📢 转载信息
原文链接：https://openai.com/academy/data-analysis
原文作者：OpenAI Academy
使用 ChatGPT 进行数据分析
ChatGPT 可以帮助您以极低的门槛从原始数据迈向有价值的洞察。您只需上传 CSV 或 Excel 文件、粘贴表格，或连接数据源（如果您的工作区支持），然后使用自然语言提问即可。
您无需为每一个问题编写复杂的公式、创建数据透视表或构建仪表板，即可快速探索数据、整理表格、生成可视化图表，并以易于分享的格式提取关键结论。
这一过程在数据分析的初期阶段尤为有用——当您还在摸索数据内容、识别异常点并决定重点分析方向时，它能帮助您将分析结果转化为他人可评审并付诸行动的摘要。
入门指南
- 从决策目标出发：一个简单的提问模板是：“基于 [数据内容]，我正在尝试决定 [目标决策]”。这能告诉 ChatGPT 您的分析期望，并保持专注。
- 提供背景信息：提交数据时附带关键上下文，包括字段定义、时间范围及核心列的含义。您可以通过文件上传或连接应用来提供数据。
- 询问分析方法而非仅仅寻求答案：例如，请求先进行探索性数据分析（EDA）摘要，然后再提出假设进行验证。这比直接得出结论能带来更结构化且可靠的结果。
- 明确可视化需求：如果图表有帮助，请明确指出——包括需要绘制的内容、如何细分，以及坐标轴标签或单位等必备信息。
- 请求可重用的产出：要求生成可以直接使用的成果，例如最终的整洁表格，或将发现转化为行动指南的简短执行摘要。
分析场景示例
| 任务 | 背景 | 预期产出 |
|---|---|---|
| 分析数据并总结关键洞察 | 使用 Shopify 商店样本数据集（过去 30 天） | 提供关键洞察的结构化总结，包含跨渠道和产品的表现差异、低转化渠道识别以及显著模式。包含 4-6 个优先观察点和 5 个后续深入分析建议。 |
| 审阅分析销售漏斗数据 | 使用来自 [已连接分析应用] 的 [活动名称] 数据 | 生成清晰的章节：(1) 漏斗中的关键模式；(2) 解释这些模式的假设；(3) 推荐的实验或测试。按业务影响排序，重点关注转化瓶颈。 |
| 识别流程中的问题或效率低下 | 查看附件的当前流程文档及支持团队工单 CSV | 输出优先处理的操作问题和瓶颈列表，每项均附带数据依据。包含对问题重要性的分析，以及分为“快速优化”与“深度修复”两类的建议。 |
成功建议
- 明确成功的定义：预先告知您关注的成功指标、时间范围以及希望对比的群体或细分领域，能显著提升 ChatGPT 的响应质量。
- 追溯计算逻辑：如果数字至关重要，您可以要求它展示推导过程，包括所做的假设、计算指标所用的公式，以及对缺失数据或异常波动的检查。
- 建立信任规则：设定简单的规则以确保分析可靠。例如，告知它不要将相关性直接视为因果关系，指出数据局限性，并标记任何看起来不寻常的数据。在分享结论前，务必进行“现实核对”，抽样验证核心数值的准确性。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区