ChatGPT玩轉數據分析:從基礎入門到項目實踐
李朝成
相關主題
商品描述
本書系統地講解了如何利用 ChatGPT 賦能數據分析。全書共 11 章,層層遞進,既涵蓋理論方法,也註重實踐操作:首先講解 ChatGPT 的使用與高質量提示詞的構建,然後探討如何使用 ChatGPT 學習業務知識、分析方法、分析工具,最後通過多個行業實戰案例的講解,幫助讀者真正將 AI 技術融入數據分析,提高分析效率和決策能力,抓住行業變革帶來的機遇。
作者簡介
李朝成,本科和研究生畢業於同濟大學,畢業至今一直從事數據分析工作,8年數據分析經驗、資深數據分析師、數據科學家。近一年也在深度參與AIGC產品的開發,對AIGC產品非常熟悉。作者主導了多個從0到1產品的數據分析項目,並負責過千萬級月活產品的數據分析項目。在互聯網、電商零售、在線教育、廣告營銷等ToB、ToC領域有著豐富的數據分析及業務驅動經驗,尤其擅長數據分析思維方法、數據分析工具以及數據分析項目的落地。此外,作者還是公眾號/小紅書/知乎/B站等平臺優質創作者,全網約8w粉絲,作品點贊收藏分享次數超100w。
目錄大綱
目錄
第1章?智識初窺:AIGC與ChatGPT基礎認知
1.1 AIGC的簡介與發展
1.1.1 AIGC的定義與背景
1.1.2 AIGC的發展歷程與技術演進
1.2 主流AIGC產品簡介及對比
1.3 ChatGPT在數據分析中的應用場景
1.4 ChatGPT賬號註冊及使用基本流程
1.4.1 註冊ChatGPT賬號
1.4.2 使用ChatGPT的基本流程
1.5 互動練習題
第2章?精要Prompt:構建優質指令策略與應用
2.1 Prompt的基本概念和作用
2.2 構建高質量Prompt的策略
2.3 Prompt在數據分析中的最佳實踐
2.4 Prompt實踐案例
2.5 自動生成Prompt的工具及使用示例
2.6 互動練習題
第3章?行業洞察:用ChatGPT學習業務知識和指標體系
3.1 利用ChatGPT學習行業知識
3.2 各行業Prompt示例
3.3 構建科學的業務指標體系
3.4 ChatGPT在業務指標優化中的應用
3.5 互動練習題
第4章?方法研習:用ChatGPT學習數據思維和分析方法
4.1 數據思維
4.2 指標異動分析
4.3 描述性分析
4.4 對比分析
4.5 細分分析
4.6 預測分析
4.7 相關性分析
4.8 漏鬥分析
4.9 RFM用戶分層分析
4.10 同期群分析
4.11 假設檢驗
4.12 互動練習題
第5章?統計進階:用ChatGPT探索統計學知識
5.1 描述性統計
5.1.1 描述性統計的概念
5.1.2 集中趨勢
5.1.3 離散程度
5.1.4 分布特性
5.1.5 數據可視化
5.1.6 ChatGPT案例:描述性統計分析
5.1.7 小結
5.2 概率論基礎
5.2.1 什麼是概率論
5.2.2 基本概率規則
5.2.3 常見概率分布
5.2.4 ChatGPT案例:正態分布的繪制與概率計算
5.2.5 優缺點與適用場景
5.2.6 小結
5.3 抽樣與估計
5.3.1 抽樣方法
5.3.2 區間估計與點估計
5.3.3 大數定律與中心極限定理
5.3.4 ChatGPT案例:置信區間計算
5.3.5 優缺點與適用場景
5.3.6 小結
5.4 假設檢驗
5.4.1 什麼是假設檢驗
5.4.2 假設檢驗的步驟
5.4.3 常見的假設檢驗方法
5.4.4 ChatGPT案例:t檢驗示例
5.4.5 ChatGPT案例:卡方檢驗示例
5.4.6 ChatGPT案例:方差分析(ANOVA)示例
5.4.7 一類錯誤和二類錯誤
5.4.8 優缺點與適用場景
5.4.9 小結
5.5 相關性分析與回歸分析
5.5.1 相關性分析
5.5.2 常見相關性系數
5.5.3 ChatGPT案例:皮爾遜相關系數計算
5.5.4 回歸分析
5.5.5 常見的回歸分析方法
5.5.6 ChatGPT案例:簡單線性回歸分析
5.5.7 優缺點與適用場景
5.5.8 小結
5.6 時間序列分析
5.6.1 什麼是時間序列
5.6.2 平穩性與平穩性檢驗
5.6.3 時間序列建模方法
5.6.4 ChatGPT案例:時間序列分析與ARIMA模型
5.6.5 優缺點與適用場景
5.6.6 小結
5.7 A/B測試與因果推斷
5.7.1 什麼是A/B測試
5.7.2 A/B測試的步驟
5.7.3 ChatGPT案例:A/B測試的t檢驗
5.7.4 因果推斷
5.7.5 ChatGPT案例:Uplift模型構建
5.7.6 優缺點與適用場景
5.7.7 小結
5.8 數據分布與假設檢查
5.8.1 數據分布及常見分布類型
5.8.2 常見的假設檢查
5.8.3 ChatGPT案例:正態性和同方差性檢驗
5.8.4 多重共線性檢測
5.8.5 ChatGPT案例:VIF檢測多重共線性
5.8.6 優缺點與適用場景
5.8.7 小結
5.9 數據降維
5.9.1 什麼是數據降維
5.9.2 常見的降維方法
5.9.3 優缺點與適用場景
5.9.4 小結
5.10 互動練習題
第6章?玩轉SQL:用ChatGPT展開SQL學習與實戰
6.1 數據分析中要掌握的SQL技能
6.2 SQL Prompt的技巧
6.3 ChatGPT Prompt for SQL:案例設計與實現
6.4 SQL生成的插件與工具
6.5 互動練習題
第7章?玩轉Python:用ChatGPT展開Python學習與實戰
7.1 數據分析中要掌握Python的哪些技能
7.2 Python Prompt技巧
7.3 ChatGPT Prompt for Python:案例設計與實現
7.4 Python AI輔助工具:PandasAI和JupyterAI
7.4.1 PandasAI使用指南
7.4.2 JupyterAI使用指南
7.5 互動練習題
第8章?可視解讀:用ChatGPT實現數據可視化與分析
8.1 數據可視化的核心概念
8.2 使用ChatGPT生成數據可視化代碼
8.3 數據結果解讀
8.4 完整可視化項目:銷售數據分析
8.5 互動練習題
第9章?項目實戰:多場景數據分析項目解析
9.1 DAU異動分析項目
9.2 用戶行為路徑分析項目
9.3 用戶生命周期分析項目
9.4 運營活動效果分析項目
9.5 手遊廣告投放效果分析項目
9.6 內容消費偏好分析項目
9.7 產品功能使用分析項目
9.8 用戶社交行為分析
9.9 金融信用評分卡預測
9.10 傳統制造業產品銷量預測
9.11 滴滴出行A/B Test效果分析
9.12 美團 DID因果推斷項目
9.13 在線教育NLP文本挖掘項目
第10章?求職助力:借助ChatGPT開啟求職之路
10.1 第一階段:簡歷準備
10.2 第二階段:面試前的準備
10.3 第三階段:面試後復盤
10.4 第四階段:Offer談判與選擇
第11章?未來可期:AIGC時代數據分析師的轉型與突破
11.1 數據分析師的角色轉變
11.2 數據分析師如何應對未來