ChatGPT玩轉(zhuǎn)數(shù)據(jù)分析:從基礎(chǔ)入門到項目實踐
定 價:89 元
- 作者:李朝成
- 出版時間:2024/12/1
- ISBN:9787302699149
- 出 版 社:清華大學(xué)出版社
- 中圖法分類:TP274
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
本書系統(tǒng)地講解了如何利用ChatGPT賦能數(shù)據(jù)分析。全書共11章,層層遞進(jìn),既涵蓋理論方法,也注重實踐操作:首先講解ChatGPT的使用與高質(zhì)量提示詞的構(gòu)建,然后探討如何使用ChatGPT學(xué)習(xí)業(yè)務(wù)知識、分析方法、分析工具,最后通過多個行業(yè)實戰(zhàn)案例的講解,幫助讀者真正將AI技術(shù)融入數(shù)據(jù)分析,提高分析效率和決策能力,抓住行業(yè)變革帶來的機(jī)遇。
本書適合數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家、數(shù)據(jù)運(yùn)營人員和商業(yè)分析師閱讀,也適合所有需要運(yùn)用數(shù)據(jù)分析優(yōu)化工作、學(xué)習(xí)、研究的職場人士、學(xué)生和教研人員閱讀。
前言
1. 數(shù)據(jù)分析的新時代
在數(shù)字化轉(zhuǎn)型和智能技術(shù)飛速發(fā)展的今天,數(shù)據(jù)早已成為企業(yè)競爭的核心資源。它不僅支撐著業(yè)務(wù)運(yùn)營,更驅(qū)動著市場創(chuàng)新和戰(zhàn)略決策。從制造業(yè)到金融業(yè),從電商到游戲,數(shù)據(jù)分析無處不在,它可以幫助企業(yè)洞察趨勢、優(yōu)化策略、預(yù)測未來。然而,隨著數(shù)據(jù)規(guī)模的爆炸式增長、業(yè)務(wù)場景的日趨復(fù)雜,以及對實時決策的高要求,傳統(tǒng)數(shù)據(jù)分析的方式正面臨前所未有的挑戰(zhàn)。
傳統(tǒng)數(shù)據(jù)分析的困境
傳統(tǒng)數(shù)據(jù)分析是一項需要跨學(xué)科能力的工作,要求從業(yè)者既懂業(yè)務(wù),又精通技術(shù),能熟練運(yùn)用Excel、SQL、Python等工具,同時具備扎實的統(tǒng)計學(xué)和數(shù)據(jù)建模能力。然而,面對當(dāng)今龐雜的數(shù)據(jù)環(huán)境,這種方法的局限性逐漸暴露——數(shù)據(jù)來源越來越多樣,分析過程越來越復(fù)雜,結(jié)果要求越來越實時,而學(xué)習(xí)曲線依然陡峭,讓初學(xué)者難以快速上手。即便是經(jīng)驗豐富的分析師,也經(jīng)常感到力不從心,難以高效應(yīng)對變化迅速的業(yè)務(wù)需求。
生成式AI的崛起:改變數(shù)據(jù)分析的游戲規(guī)則
在這種背景下,生成式AI成為數(shù)據(jù)分析師的新武器。以ChatGPT為代表的AI工具,極大地降低了技術(shù)門檻,讓分析師僅憑自然語言交互就能完成SQL查詢、數(shù)據(jù)清洗、建模等復(fù)雜的任務(wù),從而大幅提升分析效率。不僅如此,AI還能輔助業(yè)務(wù)洞察,幫助分析師快速構(gòu)建指標(biāo)體系、識別關(guān)鍵趨勢,并打破技術(shù)壁壘,使更多非技術(shù)人員也能輕松參與數(shù)據(jù)分析。通過精準(zhǔn)的提示詞(Prompt)設(shè)計,數(shù)據(jù)分析師可以把更多精力放在業(yè)務(wù)理解和戰(zhàn)略決策上,而不是被煩瑣的代碼和工具操作所束縛。
數(shù)據(jù)分析師的角色重塑
生成式AI的普及,推動數(shù)據(jù)分析行業(yè)邁入智能化時代。AI的介入,不只是讓分析流程更高效,更重要的是,它改變了數(shù)據(jù)分析師的角色定位。從過去專注于技術(shù)執(zhí)行的“工具操作者”,到如今兼具技術(shù)和業(yè)務(wù)洞察的“戰(zhàn)略伙伴”,數(shù)據(jù)分析師已不再局限于解決特定問題,而是利用AI提供深層次的業(yè)務(wù)洞察,實現(xiàn)從數(shù)據(jù)到?jīng)Q策的快速轉(zhuǎn)化。未來,懂AI、會寫提示詞(Prompt)、善于解讀數(shù)據(jù)并結(jié)合業(yè)務(wù)思考的分析師,將成為最有競爭力的人才。
2. 為什么寫這本書?
盡管生成式AI已經(jīng)在數(shù)據(jù)分析領(lǐng)域展現(xiàn)出巨大的潛力,但市場上的學(xué)習(xí)資源仍然存在不少短板。許多書籍和教程要么專注于傳統(tǒng)數(shù)據(jù)分析技能(SQL、Python、統(tǒng)計學(xué)等),要么只介紹生成式AI的基本概念,缺乏對兩者結(jié)合的系統(tǒng)性指導(dǎo),尤其是在實際業(yè)務(wù)應(yīng)用層面,現(xiàn)有資料往往過于理論化,難以真正幫助分析師將AI技術(shù)落地到工作中。此外,行業(yè)對數(shù)據(jù)分析師的要求正在快速升級,傳統(tǒng)的學(xué)習(xí)路徑已難以滿足職場競爭的需要。
本書的寫作目的就是填補(bǔ)這一空白,幫助數(shù)據(jù)分析師真正掌握如何在工作中高效運(yùn)用生成式AI,讓AI成為自己的生產(chǎn)力工具,而不僅僅是“錦上添花”的輔助工具。
打通技術(shù)與業(yè)務(wù)之間的鴻溝
生成式AI的價值,不僅在于提高技術(shù)效率,更在于幫助分析師更快地理解業(yè)務(wù)、搭建指標(biāo)體系、優(yōu)化數(shù)據(jù)分析流程。本書將手把手教你如何利用AI構(gòu)建電商、金融等行業(yè)的核心分析模型,并結(jié)合業(yè)務(wù)需求做出更科學(xué)的決策。
降低學(xué)習(xí)門檻,縮短上手時間
傳統(tǒng)數(shù)據(jù)分析學(xué)習(xí)成本高,而生成式AI可以讓這一過程變得更高效。本書將通過系統(tǒng)化的提示詞(Prompt)設(shè)計,快速生成SQL查詢、Python數(shù)據(jù)清洗代碼、高質(zhì)量的數(shù)據(jù)可視化方案,讓AI成為你的智能導(dǎo)師,減少對傳統(tǒng)編碼技能的依賴。
提供真實的業(yè)務(wù)案例,讓你學(xué)了就能用
本書不是一本純技術(shù)手冊,而是一本實戰(zhàn)指南。我們將通過電商、金融、互聯(lián)網(wǎng)等多個行業(yè)的典型案例,展示如何利用生成式AI輔助完成從數(shù)據(jù)探索到?jīng)Q策支持的全流程。例如:如何用AI優(yōu)化用戶分層分析?如何讓ChatGPT輔助信用評分建模?這些案例將幫助你在真實場景中學(xué)會如何高效應(yīng)用AI,而不是“紙上談兵”。
幫助你在AI時代構(gòu)建職業(yè)競爭力
AI正在重新定義數(shù)據(jù)分析師的能力模型,本書不僅教授技術(shù),更關(guān)注你的職業(yè)發(fā)展。你將學(xué)會如何利用生成式AI優(yōu)化簡歷、準(zhǔn)備技術(shù)面試、制定長期職業(yè)規(guī)劃,讓自己在求職、跳槽、晉升的過程中脫穎而出,避免被行業(yè)變革甩在后面。
AI不僅是一種工具,更是一種思維方式
生成式AI的出現(xiàn),不僅為數(shù)據(jù)分析提供了更強(qiáng)大的工具,而且改變了整個數(shù)據(jù)行業(yè)的工作方式。本書的核心理念就是讓你掌握如何借助AI提升工作效率、優(yōu)化分析方法、增強(qiáng)業(yè)務(wù)洞察力,最終讓數(shù)據(jù)分析從單一的技術(shù)執(zhí)行真正升級為業(yè)務(wù)決策的驅(qū)動力。
無論你是剛?cè)腴T的數(shù)據(jù)分析師,還是希望在行業(yè)變革中保持競爭力的資深從業(yè)者,本書都將為你提供最前沿、最實用的AI數(shù)據(jù)分析方法。希望這本書能成為你在AIGC時代的得力助手,讓你不只是適應(yīng)變化,更是站在技術(shù)變革的前沿,主動塑造自己的職業(yè)未來。
3. 本書的核心亮點
這本書不只是一本單純的技術(shù)手冊,更是幫你真正用上生成式AI、提升數(shù)據(jù)分析效率的“實戰(zhàn)指南”。它既教技術(shù),也教你如何在AI時代更有競爭力。以下是幾個核心亮點。
完整覆蓋數(shù)據(jù)分析全流程
從業(yè)務(wù)知識、指標(biāo)體系,到數(shù)據(jù)清洗、建模、可視化,再到行業(yè)案例,本書系統(tǒng)地講解了數(shù)據(jù)分析的全過程。例如,電商的用戶生命周期分析、金融的信用評分模型,都有實戰(zhàn)拆解,讓你學(xué)得透、用得上。
學(xué)會如何讓AI高效“干活”
生成式AI的關(guān)鍵在于提示詞(Prompt),本書手把手教你如何精準(zhǔn)提問,讓AI幫忙生成SQL查詢、優(yōu)化數(shù)據(jù)分析、自動化清洗數(shù)據(jù),而不是“隨便回復(fù)”。只有學(xué)會高效對話,你才能真正掌控AI。
真實業(yè)務(wù)案例,學(xué)了就能用
書中覆蓋多個行業(yè)的實際案例,比如:
電商:如何通過數(shù)據(jù)分析提高轉(zhuǎn)化率?
金融:如何構(gòu)建信用評分模型?
互聯(lián)網(wǎng):如何發(fā)現(xiàn)業(yè)務(wù)指標(biāo)異動?
這些案例讓你掌握技術(shù)的同時,也能在實際工作中靈活運(yùn)用。
不僅學(xué)技能,還幫你職業(yè)進(jìn)階
AI正在改變數(shù)據(jù)分析師的職業(yè)路徑,本書不僅教你技能,還會幫你用AI提升個人競爭力。
簡歷優(yōu)化:用ChatGPT提煉項目亮點,讓簡歷更有吸引力。
面試模擬:練習(xí)SQL、Python、數(shù)據(jù)思維等常見面試問題。
職業(yè)規(guī)劃:如何從傳統(tǒng)分析師進(jìn)階到“數(shù)據(jù)+AI工程師”?
這些內(nèi)容能幫你在求職、跳槽、職業(yè)發(fā)展上搶占先機(jī)。
實操為主,提供可直接復(fù)用的提示詞(Prompt)模板
本書不是純理論,而是“學(xué)了就能用”。每章都有可復(fù)制的提示詞(Prompt)模板,幫你快速上手,比如:
如何優(yōu)化SQL查詢?
如何讓ChatGPT生成完整的數(shù)據(jù)分析報告?
如何用AI提升數(shù)據(jù)可視化效果?
你不需要死磕代碼,只要跟著練習(xí),就能讓AI高效地輔助數(shù)據(jù)分析。
緊跟行業(yè)趨勢,避免被淘汰
AI發(fā)展太快,今天的“高科技”可能明天就成了行業(yè)標(biāo)配。本書會幫你看清趨勢,提前布局,比如:
哪些數(shù)據(jù)分析能力是AI替代不了的?
未來的數(shù)據(jù)分析師應(yīng)該具備什么新技能?
如何利用AI提升自身價值,而不是被AI取代?
通過這些內(nèi)容,你能更好地應(yīng)對變化,在AI時代穩(wěn)住腳跟,甚至走在前列。
4. 目標(biāo)讀者群體
這本書適合所有希望提升數(shù)據(jù)分析能力,并借助生成式AI優(yōu)化工作方式的讀者。
對于在職數(shù)據(jù)分析師與數(shù)據(jù)科學(xué)家,本書不僅幫助你掌握ChatGPT等AI工具,還能提升你的SQL、Python、統(tǒng)計建模等核心技能,優(yōu)化數(shù)據(jù)清洗、分析和可視化的流程,讓你把更多精力放在業(yè)務(wù)洞察和復(fù)雜問題的解決上,而不是被煩瑣的代碼和報表困住。同時,書中還會探討AI在用戶增長、
李朝成,本科和研究生畢業(yè)于同濟(jì)大學(xué),畢業(yè)至今一直從事數(shù)據(jù)分析工作,8年數(shù)據(jù)分析經(jīng)驗、資深數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家。近一年也在深度參與AIGC產(chǎn)品的開發(fā),對AIGC產(chǎn)品非常熟悉。作者主導(dǎo)了多個從0到1產(chǎn)品的數(shù)據(jù)分析項目,并負(fù)責(zé)過千萬級月活產(chǎn)品的數(shù)據(jù)分析項目。在互聯(lián)網(wǎng)、電商零售、在線教育、廣告營銷等ToB、ToC領(lǐng)域有著豐富的數(shù)據(jù)分析及業(yè)務(wù)驅(qū)動經(jīng)驗,尤其擅長數(shù)據(jù)分析思維方法、數(shù)據(jù)分析工具以及數(shù)據(jù)分析項目的落地。此外,作者還是公眾號/小紅書/知乎/B站等平臺優(yōu)質(zhì)創(chuàng)作者,全網(wǎng)約8w粉絲,作品點贊收藏分享次數(shù)超100w。
目錄
第1章?智識初窺:AIGC與ChatGPT基礎(chǔ)認(rèn)知
1.1 AIGC的簡介與發(fā)展
1.1.1 AIGC的定義與背景
1.1.2 AIGC的發(fā)展歷程與技術(shù)演進(jìn)
1.2 主流AIGC產(chǎn)品簡介及對比
1.3 ChatGPT在數(shù)據(jù)分析中的應(yīng)用場景
1.4 ChatGPT賬號注冊及使用基本流程
1.4.1 注冊ChatGPT賬號
1.4.2 使用ChatGPT的基本流程
1.5 互動練習(xí)題
第2章?精要Prompt:構(gòu)建優(yōu)質(zhì)指令策略與應(yīng)用
2.1 Prompt的基本概念和作用
2.2 構(gòu)建高質(zhì)量Prompt的策略
2.3 Prompt在數(shù)據(jù)分析中的實踐
2.4 Prompt實踐案例
2.5 自動生成Prompt的工具及使用示例
2.6 互動練習(xí)題
第3章?行業(yè)洞察:用ChatGPT學(xué)習(xí)業(yè)務(wù)知識和指標(biāo)體系
3.1 利用ChatGPT學(xué)習(xí)行業(yè)知識
3.2 各行業(yè)Prompt示例
3.3 構(gòu)建科學(xué)的業(yè)務(wù)指標(biāo)體系
3.4 ChatGPT在業(yè)務(wù)指標(biāo)優(yōu)化中的應(yīng)用
3.5 互動練習(xí)題
第4章?方法研習(xí):用ChatGPT學(xué)習(xí)數(shù)據(jù)思維和分析方法
4.1 數(shù)據(jù)思維
4.2 指標(biāo)異動分析
4.3 描述性分析
4.4 對比分析
4.5 細(xì)分分析
4.6 預(yù)測分析
4.7 相關(guān)性分析
4.8 漏斗分析
4.9 RFM用戶分層分析
4.10 同期群分析
4.11 假設(shè)檢驗
4.12 互動練習(xí)題
第5章?統(tǒng)計進(jìn)階:用ChatGPT探索統(tǒng)計學(xué)知識
5.1 描述性統(tǒng)計
5.1.1 描述性統(tǒng)計的概念
5.1.2 集中趨勢
5.1.3 離散程度
5.1.4 分布特性
5.1.5 數(shù)據(jù)可視化
5.1.6 ChatGPT案例:描述性統(tǒng)計分析
5.1.7 小結(jié)
5.2 概率論基礎(chǔ)
5.2.1 什么是概率論
5.2.2 基本概率規(guī)則
5.2.3 常見概率分布
5.2.4 ChatGPT案例:正態(tài)分布的繪制與概率計算
5.2.5 優(yōu)缺點與適用場景
5.2.6 小結(jié)
5.3 抽樣與估計
5.3.1 抽樣方法
5.3.2 區(qū)間估計與點估計
5.3.3 大數(shù)定律與中心極限定理
5.3.4 ChatGPT案例:置信區(qū)間計算
5.3.5 優(yōu)缺點與適用場景
5.3.6 小結(jié)
5.4 假設(shè)檢驗
5.4.1 什么是假設(shè)檢驗
5.4.2 假設(shè)檢驗的步驟
5.4.3 常見的假設(shè)檢驗方法
5.4.4 ChatGPT案例:t檢驗示例
5.4.5 ChatGPT案例:卡方檢驗示例
5.4.6 ChatGPT案例:方差分析(ANOVA)示例
5.4.7 一類錯誤和二類錯誤
5.4.8 優(yōu)缺點與適用場景
5.4.9 小結(jié)
5.5 相關(guān)性分析與回歸分析
5.5.1 相關(guān)性分析
5.5.2 常見相關(guān)性系數(shù)
5.5.3 ChatGPT案例:皮爾遜相關(guān)系數(shù)計算
5.5.4 回歸分析
5.5.5 常見的回歸分析方法
5.5.6 ChatGPT案例:簡單線性回歸分析
5.5.7 優(yōu)缺點與適用場景
5.5.8 小結(jié)
5.6 時間序列分析
5.6.1 什么是時間序列
5.6.2 平穩(wěn)性與平穩(wěn)性檢驗
5.6.3 時間序列建模方法
5.6.4 ChatGPT案例:時間序列分析與ARIMA模型
5.6.5 優(yōu)缺點與適用場景
5.6.6 小結(jié)
5.7 A/B測試與因果推斷
5.7.1 什么是A/B測試
5.7.2 A/B測試的步驟
5.7.3 ChatGPT案例:A/B測試的t檢驗
5.7.4 因果推斷
5.7.5 ChatGPT案例:Uplift模型構(gòu)建
5.7.6 優(yōu)缺點與適用場景
5.7.7 小結(jié)
5.8 數(shù)據(jù)分布與假設(shè)檢查
5.8.1 數(shù)據(jù)分布及常見分布類型
5.8.2 常見的假設(shè)檢查
5.8.3 ChatGPT案例:正態(tài)性和同方差性檢驗
5.8.4 多重共線性檢測
5.8.5 ChatGPT案例:VIF檢測多重共線性
5.8.6 優(yōu)缺點與適用場景
5.8.7 小結(jié)
5.9 數(shù)據(jù)降維
5.9.1 什么是數(shù)據(jù)降維
5.9.2 常見的降維方法
5.9.3 優(yōu)缺點與適用場景
5.9.4 小結(jié)
5.10 互動練習(xí)題
第6章?玩轉(zhuǎn)SQL:用ChatGPT展開SQL學(xué)習(xí)與實戰(zhàn)
6.1 數(shù)據(jù)分析中要掌握的SQL技能
6.2 SQL Prompt的技巧
6.3 ChatGPT Prompt for SQL:案例設(shè)計與實現(xiàn)
6.4 SQL生成的插件與工具
6.5 互動練習(xí)題
第7章?玩轉(zhuǎn)Python:用ChatGPT展開Python學(xué)習(xí)與實戰(zhàn)
7.1 數(shù)據(jù)分析中要掌握Python的哪些技能
7.2 Python Prompt技巧
7.3 ChatGPT Prompt for Python:案例設(shè)計與實現(xiàn)
7.4 Python AI輔助工具:PandasAI和JupyterAI
7.4.1 PandasAI使用指南
7.4.2 JupyterAI使用指南
7.5 互動練習(xí)題
第8章?可視解讀:用ChatGPT實現(xiàn)數(shù)據(jù)可視化與分析
8.1 數(shù)據(jù)可視化的核心概念
8.2 使用ChatGPT生成數(shù)據(jù)可視化代碼
8.3 數(shù)據(jù)結(jié)果解讀
8.4 完整可視化項目:銷售數(shù)據(jù)分析
8.5 互動練習(xí)題
第9章?項目實戰(zhàn):多場景數(shù)據(jù)分析項目解析
9.1 DAU異動分析項目
9.2 用戶行為路徑分析項目
9.3 用戶生命周期分析項目
9.4 運(yùn)營活動效果分析項目
9.5 手游廣告投放效果分析項目
9.6 內(nèi)容消費(fèi)偏好分析項目
9.7 產(chǎn)品功能使用分析項目
9.8 用戶社交行為分析
9.9 金融信用評分卡預(yù)測
9.10 傳統(tǒng)制造業(yè)產(chǎn)品銷量預(yù)測
9.11 滴滴出行A/B Test效果分析
9.12 美團(tuán) DID因果推斷項目
9.13 在線教育NLP文本挖掘項目
第10章?求職助力:借助ChatGPT開啟求職之路
10.1 優(yōu)質(zhì)階段:簡歷準(zhǔn)備
10.2 第二階段:面試前的準(zhǔn)備
10.3 第三階段:面試后復(fù)盤
10.4 第四階段:Offer談判與選擇
第11章?未來可期:AIGC時代數(shù)據(jù)分析師的轉(zhuǎn)型與突破
11.1 數(shù)據(jù)分析師的角色轉(zhuǎn)變
11.2 數(shù)據(jù)分析師如何應(yīng)對未來