后台回复'AI'获取'AI超全资料合集'
大家好，我是 sky 陈天，一名 AIGC 培训师，AI 转型提效顾问。
这是我的 AIGC 系列的第 93 篇文章。
01
AI 对数据分析的影响
一）数据分析变得越来越重要最近受邀给野生运营社群做一个 AI 数据分析的分享，我也趁着这次机会把讲稿分享出来。
因为陈天之前在中国的 BI 独角兽公司任职了 4 年，了解了上百家的企业数字化进程，也亲自参与了 100 多家企业的数字化转型和数据人才培养，对整个大数据行业的发展、企业数据分析都很了解。
这几年来一直都在讲数字经济，数字化转型，行业内最近发生了两件大事。
一个是国家数据局成立，第二个是数据要素，数据资产可以入表。
图片
图片
数据是新时代的石油，但是之前很多企业并不太把它当回事，现在数据可以作为企业的资产列出到财务报表里了，并且国家成立了专门的数据局来管理数据职场、流通、交易。可以预见数据会变得越来越重要
二）AI 三要素，数据很重要而近一年最火的另一个词是AI，AI 的三个核心要素：算法、算力、数据。
如果ChatGPT 没有学习这么多数据，它是无法达到今天的智能程度的，可能还是人工智障。正是有了数据这个“石油”，才能让 AI 不断进化!
这也给企业带来了新的期待，是不是我把企业的数据资产沉淀好，让 AI 学习后，AI 就能告诉我目前业务有什么问题、我们应该怎么发展？
确实是有这个可能性的，但当前的技术还没达到。所以我觉得未来企业会越来越重视数据，越来越重视数据人才。
陈天的过去 4 年的职业生涯都在推动一件事，那就是让更多人能把数据石油给用上。别让数据蒙尘。
我们把 BI 工具做得足够简单，把数据沉淀到数据平台里，方便用户获取，做了很多配套的课程和培训，推进企业成立数字化转型项目组，从上而下推广企业数据氛围。
就是希望人人都是数据分析师？让最懂业务的运营、人力、财务也能很方便地使用企业数据，提升业务决策。
但做了 4 年，真的太难了。
人人都是数据分析师，你们觉得可能吗？
我告诉你非常难！因为数据分析这件事本身就是一件很高门槛的事情。
三）数据分析的 4 大门槛？门槛 1：企业和个人要有数据分析的思维和素养老板的企业决策不再是我觉得，我感觉有问题，而是要用精准的数据来描述问题，做支撑，如果老板不要求用数据，都是拍脑袋。
那我这么辛辛苦苦做数据分析有什么用呢？做了也不看，或者也不用，只是做做形式。
这种情况在互联网企业会好很多，但是在非数据原生企业很常见。
中国人的传统就是说话委婉，就像庆余年的庆帝，话里有话，很模糊，靠你猜，而且传统老板天然就会有掌控欲，不容权威被挑战，你要是给他甩了一个数据，说他不对，可能业务不会调整，被调整的是员工。
所以用数据说话这事，如果老板没这个意识，企业也不会有这个意识，很难推下去。
门槛 2：巧妇难为无米之炊，没数据，数据质量差经常遇到一个情况，公司招了一个数据分析新人进来，准备大干一场，各种数据分析的规划很好，但是真到了做的时候，发现企业压根没有这个表，缺指标，连数据都没有，压根无法分析。
另外很多企业的数据质量非常差，对于业务的使用门槛非常高，百分之 70% 的时间都在做数据的清洗和加工，根本无法让一个非技术人员来做数据分析，而且成就感非常低。
门槛 3：数据分析的知识和能力做数据分析需要知道基础的统计学知识，同环比，什么是指标，什么是维度，字段类型。好多业务连表结构都没搞清楚，Excel 表都是各种合并单元格，都没法处理成一维表。
除了基础知识，还需要具备问题拆解和分析的能力，要解决什么问题，怎么拆解问题，用什么指标衡量，一般有哪些维度，这些要求员工对业务很了解，又有很强的逻辑思维能力、批判性思维。
要汇报还需要具备可视化美学，毕竟人都是视觉动物。做什么分析用什么图表，2 个指标怎么呈现、3 个指标怎么呈现？怎么样配色，怎么做可视化看板布局等等。
就不说更高级的数据建模分析了，要用到数据挖掘、各种建模算法，这种门槛就不是一般的高了，不能对业务人员有这个要求，一般是专业的数据科学家和技术性数据分析师的活。
门槛 4：数据分析工具使用能力有了前三样，要做数据分析，还得掌握数据分析工具，而数据分析工具本身也需要花费很多时间去学习。
像最基础的 Excel，职场中真正用的很熟练的人很少。
像更进阶BI 工具，Python、SQL 这种涉及到一些代码的，又更困难。
综上所述，数据分析是有很大的门槛的，想让一个平时工作很忙的运营、人力学会这么多东西，学以致用，很难。
毕竟职场中 90% 的人都不爱学习，所以今天来参加学习的同学都是很棒的！只要愿意学习就超越了 90% 的人了。
四）运营数据分析的痛点在哪？因为今天来的都是运营同学，我就问了一下perplexity，运营数据分析有什么痛点呢？我觉得这比我总结得还好还要全！
这也侧面印证了 AI 目前的强大，AI 比我一个行业老鸟都更了解用户的痛点，这事本身就非常离谱。
图片
这些痛点我相信大家都会遇到，但 AI 来了之后，这些情况会有什么变化吗？
五）AI数据分析，有嘴就行从 2023 年开始，我一直在关注和深度使用ChatGPT 和各类 AI 工具，包括我从 BI（商业智能）彻底转型到 AI 业务提效，做 AI 企业培训和业务提效，每天都会用 AI 来解决我的业务问题，还做了一个 1000 个 AI 应用场景的专栏。
我发现，有了 AI，让人人都是数据分析师成为了现实。
为什么呢？我用一个案例给大家演示一下。
六）ChatGPT 案例演示：问卷分析最近我在准备一个客户的企业培训，发了一份课前的调研问卷，收集了大概 40 多份数据。我想根据这 40 份数据来准备我的课程。大家做运营一定会遇到类似的场景，用户调研的反馈问卷。
那在过去，我们要怎么做数据分析呢？
用 Excel 的同学，是不是就是创建一个图表，选择一下数据。快的同学每个图花费个 2 分钟，总共 6 道题，可能十几分钟就搞完了。
再提取一些数据做个总结，想几个建议，半个小时搞定了。
那现在我们不用 30 分钟，只需要 1 分钟，把数据上传给 ChatGPT，并把我们的要求告诉他，让他帮忙分析一下这个问卷。
图片
我们也不用管什么数据分析的方法， AI 直接把每一道题的数据清况告诉我了，还帮我写好了数据的结论，以及这个数据对我到底有什么用。
一分钟把这个事情搞定，很轻松，从 30 分钟到 1 分钟，基本上是 30 倍的提效了。
那我们来对比一下传统的数据分析流程，看看在 AI 时代下，数据分析到底发生了什么变化？
02
传统数据VS数据分析
一）ChatGPT 案例演示：问卷分析1、定义业务问题数据分析的第一步是明确我们想要解答的业务问题。比如我的分析是为了看某个数，还是定目标用，还是做一个专题的分析，还是希望探索价格对销量的预测等等。2、数据分析思路拆解明确了业务问题后，接下来我们需要拆解数据分析的思路。这包括确定分析的方法、工具和数据需求。如果我们的目标是提升销售业绩，我们需要分析当前的销售额、利润、各产品的销售情况以及各销售渠道的表现。此外，还需要关注转化率等关键指标。3、数据获取数据分析思路确定后，我们需要着手获取数据。数据可能来源于企业的数据库、在线分析系统（如生意参谋）或各个 saas 的系统等。获取数据是分析的基础，确保数据的准确性和完整性至关重要。4、数据加工处理获取的数据往往需要进一步的加工处理才能用于分析。这包括数据清洗、格式转换、缺失值处理等。良好的数据处理能够提高数据质量，为后续分析打下坚实基础。5、数据分析最终清洗好的数据，就是进入到数据分析的环节，我们用各种指标维度、各种分析方法来去提炼一些数据信息。6、数据可视化最后一步是将分析结果通过可视化手段展现出来，并撰写分析报告。数据可视化帮助我们更直观地理解数据，而一份清晰的报告则能够将分析结论和建议传达给决策者。这里的每一步都要花费很多的时间思考、掌握很多的基础知识，掌握各种工具和能力才能完成。二）AI 数据分析流程，极限3步而AI 到来之后，数据分析有了一个非常恐怖的变化，那就是数据分析的流程被极限压缩了。图片
我们只需要给到 AI 数据，然后提出我们想要的问题，可能没那么明确，也可以让 AI 先帮忙看一看，AI 就能把数据结论直接给我们。但这并不意味着我们不需要学数据分析了。三）用好 AI 的关键在于提问
图片
用好 AI 的关键在于提问，你只有精准地提出你的问题、才能让 AI 处理。所以 AI 时代，我们要修炼的是如何精准地表达我们的需求和问题。而对业务的理解也是运营的核心能力，只有对业务足够了解，我们才能真正从数据中提炼出洞察，第三个表达能力也非常重要。而且数据分析并没有完全变成那么智能，他还是通过原来的环节在工作，AI 目前是对每一个数据分析的工作流进行处理。目前的 AI 虽然可以一刀流，但还没有那么成熟，而且很多人都还无法使用 ChatGPT，我们还是要了解 AI 如何在每一个环节都发挥对应的作用。03
AI 如何赋能数据分析全流程
一）回归现实，AI 赋能客户数据分析全景图这张图是我梳理的 AI 目前可以赋能数据分析的工作流，我会用一个案例带着大家把这整个过程走一遍。图片
为了更方便大家理解，接下来 AI 赋能全环节，我用这个案例数据给大家演示。
图片
这里是一份直播的电商运营数据，记录了直播电商平台用户消费数据，包括用户的基本信息、消费行为和偏好，假设我们是电商平台的直播运营专员，我们需要根据这个数据分析调整我们的直播和运营策略。
二）AI 辅助定义梳理数据分析思路我们做数据分析的第一步是梳理数据分析的思路，在没有 AI 之前，我们需要了解统计学知识和数据分析思维，做分析思路的拆解，梳理出一个很好的分析思路就是比较耗费时间的。
既要懂业务，又要懂分析。
而有了 AI 之后，这个过程变得非常简单，我们只需要告诉 AI，我是谁，我做什么业务，我的业务目标是什么，我有什么数据。
它会给到非常详细的数据分析思路给到我们！
图片
三）AI 辅助数据获取
数据分析思路梳理完毕后，我们要获取数据，AI 可以帮我们做什么事情呢？因为这个案例我们本身已经有数据了，我就说一说没有数据的情况下，怎么做。
1、AI 辅助写 SQL如果你的业务是要 IT 帮你取数的，但是你也不太会写 SQL，要提需求等排期，现在不用这么麻烦，因为 AI 就可以帮我们写 SQL 取数据。
图片
2、AI+RPA 辅助获取外部数据如果要获取一些外部数据，比如要抓取抖音的评论数据，抓取爆款账号对标，过去需要写爬虫。
现在有非常多低门槛的零代码数据抓取工具，比如多抓鱼、后羿采集器、影刀PRA，这些工具逐渐都会 AI 化，变得非常易于上手。
图片
比如这个是我用 后羿采集器抓取的 BOSS 直聘的数据，不需要写代码，只需要简单配置一些页面即可抓取。
3、AI提取非结构化数据另外如果我们有一些数据是图片、文本等非结构化数据，我们只能人工一个个整理，非常费时费力，而且这种情况在企业中还真不少，毕竟中国企业大部分数据基础都很差。
现在有了 AI 之后，这类工作都可以快速搞定。
比如一个教育机构让家长在群里做了一个接龙，一开始也没想到非结构化数据不好分析，直到要数据分析了，才发现，这个格式不行，得一个个复制黏贴到表格里，划分开来，这个任务，20 分钟肯定是需要的。
图片
我们把这个图片直接丢给ChatGPT，直接让他整理，他就可以整理成一份结构化数据到我们了。是不是很方便！
图片
4、AI 梳理指标体系，一键生成业务系统如果你的企业数据质量非常差，AI 似乎帮不上忙了？
长痛不如短痛，不如用 AI 来一次全面的业务数据梳理吧，你可以借助 AI 的力量，让 AI 来梳理业务的指标体系。
比如陈天做自由职业，我基于我的业务需要（企业培训从打单到交付到售后），我规划了我的业务的指标体系。
图片
图片
有了这些指标后，我用飞书AI 快速做了一个3、4 个流程表达， 这样我会在这个业务系统里记录我的业务数据，每一个线索，每一个客户信息，每一个产品，每一个订单，先积累我个人的数据资产。
图片
更方便的是，在飞书收集到的数据，除了可以导出为 Excel，还可以一键生成数据看板！在飞书里就可以完成从业务数据到数据可视化，到业务管理的闭环。
图片
搭建这么一个小的业务系统，我花了不到 1 个小时左右，非常适合自由职业者、小团队，或者是大公司的某个子团队使用。
除了飞书，简道云的低代码工具也很不错，未来所有的类似的工具都会植入 AI 工具，搭建一个业务系统都会变得非常快速。
所以不要再抱怨没有数据了，强者从不抱怨环境（狗头），有了 AI 之后，数据咱们自己造，业务系统也可以自己造！
四）AI 辅助数据处理
说到数据处理，非常令人头大的一件事情，我做分析，一半的时间都在搞数据处理。各种空值、重复值、指标缺失、指标的字段格式不对，比如把省市区都放到一个省，还要做分列才好分析。
而这些错误数据的处理，在没有 AI 之前，你很难识别，分析后可能才发现不太对，回过头来处理数据。
而数据处理又要写各种公式函数，没有对工具有足够的掌握很难完成。
而现在我们可以直接把数据传给 ChatGPT，比如这份数据他有一些文字是英文，我希望用中文展示，另外有一些是缺失值，希望也能够处理掉。
可以看到它能够识别和纠正数据中的错误，处理缺失值，并转换数据格式，以适应后续分析的需求。而且压根不需要你动手和做复杂的计算，一句话，它帮你全部搞定了。
图片
ChatGPT 处理好的数据，还支持再次下载到本地。
另外，有一些老师对 Excle 不是很熟悉，AI 也可以很方便帮你使用 Excel 处理数据。
图片
比如上边有一个很典型的数据格式问题，文本格式的内容，要去除无关的内容，转化为数值格式，要处理这个数据，得对Excel 函数非常了解，至少我得花一点时间才能想出来。
但是我直接问 AI，它是可以很快帮我们搞定的。
图片
五）AI 辅助数据分析
让 ChatGPT 清洗完毕数据后，就可以让它直接分析数据，你甚至都不需要知道分析的指标、方法，他会帮你自动分析好，并且给出对应的数据结论和业务建议！图片
除此之外，ChatGPT 可以帮我们完成一些更高级的分析，比如建模分析，相关性分析，比如我让 ChatGPT 用 RFM 模型帮我做一个建模，对用户的价值进行分层。AI 30s 帮我搞定了。这个建模我亲自做过，没有 AI 的时候，要处理 十几步的数据，新手理解模型+上手实操至少 1 个小时才能搞定。AI 太快了！真的是生产力啊！图片
六）AI 辅助数据可视化
1、AI 快速生成图表做好分析后，做图表也是很多非专业数据分析师头疼的事，要用什么图表，什么配色，用什么工具。
而在ChatGPT 里，你不需要考虑这些，你只需要在做好这些分析之后，直接告诉ChatGPT 让他一键生成图表，所有图表都会一键生成。
图片
这些图表也可以下载到本地，放到 PPT 中。
图片
2、AI辅助汇报如果大家是用 PPT 汇报的，平时是把这些图表和结论粘贴到 PPT 中，那么主要的工具就是 AIPPT 工具。
可以用讯飞智文1 分钟一键生成 PPT，再附上这些图表，就可以做一个汇报了。
图片
大家如果用仪表板做汇报的，也可以用一些 BI 工具，例如FineBI，PowerBI 等
七）AI 最大的价值：从数据到分析
图片
AI 大大加速了数据分析的速度，但我觉得这并不是最大的价值。
AI + 数据分析最大的价值是：让数据分析，从数据，到分析。
回顾我们做数据分析的目标是什么？是呈现数据现状，找到业务问题，提供决策支撑。
但现实情况是什么呢？大多数人只做到了第一步，用数据呈现现状，俗称表格表姐。
为什么呢？
因为把数据做出来就已经耗费了他们所有的时间和精力。
所以他们只是把数据做出来了、而没有进一步分析，为什么留存率会下降，为什么这个月利润下降了，价格提高多少能平衡销售最大化。
而 AI 把做数据的时间降低了，把做分析的门槛降低了，让我们真正有时间有能力去做分析，找问题，找原因，找业务洞察。
只有这样，数据的价值才能充分被发挥出来！
04AI 局限性与未来发展趋势一）AI 数据分析的局限性
图片
最后，我也要说几点当前用 AI 做数据分析的局限性：
1.数据安全问题，数据上传给 GPT，会造成数据泄露，谨慎上传
2.当前的 AI 工具处理不了大数据量的数据，基本上实测 20w 以上的数据，GPT 就有点绷不住了
3.AI 并不擅长计算，本质上还是调用了自然语言转化为 Python 语言。
4.AI 计算校验准确困难
5.AI 生成的图表内容格式无法精细调整
二）国产之光- AI 工具
最后我们只能寄托希望于国产的各个数据分析厂商能赶紧出追赶上 ChatGPT 的 AI 分析工具，我的前司在这块也做了一个智能问答 BI，我也第一时间拿到了内测。
它可以解决数据安全（本地私有化部署）、计算精准度（不是 AI 计算）、数据校验（过程可校验）、数据量（可以计算千万级别的数据量）、图表格式（个性化调整图表格式）
帆软 BI 也是目前国产 BI 软件在企业普及度最高的 BI 工具，很多企业都已经采购了我们的 BI，相信很快到下半年，BI +AI 的工具就能真正给到大家使用。
图片
如果大家想进一步了解，也可以找我要视频，以及我可以给大家看一看～
最后希望大家都能用好 AI，早下班，多赚钱，下一期再见👋图片
END我是 sky陈天，AI 讲师& AI 转型提效顾问 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。
