要涵盖的一些主题之一...
- 为什么选择人工智能用于数据分析?
- AI简介,LLM和ChatGPT
- 提示工程
- ChatGPT for Excel 在Excel中的应用
- ChatGPT for Google Sheets
- ChatGPT 用于 Power BI
- ChatGPT for SQL 聊天GPT用于SQL
- ChatGPT for Python ChatGPT供Python使用
- …以及更多!
本课程适合初学者,并且设计用于帮助任何希望利用现代技术更高效地工作和做出更明智、数据驱动决策的人。
我们将在7月31日之前在我们的平台上免费提供这门课程。希望您会喜欢!
如果您是一名数据专业人士或有抱负的分析师,想要保持领先的技能曲线并利用人工智能以更聪明和高效的方式工作,那么这门课程适合您。
>> 查看课程详情并免费参加课程