6 måder at bruge ChatGPT som dataanalytiker

I løbet af de sidste par måneder har der været en stigning i antallet af kunstig intelligens-værktøjer, der bliver frigivet. Et sådant kraftfuldt værktøj er ChatGPT, en avanceret LLM, der er i stand til at forstå og holde menneskelignende tekstsamtaler.

Selvom ChatGPT har vist sig at generere samtaletekst, har det været et værdifuldt aktiv for folk på tværs af forskellige brancher. For dataanalytikere kan ChatGPT bruges til at forbedre deres analytiske evner og håndtere komplekse dataudfordringer. Lad os se på nogle måder, dataanalytikere kan bruge ChatGPT til at være mere produktive i deres daglige arbejde.

1. Forfin ideer om en opgave

Dataanalytikere kan udnytte mulighederne i ChatGPT til at forfine og brainstorme om en opgave eller et casestudie. Siden ChatGPT kan generere samtaletekst, kan du engagere den og udforske forskellige perspektiver ved at stille spørgsmål.

Antag, at du vil skrive et script for at automatisere en forretningsproces. Du kan bede ChatGPT om ideer til, hvordan du kommer i gang. Alt du skal gøre er at bede den om en prompt via chatten og vente på dens svar. Du kan stille yderligere spørgsmål eller alternative synspunkter fra svaret.

Casestudie: Jeg har et forretningsproblem. jeg vil gerne oprette et dashboard i Excel at segmentere og spore min kundes adfærd. Jeg driver i øjeblikket en kaffebar, og nogle få bestiller via min e-handelshjemmeside.

Hvilken slags information skal jeg indsamle fra mine kunder? Hvilke nøglepræstationsindikatorer skal jeg måle? Hvilket værktøj og type visualisering skal jeg bruge? Også hvilken slags kohorteanalyse, og hvad vil du anbefale, at jeg indarbejder til min brugersegmentering?

2. Reparation af fejl og fejlfinding

Du støder på fejl i din kode, formel eller script under dit daglige arbejde som dataanalytiker. Et samtalemøde med ChatGPT kan give fejlfindingsstrategier, et nyt perspektiv eller endda kodeløsninger til fejlene.

ChatGPT kan forklare, hvorfor din kode udløste problemet i første omgang, hvis du giver en prompt og fejlmeddelelsen.

Min prompt: Jeg vil have denne DAX-formel til at returnere en værdi baseret på den valgte dato på mit filter. År og måned taget i betragtning. Formlen nedenfor returnerede dog en fejl.

Kunde Espresso og Cappuccino= 
BEREGN(
 SUM('Salgsdata'[Beløb]),, 
 KEEPFILTRE( 'Salgsdata'[Produkttype] ="Espresso" og 'Salgsdata'[Produkttype] ="Cappuccino")

3. At fortolke data og forklare kompleks kode

ChatGPT viser sig nyttigt, når man forsøger at forstå et langt eller komplekst stykke kode. For at forstå koden i disse situationer skal du kopiere og indsætte den kode, du forsøger at forstå, og anmode om et svar ved at sige: "Forklar denne kode."

4. At skrive, redigere og generere koder, formler og syntaks

På samme måde som ChatGPT kan bruges til at fortolke kompleks kodning. Du kan anmode om, at den opretter koden eller syntaksen for dig.

Casestudie: Du har en Python if-sætning med en for Loop. Din nuværende kode kontrollerer kun, om længden af ​​myList er præcis 3 og går igennem den, hvis udsagnet er sandt. Ellers udfører den else-sætningen og udsender hvert element i myList2. Du vil dog gerne ændre det til at udskrive alle elementer i hver liste med præcis fire bogstaver i stedet.

Min prompt: kan du ændre denne Python-kode til at udskrive alle elementer på en af ​​listen med præcis fire bogstaver i stedet:

min liste = ['Python', 'MUO', 'Hej']
min liste2 = ["Fisk", "Guld", "Taske"]
hvislen(min liste)== 3:
 for elementer i min liste:
Print(varer)
andet:
 for varer2 i min liste2:
Print(varer 2)

5. At lære nye færdigheder

Vi har en artikel om, hvordan du kan tilføje en statisk dato og tid i Google Sheets. Du kan bruge ChatGPT til at lære mere om dette emne eller hvordan man gør noget lignende i en anden applikation. For eksempel, hvordan man tilføjer en statisk dato og tid i Tableau.

Ved at skrive en prompt kan du lære om nye funktioner og færdigheder, eller hvordan du bruger en bestemt funktion i dit foretrukne analytiske værktøj.

6. Dokumentér dine koder

Koder med kommentarer er nemmere at læse. Men du kan indrømme, at alle finder processen kedelig og monoton. ChatGPT kan udføre denne opgave ubesværet og med stor nøjagtighed og effektivitet.

Stil det et spørgsmål, og det vil give dig en fuldstændig kommenteret kode, som du kan kopiere og indsætte som svar.

Min prompt: Kan du tilføje kommentarer til denne SQL-kode:

VÆLG
 e.employee_id SOM"Medarbejder #"
, e.fornavn || ' ' || e.efternavn SOM"Navn"
, e.e-mail SOM"E-mail"
, e.phone_number SOM"Telefon"
, TO_CHAR(e.udlejningsdato, 'MM/DD/ÅÅÅÅ') SOM"Ansættelsesdato"
, TO_CHAR(e.løn, 'L99G999D99', 'NLS_NUMERIC_CHARACTERS = ''.,'' NLS_CURRENCY = ''$''') SOM"Løn"
, e.kommission_pct SOM"Provision %"
, 'fungerer som ' || j.job_title || 'i' || d.afdelingsnavn || ' afdelingsleder: '
 || dm.fornavn || ' ' || dm.efternavn || ') og nærmeste leder: ' || m.fornavn || ' ' || m.efternavn SOM"Nuværende arbejde"
, TO_CHAR(j.min_løn, 'L99G999D99', 'NLS_NUMERIC_CHARACTERS = ''.,'' NLS_CURRENCY = ''$''') || ' - ' ||
 TO_CHAR(j.max_løn, 'L99G999D99', 'NLS_NUMERIC_CHARACTERS = ''.,'' NLS_CURRENCY = ''$''') SOM"Nuværende løn"
, l.gadeadresse || ', ' || l.postal_code || ', ' || l.by || ', ' || l.statsprovins || ', '
 || c.land_navn || ' (' || r.regionsnavn || ')'SOM"Beliggenhed"
, jh.job_id SOM"Historik job-id"
, 'arbejdede fra' || TO_CHAR(jh.startdato, 'MM/DD/ÅÅÅÅ') || ' til ' || TO_CHAR(jh.slutdato, 'MM/DD/ÅÅÅÅ') ||
' som ' || jj.job_title || 'i' || dd.afdelingsnavn || 'afdeling'SOM"Historie jobtitel"

FRA medarbejdere e
-- til få titel på nuværende job_id
 TILSLUTTE job j 
 TIL e.job_id = j.job_id
-- til få navn på nuværende manager_id
 LEFT JOIN medarbejdere m 
 ON e.manager_id = m.employee_id
-- til få navn på nuværende afdelings-id
 LEFT JOIN afdelinger d 
 ON d.department_id = e.department_id
-- til få navn på leder af nuværende afdeling
-- (ikke lig med nuværende leder og kan være lig med medarbejderen selv)
 LEFT JOIN medarbejdere dm 
 ON d.manager_id = dm.employee_id
-- til få navn på placering
 LEFT JOIN steder l
 ON d.location_id = l.location_id
 LEFT JOIN lande c
 ON l.country_id = c.country_id
 LEFT JOIN regioner r
 ON c.region_id = r.region_id
-- til få medarbejders jobhistorie
 VENSTRE JOIN job_historie jh
 ON e.employee_id = jh.employee_id
-- til få titel på jobhistorik job_id
 VENSTRE JOIN job jj
 ON jj.job_id = jh.job_id
-- til få navn på afdeling fra jobhistorik
 LEFT JOIN afdelinger dd
 ON dd.department_id = jh.department_id
BESTILLEVEDe.Medarbejder-ID;

Dataanalytikere kan bruge ChatGPT i deres arbejde

Kraftige AI-løsninger som ChatGPT booster alles produktivitet, selv dataanalytikere. Ved at bruge ChatGPTs naturlige sprogbehandlingsfunktioner og stille den rigtige prompt kan dataanalytikere hurtigt og præcist få ideer og indsigt i deres opgaver.

Men selvom ChatGPT kan være en samarbejdspartner i dit arbejde, er det afgørende at kritisk evaluere og teste dets feedback. Så udforsk denne fantastiske teknologi, integrer den i din arbejdsgang, og lad mig høre dine tanker.