你好，欢迎来到《得到精选》，我是李南南。
今天的内容来自于AI学习圈。最近，AI学习圈上线了一门新课，叫做《如何用AI快速处理数据报表》。这门课的主理人是珠海太乙人工智能的技术合伙人尹会生老师。
提起数据报表，估计很多人可能觉得很头疼，因为这个事儿太麻烦了。一来是数据太多，二来它又对格式、对逻辑的要求非常高，容不得犯错。说白了，就是既复杂，容错率又低。
而这门课的主理人尹会生老师，从2012年就开始使用各式各样的数据分析工具了。对于这其中的痛苦跟挑战，他是再清楚不过了。而且更重要的是，这其中可能遇到的问题，尹会生老师早就为你准备好了解决方案。因此，假如你有处理数据报表方面的需求，那么这门课建议你仔细听一听。
来，咱们有请尹会生老师。
你好，我是尹会生。欢迎来到我的教程课《如何用AI快速处理数据报表》。
我们在日常工作中，常常需要处理数据报表，一份好的数据报表能够帮我们更好地做决策。但是面对复杂、庞大的数据文件，处理起来往往费时费力，尤其是年底的财务报表，或者销售数据分析表，一旦出现小疏忽，就可能导致业务决策失误，甚至造成巨大损失。
在AI出现之前，数据分析的门槛一直非常高。你需要懂统计学、会编程、了解数据库知识，整个过程非常烦琐，从清洗数据到建模，每个步骤都在考察你的专业能力，你还得深入了解行业和业务领域，不然就分析不了。
所以，数据分析被认为是一门“高深莫测”的学问，普通人碰都不敢碰。好在，随着人工智能的快速发展，特别是AIGC（AI生成内容）的兴起，我们终于找到了一种降低门槛的好方法，利用AI来帮我们写公式、编写代码、进行数据库查询等任务。最重要的是，我们只要用大白话直接和AI提需求，AI就能自动处理数据，生成人人都看得懂的分析报告。
说了这么多，那么我们用AI辅助进行数据分析的话，具体需要掌握哪些技能呢？要搞清楚这些问题，我们先要了解一下数据分析的基本流程。
数据分析的基本流程一般会遵循以下四个步骤：明确问题、收集和清洗数据、数据分析和生成可视化报告。每个步骤，AI现在都能帮上忙。具体怎么帮呢？
流程
第一步：明确问题
首先，明确你需要分析的问题，它决定了数据分析的方向和方法。比如，你需要AI帮你筛选出最畅销的10款产品，还是要它帮你找到销售数据的增长拐点？不同的问题对应着不同的解决方案，一个清晰的诉求，能让AI更好地帮你理清思路，在数据中找到答案。
假设你希望通过数据分析，提高产品销售额，那么该怎么与AI协作？
你可以这样来提问
“请帮我确定提高产品销售额需要着重关注的数据维度”
，先让AI帮你找到需要着重关注的数据维度。
有了数据维度，你还可以让AI告诉你影响销售数据的关键因素。你可以这么说
“基于你提供的数据维度，请一步一步地告诉我影响销售数据的关键因素”
。
最后让AI帮你查漏补缺，把数据拆分成更具体的指标，提示词
“请帮我将这些关键因素拆分成更具体的指标，以便我进一步分析”
。
过去，我们需要不断从数据中探索和挖掘需求，而现在，有了AI的帮助，这个步骤几乎能在提交数据报表后，实时得到响应。是不是对问题分析方向一下子就豁然开朗了呢？
接下来我们来看第二个步骤：数据收集和清洗。
第二步：数据收集清洗
在整个数据分析的流程中，最难也是最耗时的就是数据收集和清洗的工作，主要是因为数据来源多种多样，格式经常还不统一。
现在有了AI，处理数据就变得高效很多了。AI可以根据你提供的附件或者字段，自动进行表格和文本文件的合并、拆分、组合以及数值处理。更重要的是，这些都不需要你具备编程基础。
我为你分享一条简单好用的指令：“请你扮演数据分析专家，为我统计上传附件中的全部Excel、txt ，并提取；‘销售日期’、‘销售金额’、‘产品数量’、‘产品分类’四个字段，合并到一个Excel文件中。提供Excel的下载地址。”
这里如果你不想让AI看到你的全部数据，该怎么办呢？
你仍然可以使用AI。你可以只上传一部分数据样本，让AI帮你生成代码，然后在本地运行这些代码，来自动处理数据。在我的AI数据处理教程课里，会手把手演示给你，具体怎么做。
数据整理好了之后，重头戏就来了。
第三步：数据分析
这一步的挑战性最大，数据分析一般会用到很多统计学的方法，用什么方法，都要看你的经验积累。而且过去做数据分析，经常还需要借助一点编程和数据库的知识，难度很高。
现在，这些任务都可以交给AI来干，你只要输入目标和策略，AI就能帮你完成具体的代码与参数调整工作。但我还是要提醒你一句，AI只是工具，最终的决策还是需要你自己来做，就像理解市场变化、制定长期战略、以及制定一个明确的战略目标是AI还不能做的。
我还是给你举个例子，前面我们提到零售业产品销售额下滑的案例。在有了销售数据之后，我们该怎么做才能预测客户流失的情况，然后及时采取预防措施呢？
我可以这样来向AI提问：请你扮演数据分析和机器学习专家。我需要预测客户流失，以及采取何种预防措施？请你提供分析思路和解决方案。
AI的执行结果，我也为你放在文稿区了，感兴趣的同学可以去看看，其实最重要的就是要根据数据分析结果，看出整体的趋势变化，挖掘出具体的影响因素。
通过输出结果不难看出，AI扮演了数据分析和机器学习双料专家，提供了专业的算法、评估算法的标准，以及长期解决方案。你甚至还可以进一步，把数据交给AI，让它输出结果里提到的决策树、逻辑回归等模型，并进行在线分析。AI会根据你的数据和模型，自动进行调整，以达到最好的分析效果。
我实际使用的感受是，现阶段，AI预测模型的准确度已经比初级数据分析师要高了，其实可以帮很多非数据专业出身的人，来做初步的数据评估和预测。
最后一步也是最关键的一步，生成报告。
第四步：结果可视化报告
有了数据分析还不够，我们还需要把分析的结果转化为实际行动，支持我们的决策。一个简单清晰的图表，能帮助我们快速在公司内部拉齐目标。
这其实也是AI擅长的领域，它能够基于数据结果自动生成图表。就拿我们刚刚举例的数据报表来说啊，你只需要输入提示词：“为我根据关键性能指标、销售趋势、客户满意度各自生成一张适合的图表”。就能快速获得一张图表。
你可以利用AI将专业数据转化为简洁的语言，在海量数据中找到数据分析结果与目标的联系。你还可以让AI来帮你输出客户留存建议，并用具体的数据和统计指标来做支撑。
最重要的是，AI有海量的行业知识。你可以通过简单的角色转换，让AI扮演业务人员，提供具体的建议和行动计划，帮助用户解决问题。这些内容，我在教程课里会详细教给大家。
心得
说到这儿，我想跟你分享三点使用AI进行数据处理和分析的心得：
第一，永远保持批判性思维。
AI给出的结果可能看起来很漂亮，但你得先问问自己：这个结果合理吗？有没有遗漏什么重要因素？我们设定AI为数据专家，是不是在政策法规、行情、市场等方面还有AI考虑不到的问题？不要被花哨的图表迷惑了眼睛，始终保持质疑和思考的态度。
第二，结合业务知识。
找到AI自动化和人类专业知识之间的平衡点。AI可以大大提高数据分析的效率和范围，但它的输出应该由熟悉业务的你进行验证和解释。要把AI的分析结果和你的业务洞察结合起来，以确保分析结果的准确性和可行性。AI是工具，而你才是最终决策者。
第三，持续学习和实践。
AI技术在飞速发展，新的工具和方法不断涌现。保持好奇心，多尝试新东西，你可以边实践边学习数据分析，并且在实践过程中不断成长。数据分析不仅仅是技能，更是一种需要不断精进的艺术。
在教程课中，我还会为你介绍更多的AI数据分析方法，比如用AI制作实用图表，完成表格合并，还会带你用AI工具完成自动化处理数据的AI助手。
小结
最后，你可能会问，为什么是我来讲这门课？说实话，我也是从一个数据分析菜鸟一步步成长起来的。2012年，我就开始通过数据分析做业务决策。那时，我被逼着学习了Python和各种数据分析技能，过程极其痛苦。
随着OpenAI发布GPT-3，社区中涌现出大量AI数据分析的解决方案，我也开始关注AI对数据分析的影响。我发现，AI不仅能大大提高我们的工作效率，还能帮我们获得更深入的洞察。
在研究的过程中，我才发现，即便是有经验的工程师，也会对数据分析望而却步，一听说要学数据分析，搞数学，就打起了退堂鼓。但是，当我帮他们用上AI辅助数据分析后，他们的态度就完全变了，原来数据分析可以这么简单，不需要理解机器学习算法，也能直接把它应用到项目中。
你看，我们聊了这么多，其实就是想告诉你：
别被数据分析吓到了。有了AI这个强大的助手，数据分析其实可以很简单。重要的是开始尝试，你会发现，原来自己也可以成为数据分析的高手。
准备好和AI一起开启你的数据分析之旅了吗？相信我，这将是一段充满惊喜和收获的旅程。让我们一起拥抱AI，成为数据分析的高手吧！
好，内容听完了。
你刚刚听到的是来自于AI学习圈最近刚刚上线的新课，尹会生老师的《如何用AI快速处理数据报表》。
要特别提醒你的是，AI学习圈并不是一个单一的课程，它更像是一所AI学院，里面有来自各行各业的使用AI的高手。比如，如何用AI写公文，如何用AI做视频，如何用AI编程？这些问题在AI学习圈里面都有专门的课程。
同时，AI学习圈的主理人，也是咱们得到的联合创始人快刀青衣老师，他还会每天在AI学习圈里面为你播报这个行业的前沿进展，帮你了解这个行业的新知识、新方法、新工具。
假如你也想把AI真正的用起来，那么现在在得到首页搜索“
AI
”，就能看到AI学习圈的订阅入口，推荐你现在加入。
好，以上就是今天的内容。《得到精选》，下周见。
