需求
数据分析工具
默认选项
pandas 搭配 matplotlib 或 seaborn
为什么需要
适合导入数据、了解数据概况、关联和清洗数据,以及绘制初步分析图表。
.md 即可查看该页面的 Markdown 版本。
Codex 使用场景
理清杂乱的数据,用清晰的分析和直观的图表呈现结果。
使用 ChatGPT 工作清洗数据、关联不同来源的数据、探究问题并对结果建模。生成一份清晰的报告,用图表支撑结论,并说明结论的局限。
理清杂乱的数据,用清晰的分析和直观的图表呈现结果。
使用 ChatGPT 工作清洗数据、关联不同来源的数据、探究问题并对结果建模。生成一份清晰的报告,用图表支撑结论,并说明结论的局限。
| 技能 | 使用理由 |
|---|---|
| Spreadsheets | 检查 CSV、TSV 和 Excel 文件,核对公式和数据关联结果,制作可供复核的表格或图表。 |
| Google Drive | 读取您在 Google 云端硬盘中指定且已获准访问的 Google 表格和源文件。 |
| Data Analytics | 收集数据来源的背景信息,分析并验证数据,制作可复用的报告、仪表板、图表或笔记本。 |
数据分析的核心是用数据为决策提供依据。分析本身并不是目的,真正的目标是做出能帮助他人采取行动的成果,例如供管理层参考的图表、供产品团队解读的实验结果、供研究人员参考的模型评估,或用于指导日常运营的仪表板。
《R 数据科学》 一书推广了一种实用的循环分析流程:先导入并整理数据,再反复进行数据变换、可视化和建模,逐步加深对数据的理解,最后传达分析结果。
ChatGPT 工作很适合这一流程。它可以帮助您清洗数据、探索假设、开展分析,并生成可复现的成果。目标不只是做出一个用过一次就搁置的笔记本,而是让他人能够审查分析过程、信赖分析结果,并重新运行分析。
先选定一个您想用数据回答的具体问题。问题越具体,就越容易确定需要哪些输入数据、该做哪些检查,以及最终要给出什么结果。
下面以这个问题为例:
与距离高速公路较远的房屋相比,附近房屋的估值低多少?
假设一个数据集记录了房产估值或成交价,另一个数据集记录了位置、地块或距高速公路的远近。除了运行模型,您还需要确保输入数据可靠,记录数据集的联接方式,检验结果是否稳健,并最终交付一份他人可以使用的分析成果。
您可以附上 CSV 文件或 Excel 工作簿,也可以用 @google-drive 指定一份已获准使用的 Google 表格。如果数据存储在您的计算机上,您可以使用桌面应用。
在一个虚构样本中,ChatGPT 将 11 笔房产交易与高速公路距离文件中的记录成功匹配,并标出了一笔缺少对应距离记录的交易。距高速公路一英里以内的房屋平均成交价为 50 万美元,距高速公路两至五英里的房屋平均成交价为 60 万美元。
剔除较远一组中成交价最高的房产后,两组的平均成交价仍相差 9.4 万美元。报告和图表均说明,样本量较小,未匹配的交易已被排除,而且这项比较无法确定因果关系,也未控制街区、成交时间、交通或噪声等因素。
先附上文件,请 ChatGPT 检查其内容。这有助于回答几个基本但重要的问题:
先请 ChatGPT 逐项列出数据并加以说明,暂时不要让它下结论。
实际分析工作大多从这一步开始。您手头有两个或更多数据集,但主键尚不明确,直接合并可能会丢失数据或产生重复记录。
请 ChatGPT 在正式合并前评估合并方案:
如果需要根据现有数据确定最合适的联接方式,例如使用格式统一后的地址、由多列组合而成的地块标识符,或按位置联接,请先让 ChatGPT 说明各种方案的取舍和需要考虑的边界情况,再决定是否接受合并结果。
在选择模型之前,先通过图表了解数据。在本例中,您可以比较高速公路附近和较远处的房屋,查看异常值和缺失值的分布规律,并检查观察到的差异是否与街区构成、房屋面积或其他因素有关。
每张图表都应围绕最初的问题。保存有参考价值的对比图,以便他人审查分析过程。
并非每项分析都需要复杂的模型。先从可解释的基线模型入手。
对于高速公路附近的房产估值问题,合理的第一步是采用回归模型或其他易于解释的模型,在控制房屋面积、房龄和位置等相关因素的同时,估计房屋距高速公路的远近与房产价值之间的关系。
请 ChatGPT 明确说明以下内容:
即使第一个模型表现不佳,也能提供有用的信息,帮助您判断问题出在模型、特征、数据联接质量,还是问题本身。
只有当他人能理解并使用分析结果时,分析才有价值。请 ChatGPT 根据受众的需要生成相应的成果:
请它说明解读结果时应注意的事项。如果数据联接质量欠佳、存在抽样偏差,或模型所依赖的假设可能不成立,交付成果中应明确说明。
如果项目需要可复用的脚本或笔记本,请 ChatGPT 使用现有的 Python 环境,或搭建一个精简、可复现的环境。保留源文件原样,分别保存分析、图表和最终报告。在 ChatGPT 工作中分析附件里的数据之前,您无需设置 Python 环境。
加载数据集并说明其内容
在联接前检查合并方案
构建可解释的初步模型
为利益相关方整理分析结果
需求
默认选项
为什么需要
需求
数据分析工具
默认选项
pandas 搭配 matplotlib 或 seaborn
为什么需要
适合导入数据、了解数据概况、关联和清洗数据,以及绘制初步分析图表。
需求
建模
默认选项
为什么需要
先建立可解释的基线模型,再尝试更复杂的预测模型。
| 需求 | 默认选项 | 为什么需要 |
|---|---|---|
| 数据分析工具 | pandas 搭配 matplotlib 或 seaborn | 适合导入数据、了解数据概况、关联和清洗数据,以及绘制初步分析图表。 |
| 建模 | statsmodels 或 scikit-learn | 先建立可解释的基线模型,再尝试更复杂的预测模型。 |
将财务模型、KPI 仪表板、规划文档、市场背景、利益相关方的记录、运营数据和决策标准提供给 ChatGPT,请它比较各个方案,建立可供审阅的权衡分析模型。
向 ChatGPT 提供 KPI 仪表板、指标定义、导出数据、分组统计结果、产品上线背景和相关方的讨论记录。请它撰写一份注明来源的根因分析简报,区分已确认的影响因素和待验证的假设。
将研究资料、规划文档、模型、仪表板、利益相关方的背景信息和待解问题提供给 ChatGPT,请它区分哪些是证据、哪些是对证据的解读,并起草一份注明来源、可供管理层审阅的决策备忘录。