谷歌商业智能笔记（四）
假设AI工具的响应只包含关于数据透视表的一般信息，而我想了解更多。我可能需要包含输入数据的字段名称，或者指定我希望在数据透视表中包含数据的哪些字段。
或者，如果响应没有包含关于自变量与因变量（分别对应我们数据透视表的行和列）的具体信息，我可能会添加上下文，以便这些信息也出现在我的输出中。
通过有效的提示词构思和创造性的迭代，我可以与Gemini合作，为组织我的销售数据开发一个流程。而像Gemini和Google Sheets这样的更高级的AI工具，甚至可以超越流程建议，直接为你生成数据透视表，甚至提供多个选项供你选择。
总结
本节课中，我们一起学习了如何利用生成式AI工具来组织数据和构建公式。我们从明确一个具体的销售数据分析目标开始，演示了如何构思清晰的初始提示词。接着，我们评估了AI的响应，并将其视为项目顾问的建议。最后，我们深入探讨了迭代优化提示词的技巧，包括提供更具体的指导、分享参考示例、优化措辞以及基于偏好进行反馈，从而逐步获得更符合期望、更实用的输出结果。通过这套方法，你可以让AI成为处理电子表格数据的强大助手，从而专注于更有价值的分析工作。
126：运用人工智能提出更有效的问题
在本节课中，我们将学习如何利用人工智能工具来提出更精确、相关且可执行的问题，从而为数据分析奠定坚实的基础。良好的问题是获得深刻洞察和做出明智决策的关键。
优秀的数据分析始于优秀的问题
在能够用数据回答问题之前，你需要明确自己要问什么。只有这样，才能解锁可执行的洞察和更明智的决策。归根结底，我们作为分析师创建的数据报告旨在帮助推动决策。这意味着我们预先提出的问题，将极大地影响我们的报告能够回答什么内容。
正如你可能猜到的，谷歌的人工智能工具可以帮助完成定义正确问题这一重要任务，即提出精确、相关、可执行的问题，以进行有效的数据分析。
实践示例：为零售商制定分析问题
让我们来看一个例子。假设我们是共同为一家零售商工作的数据分析师，我们正试图找出改善客户体验的方法。我可以编写一个提示词如下：
我获得了一个在线零售商的综合数据集，其中包括客户人口统计信息、购买历史和网站交互日志。我应该制定哪些关键问题来指导旨在改善客户体验和增加销售额的分析？请描述定义和优先排序这些问题的步骤。
以下是AI工具生成的潜在问题列表，以及我可以开始回答这些问题的方法。
进阶技巧：让AI评估其输出
这里有一个专业建议：你可以要求AI工具对其输出进行评分，或对潜在问题进行堆栈排序。它倾向于给出多个结果，并根据它认为自己做得多好，或者这些问题能多容易地引导你获得洞察来进行排序。
更强大的工具：直接连接数据源
准备好了解更酷的功能了吗？作为一名数据分析师，有一些更高级的工具（其中一些是付费的）可以让你对数据做更多事情。在我的工作中，我使用Jim和I Adv等工具将数据源直接连接到模型。这样，我就不必在数据中盲目点击，希望能发现一个突出的趋势。Jim和I Adv会分析我提供的数据，通过几个问题，它就能突出显示主要的趋势和模式，为我节省大量时间。
从这个总结中，我可以开始制定更深入的分析，这极大地提升了我的工作效率。
总结与行动呼吁
本节课中，我们一起学习了定义好问题对于成功的数据分析至关重要。人工智能可以帮助你简化这一过程，使你的问题变得精确、相关且可执行。这将增强你的分析能力，并带来更深刻的洞察和更好的决策。
现在，尝试将这些技巧应用到你的数据中吧。
127：通过人工智能创建引人入胜的数据可视化 📊🤖
在本节课中，我们将学习如何利用生成式人工智能（Gen AI）工具，高效地创建能够清晰传达数据洞察的图表和可视化。我们将了解从构思到实现的基本流程，并掌握一些提升效率的专业技巧。
在数据分析工作中，有时我们得出了出色的发现，却难以用引人注目的方式传达它们。这就是数据可视化至关重要的原因。为了分享我们的发现，我们需要创建引人入胜、信息丰富且具有影响力的图表，以突出关键洞察。
数据可视化是生成式人工智能（Gen AI）能够真正帮助您节省大量时间的领域。例如，当您需要展示过去一年的销售数据趋势时，Gen AI 工具可以告诉您应该创建哪些图表以及如何创建。
借助更高级的 AI 工具，如 Gemini 和 Google Sheets，AI 甚至可以为您直接创建这些可视化图表，并确保其准确性和一致性。
上一节我们介绍了 Gen AI 在数据可视化中的潜力，本节中我们来看一个具体的应用示例。
假设我的工作是可视化我们组织的营销销售业绩。这是一个复杂的任务，介于数据清洗、分析准备以及其他所有相关工作之间，可能会花费大量时间。我将使用一个 AI 工具来获取一些帮助。
以下是使用 AI 辅助创建可视化的基本步骤：
首先，我需要设定背景或提供数据的简要摘要。例如，我可以这样开始我的提示词：
“我有一个数据集，追踪了过去一年营销活动的销售表现，包括点击率、转化率和投资回报率等指标。”
接下来，我会明确我的任务并补充道：
“请找出能够有效传达这些营销活动表现趋势和洞察的可视化方案。”
就这样，我们获得了一系列可能有效传达营销活动数据集表现趋势和洞察的可视化方案列表。
现在，假设您想进一步了解输出结果中建议的图表类型。
迭代优化提示词的一种方法是，要求 Gen AI 工具为您展示关于它建议的图表类型的 YouTube 视频或 Google 搜索链接。
请注意，在这个示例中，我们使用 Gemini 来生成创建这些可视化的步骤，因为我们没有上传任何实际数据。
然而，如果您使用的是企业级 AI 工具，您可以直接上传数据，让工具为您生成可视化图表，从而显著简化流程。
使用 Gen AI 构思数据可视化方案，我最喜欢的一点是，它让我能更专注于解读数据和分享洞察，而不是创建图表的技术细节。这能更高效地利用我的时间。
在结束这个示例之前，我想分享一个专业技巧。到目前为止，我一直在 Gemini 中键入提示词。如果您不想打字，也可以激活麦克风功能。这使您能够使用语音快速添加更多信息、开始新的提示词或迭代现有的提示词。
本节课中，我们一起学习了如何利用 Gen AI 工具（如 Gemini）来构思和规划数据可视化。我们了解了从提供数据背景、明确任务到迭代优化提示词的全过程。通过将技术性工作交给 AI，我们可以将更多精力投入到数据解读和洞察传达上，从而更高效地完成数据分析任务。
128：借助人工智能优化R代码
在本节课中，我们将学习如何利用人工智能工具来优化R语言编程工作流。我们将探讨AI如何辅助代码生成、调试以及处理多源数据，从而提升数据分析的效率和准确性。
🛠️ 代码生成与优化
编写代码有时会感觉像在迷宫中穿行。生成式人工智能可以帮助解决这个问题。
作为数据分析师，你可能需要清理和转换数据集。你可以提示Gemini或其他AI工具来生成初始的R脚本。
例如，你可以提示AI工具：“生成一个R脚本，用于读取CSV文件并通过移除空值来清理数据。”
AI可以提供一个结构良好的脚本，然后你可以对其进行优化。这可以为像我们这样的数据分析师节省时间，并有助于提高工作的准确性。
🔍 调试与错误修正
调试代码是AI真正大放异彩的另一个领域。常见的R错误，如语法错误或逻辑错误，可以借助AI快速识别和纠正。
例如，如果你在运行脚本时遇到错误，可以向AI工具描述该问题，它会建议可能的解决方案。
所以，如果你在尝试合并两个数据框时遇到错误，AI可能会指出你可能遗漏了列名或使用了错误的函数。
你可以开始理解AI如何减少你的调试时间。
🔗 处理多源数据
我们的优势之一是处理来自各种来源的数据。AI可以通过生成代码来读取和聚合数据，从而帮助简化这个过程。
例如，你可能需要从CSV文件、数据库和API读取数据。通过提示AI工具，你可以获得一个从这些来源读取数据并将其合并到单个数据框中的脚本。
那么，我该如何构建一个提示来应对这样的挑战呢？
我可以尝试写一个这样的提示：“我是一名具有R语言基础知识的初级数据分析师。我需要帮助创建一个R脚本的基本框架，用于自动从各种来源（即PDF和Google Sheets）加载数据。我希望代码能扫描每个文档，组织数据，并生成一个不包含重复数据的、组织良好的Google Sheet。”
除了提供基本框架，Gemini还要求澄清数据结构、来源之间的一致性以及其他元素。该模型生成了一个R脚本的基本框架，用于自动化数据加载、清理和合并过程，并附有解释以帮助构建它。此外，它还提供了一些我应该考虑的问题的提示。
还不错，只需一个提示，我就得到了R编码方面的一些帮助。
💡 总结与行动建议
将生成式AI集成到你的R工作流中不仅仅是关于效率，也是关于赋能。你可以处理更复杂的项目并发现更深入的见解。
请记住，你不需要成为R专家也能利用AI的力量。只需开始尝试。
就像任何新技术一样，我们都需要尝试、测试和探索，以学习如何使用AI。
我很高兴能分享一些我作为数据专业人士在工作中使用AI的方式，从帮助数据清理到为数据可视化构思想法。
我希望这能帮助你开始在你的角色中使用AI。
我给你的挑战是：思考你已经在做的工作。是否有某件事花费了你大量时间？或者某个项目你需要一些想法来开始？承诺尝试使用AI来完成一些对你和你的工作真正有影响的事情。
129：课程介绍与概述
在本节课中，我们将学习谷歌人工智能基础课程的核心内容与结构。课程旨在为初学者构建一个清晰的学习路径，从商业智能基础到利用人工智能进行决策。
课程概述
本课程围绕商业智能与人工智能的应用展开。课程分为三个主要部分：商业智能基础、洞察路线以及决策制定。每一部分都旨在帮助学习者理解如何利用数据驱动业务决策。
课程核心模块
以下是本课程的三个核心模块：
-
商业智能基础
此模块介绍商业智能的基本概念，包括数据收集、处理与初步分析。目标是建立对数据价值的基本认识。
-
洞察路线：模型与管道
上一节我们介绍了数据基础，本节中我们来看看如何从数据中提取洞察。此模块深入探讨构建分析模型和数据管道的方法，将原始数据转化为可操作的见解。
-
决策：数据看板
在获得洞察之后，关键在于如何利用它们。本模块重点介绍如何通过创建数据看板来可视化信息，从而支持高效、准确的商业决策。
核心概念与工具
课程中会涉及一些核心的技术概念，它们通常通过以下形式进行描述：
-
公式：例如，一个简单的线性回归模型可以表示为
y = β₀ + β₁x + ε，用于预测变量之间的关系。 -
代码：在演示数据处理步骤时，可能会使用类似
df.groupby(‘category’).mean()的伪代码来展示如何按类别对数据进行分组并计算平均值。
学习目标
完成本课程后，学习者应能够理解商业智能的工作流程，知晓如何构建从数据到洞察的管道，并掌握利用数据看板辅助决策的基本方法。
本节课中我们一起学习了谷歌人工智能基础课程的整体框架与核心模块。课程从BI基础出发，经过洞察路线的模型与管道构建，最终落脚于通过数据看板进行决策，为初学者提供了一条完整的数据驱动决策学习路径。
130：课程完成与展望
在本节课中，我们将回顾整个谷歌商业智能证书课程的完成，并展望未来的职业发展路径。
课程完成祝贺
带领大家完成本项目的最后部分，是一段非常美好的经历。我们知道你已经为开启一段精彩的职业生涯做好了充分准备。我们所有人都非常高兴能与你分享这段学习旅程，并迫不及待地欢迎你加入商业智能的世界。
恭喜你，你完成得非常出色。我们为你感到无比自豪。祝贺你成功完成了整个课程项目，你做得非常棒，我们认为你已经为成功做好了准备。
获取你的证书
现在，剩下要做的就是领取你的谷歌商业智能证书。你可以将这份证书展示在你的简历和领英个人资料中。
这份证书代表了你为完成这个项目所付出的所有辛勤努力。你取得了巨大的成就，并展现了对该领域的认真投入。
持续学习与职业发展
因此，请保持好奇心。毕竟，学习不会在此停止。当你进入这个新时代，请务必跟上商业智能的发展趋势。与同行建立联系。持续更新你的职业材料。
现在，请花些时间来庆祝你的成就。这是你应得的。
本节课总结
本节课中，我们一起庆祝了谷歌商业智能证书课程的完成。我们回顾了你的努力与成就，领取了代表学习成果的证书，并探讨了如何保持学习、紧跟行业趋势以及规划未来的职业发展。恭喜你成功完成课程，开启了商业智能领域的专业旅程。
131：项目总览回顾 🎉
在本节课中，我们将回顾整个谷歌商业智能职业证书课程的学习历程与核心成就。课程涵盖了从商业智能基础到数据建模、管道构建，再到数据看板设计与展示的完整知识体系。
课程成就与价值 💼
你刚刚获得了谷歌商业智能职业证书。这是一项巨大的成就，表明你为未来投入了学习新技能。
现在你已获得商业智能认证，你的证书可以在领英、Indeed和Glassdoor等求职平台上展示。同时，请务必通过谷歌的雇主联盟，与渴望招聘你所在领域人才的公司建立联系。
正如你在项目开始时所学到的，市场对商业智能专业人才的需求正以惊人的速度增长。凭借你已掌握的技能和知识，你可以在这个高增长、高影响力的领域中不断探索商业智能相关职位，以推动你的职业发展。
课程核心内容回顾 📚
接下来，让我们回顾你在整个项目中取得的所有成就。
第一阶段：商业智能基础
你从探究商业智能的基础开始。在此阶段，你发现了商业智能专业人员在组织内扮演的角色和发挥的功能。随后，你学习了商业智能工具、它们能揭示的洞察类型，以及上下文在商业智能项目中的重要性。
第二阶段：数据建模与管道
在下一门课程中，你探索了数据建模以及数据库的设计方式。你学习了如何创建管道，将数据移动到需要的位置。你还发现了用于数据库和管道系统的优化技术，以保持团队工作流程的顺畅运行。
第三阶段：数据看板与决策
最后，在这最后一门课程中，你专注于构建数据看板以监控随时间变化的数据。你在特定场景中构建了图表和数据看板来回答业务问题。然后，你学习了如何向利益相关者展示你的工作。最后，你完成了作品集并为求职面试流程做好了准备。
总结与展望 🚀
这是一项极其大量的工作，显然你已经准备好开启一段激动人心且回报丰厚的职业生涯。走出去，在商业智能的世界里发挥你的影响力吧。
在本节课中，我们一起回顾了谷歌商业智能证书课程的全貌，从基础概念、核心工具与技术，到最终的成果展示与职业准备。你已掌握了开启商业智能职业生涯所需的关键技能与知识。
AtomGit AI 社区提供模型库、数据集、Agent、Token等资源
更多推荐
4
0- 0
已为社区贡献85条内容
所有评论(0)