Ønsker du å øke nivået på dataanalysespillet ditt? Her er noen geniale måter å bruke ChatGPT som et kraftig verktøy i dataanalytikerverktøysettet ditt.
I løpet av de siste månedene har det vært en økning i antall kunstig intelligens-verktøy som har blitt utgitt. Et slikt kraftig verktøy er ChatGPT, en avansert LLM som er i stand til å forstå og holde menneskelignende tekstsamtaler.
Selv om ChatGPT har vist seg å generere samtaletekst, har det vært en verdifull ressurs for mennesker på tvers av ulike bransjer. For dataanalytikere kan ChatGPT brukes til å forbedre deres analytiske evner og håndtere komplekse datautfordringer. La oss se på noen måter dataanalytikere kan bruke ChatGPT for å være mer produktive i det daglige arbeidet.
1. Avgrens ideer om en oppgave
Dataanalytikere kan utnytte egenskapene til ChatGPT for å avgrense og brainstorme om en oppgave eller casestudie. Siden ChatGPT kan generere samtaletekst, kan du engasjere den og utforske ulike perspektiver ved å stille spørsmål.
Anta at du vil skrive et skript for å automatisere en forretningsprosess. Du kan spørre ChatGPT om ideer til hvordan du kommer i gang. Alt du trenger å gjøre er å be den om en melding via chatten og vente på svaret. Du kan stille flere spørsmål eller alternative synspunkter fra svaret.
Kasusstudie: Jeg har et forretningsproblem. Jeg vil lage et dashbord i Excel å segmentere og spore atferden til kunden min. Jeg driver for tiden en kaffebar, og noen få bestiller via e-handelsnettstedet mitt.
Hva slags informasjon bør jeg samle inn fra kundene mine? Hvilke nøkkelindikatorer bør jeg måle? Hvilket verktøy og type visualisering bør jeg bruke? Også, hva slags kohortanalyse, og hva vil du anbefale at jeg inkorporerer for min brukersegmentering?
2. Retting av feil og feilsøking
Du støter på feil i koden, formelen eller skriptet ditt under ditt daglige arbeid som dataanalytiker. Et samtalemøte med ChatGPT kan gi feilsøkingsstrategier, et nytt perspektiv eller til og med kodeløsninger på feilene.
ChatGPT kan forklare hvorfor koden din kastet problemet i utgangspunktet hvis du gir en melding og feilmeldingen.
Min oppfordring: Jeg vil at denne DAX-formelen skal returnere en verdi basert på den valgte datoen på filteret mitt. År og måned vurderes. Formelen nedenfor returnerte imidlertid en feil.
Kundeespresso og cappuccino=
REGNE UT(
SUM('Salgsdata'[Beløp]),,
HOLDEFILTER( 'Salgsdata'[Produkttype] ="Espresso" og 'Salgsdata'[Produkttype] ="Cappuccino")
3. For å tolke data og forklare kompleks kode
ChatGPT viser seg nyttig når du prøver å forstå en lang eller kompleks kode. For å forstå koden i disse situasjonene, kopier og lim inn koden du prøver å forstå og be om et svar ved å si «Forklar denne koden».
4. Å skrive, redigere og generere koder, formel og syntaks
På samme måte som ChatGPT kan brukes til å tolke kompleks koding. Du kan be om at den oppretter koden eller syntaksen for deg.
Kasusstudie: Du har en Python if-setning med en for Loop. Din nåværende kode sjekker bare om lengden på myList er nøyaktig 3 og går gjennom den hvis utsagnet er sant. Ellers kjører den else-setningen og sender ut hvert element i myList2. Du vil imidlertid endre den for å skrive ut alle elementene i hver liste med nøyaktig fire bokstaver i stedet.
Min oppfordring: kan du endre denne Python-koden for å skrive ut alle elementene i en av listene med nøyaktig fire bokstaver i stedet:
min liste = ['Python', 'MUO', 'Hallo']
min liste2 = ["Fisk", "Gull", "Bag"]
hvislen(min liste)== 3:
for elementer i min liste:
skrive ut(varer)
ellers:
for elementer2 i min liste2:
skrive ut(varer2)
5. Lære nye ferdigheter
Vi har en artikkel om hvordan du kan legge til en statisk dato og klokkeslett i Google Sheets. Du kan bruke ChatGPT for å lære mer om dette emnet eller hvordan du gjør noe lignende i en annen applikasjon. For eksempel hvordan legge til en statisk dato og klokkeslett i Tableau.
Ved å skrive en melding kan du lære om nye funksjoner og ferdigheter, eller hvordan du bruker en spesifikk funksjon i ditt favorittanalyseverktøy.
6. Dokumenter kodene dine
Koder som har kommentarer er lettere å lese. Men du kan innrømme at alle synes prosessen er kjedelig og monoton. ChatGPT kan utføre denne oppgaven uanstrengt og med stor nøyaktighet og effektivitet.
Still det et spørsmål, og det vil gi deg fullstendig kommentert kode du kan kopiere og lime inn som svar.
Min forespørsel: Kan du legge til kommentarer til denne SQL-koden:
PLUKKE UT
e.employee_id SOM"Ansatt #"
, e.fornavn || ' ' || e.etternavn SOM"Navn"
, e.e-post SOM"E-post"
, e.phone_number SOM"Telefon"
, TO_CHAR(e.utleiedato, 'MM/DD/ÅÅÅÅ') SOM"Leie dato"
, TO_CHAR(e.lønn, 'L99G999D99', 'NLS_NUMERIC_CHARACTERS = ''.,'' NLS_CURRENCY = ''$''') SOM"Lønn"
, e.commission_pct SOM"Provision %"
, 'fungerer som' || j.job_title || 'i' || d.avdelingsnavn || ' avdelingsleder: '
|| dm.fornavn || ' ' || dm.etternavn || ') og nærmeste leder: ' || m.fornavn || ' ' || m.etternavn SOM"Nåværende jobb"
, TO_CHAR(j.min_lønn, 'L99G999D99', 'NLS_NUMERIC_CHARACTERS = ''.,'' NLS_CURRENCY = ''$''') || ' - ' ||
TO_CHAR(j.maks_lønn, 'L99G999D99', 'NLS_NUMERIC_CHARACTERS = ''.,'' NLS_CURRENCY = ''$''') SOM"Nåværende lønn"
, l.gateadresse || ', ' || l.postal_code || ', ' || l.by || ', ' || l.state_provins || ', '
|| c.land_navn || ' (' || r.region_name || ')'SOM"Plassering"
, jh.job_id SOM"Historikk jobb-ID"
, 'jobbet fra' || TO_CHAR(jh.startdato, 'MM/DD/ÅÅÅÅ') || ' til ' || TO_CHAR(jh.sluttdato, 'MM/DD/ÅÅÅÅ') ||
' som ' || jj.job_title || 'i' || dd.avdelingsnavn || 'avdeling'SOM"Historisk stillingstittel"
FRA ansatte e-- til få tittel på gjeldende jobb-id
BLI MED arbeidsplasser j
PÅ e.job_id = j.job_id
-- til få navn på gjeldende manager_id
LEFT JOIN ansatte m
PÅ e.manager_id = m.employee_id
-- til få navn på gjeldende avdelings-id
LEFT JOIN avdelinger d
ON d.department_id = e.department_id
-- til få navn på leder for nåværende avdeling
-- (ikke lik nåværende leder og kan være lik den ansatte selv)
LEFT JOIN ansatte dm
PÅ d.manager_id = dm.employee_id
-- til få navnet på stedet
LEFT JOIN steder l
PÅ d.location_id = l.location_id
LEFT JOIN-land c
PÅ l.country_id = c.country_id
LEFT JOIN regioner r
PÅ c.region_id = r.region_id
-- til få jobbhistorie til ansatte
LEFT JOIN job_history jh
PÅ e.employee_id = jh.employee_id
-- til få tittel på jobbhistorikk job_id
VENSTRE BLI MED arbeidsplasser jj
PÅ jj.job_id = jh.job_id
-- til få navn på avdeling fra jobbhistorikk
LEFT JOIN avdelinger dd
PÅ dd.department_id = jh.department_id
REKKEFØLGEAVe.Ansatt ID;
Dataanalytikere kan bruke ChatGPT i arbeidet sitt
Kraftige AI-løsninger som ChatGPT øker alles produktivitet, også dataanalytikere. Ved å bruke ChatGPTs naturlige språkbehandlingsfunksjoner og spørre den riktige forespørselen, kan dataanalytikere raskt og nøyaktig få ideer og innsikt i oppgavene deres.
Men mens ChatGPT kan være en samarbeidspartner i arbeidet ditt, er det viktig å kritisk evaluere og teste tilbakemeldingene. Så utforsk denne fantastiske teknologien, integrer den i arbeidsflyten din, og fortell meg tankene dine.