課程簡介
課程特色設(shè)計
1.即學即用：提供預(yù)制Prompt模板庫、示例數(shù)據(jù)集、Notebook環(huán)境
2.結(jié)果可視化：每個練習環(huán)節(jié)產(chǎn)出可展示的分析成果
3.企業(yè)視角：貫穿金融/零售/制造等行業(yè)真實案例
目標收益
1.知識提升：掌握AI大模型在數(shù)據(jù)分析中的核心能力與邊界
2.工具掌握：學會用Prompt工程+AI大模型高效完成數(shù)據(jù)分析任務(wù)
3.效率飛躍：將傳統(tǒng)分析流程提速50%以上（數(shù)據(jù)清洗、可視化、報告生成）
4.思維升級：建立"AI-first"的數(shù)據(jù)分析工作流設(shè)計思維
培訓對象
1.企業(yè)數(shù)據(jù)分析師/商業(yè)分析師
2.數(shù)據(jù)科學團隊初級成員
3.業(yè)務(wù)部門需用數(shù)據(jù)驅(qū)動的決策者
4.對AI+數(shù)據(jù)分析結(jié)合應(yīng)用感興趣的技術(shù)人員
課程大綱
| 模塊1：AI大模型與數(shù)據(jù)分析的革命（1小時） |
?傳統(tǒng)數(shù)據(jù)分析 vs AI增強數(shù)據(jù)分析的核心差異 ?AI大模型的核心能力：NLP、代碼生成、邏輯推理 ?典型應(yīng)用場景： o自動數(shù)據(jù)清洗與標注 oSQL/Python代碼輔助生成 o自然語言生成數(shù)據(jù)可視化報告 ?案例演示：用DeepSeek 10分鐘完成銷售數(shù)據(jù)可視化分析報告 |
| 模塊2：Prompt工程實戰(zhàn)訓練（2小時） |
?數(shù)據(jù)分析專用Prompt設(shè)計框架： python 復制 "你是一名資深數(shù)據(jù)分析師，請對{數(shù)據(jù)集}進行{分析類型}分析， 要求：1) 指出3個關(guān)鍵洞察 2) 用Matplotlib生成Python代碼 3) 輸出Markdown報告" ?分場景演練： o數(shù)據(jù)質(zhì)量檢查Prompt設(shè)計 o異常值檢測Prompt技巧 o跨表關(guān)聯(lián)分析的多步Prompt設(shè)計 ?實戰(zhàn)練習：用真實電商數(shù)據(jù)集完成從提問到可視化的完整流程 |
| 模塊3：AI分析工作流搭建（2小時） |
?工具鏈整合： oDeepSeek + Pandas + Tableau的自動化流水線 oLangChain構(gòu)建自定義分析Agent ?高級技巧： o讓AI理解業(yè)務(wù)指標（如GMV、ROI的計算邏輯） o處理分析中的幻覺問題：事實核查三板斧 ?小組競賽：用AI工具完成客戶分群分析并PK報告質(zhì)量 |
| 模塊4：企業(yè)級應(yīng)用與邊界（1小時） |
?數(shù)據(jù)安全與隱私保護方案 ?企業(yè)落地三階段：輔助 → 協(xié)同 → 自治 ?當前技術(shù)邊界：何時仍需人工干預(yù) ?沙盤推演：設(shè)計某零售企業(yè)的AI分析落地路線圖 |
|
模塊1：AI大模型與數(shù)據(jù)分析的革命（1小時） ?傳統(tǒng)數(shù)據(jù)分析 vs AI增強數(shù)據(jù)分析的核心差異 ?AI大模型的核心能力：NLP、代碼生成、邏輯推理 ?典型應(yīng)用場景： o自動數(shù)據(jù)清洗與標注 oSQL/Python代碼輔助生成 o自然語言生成數(shù)據(jù)可視化報告 ?案例演示：用DeepSeek 10分鐘完成銷售數(shù)據(jù)可視化分析報告 |
|
模塊2：Prompt工程實戰(zhàn)訓練（2小時） ?數(shù)據(jù)分析專用Prompt設(shè)計框架： python 復制 "你是一名資深數(shù)據(jù)分析師，請對{數(shù)據(jù)集}進行{分析類型}分析， 要求：1) 指出3個關(guān)鍵洞察 2) 用Matplotlib生成Python代碼 3) 輸出Markdown報告" ?分場景演練： o數(shù)據(jù)質(zhì)量檢查Prompt設(shè)計 o異常值檢測Prompt技巧 o跨表關(guān)聯(lián)分析的多步Prompt設(shè)計 ?實戰(zhàn)練習：用真實電商數(shù)據(jù)集完成從提問到可視化的完整流程 |
|
模塊3：AI分析工作流搭建（2小時） ?工具鏈整合： oDeepSeek + Pandas + Tableau的自動化流水線 oLangChain構(gòu)建自定義分析Agent ?高級技巧： o讓AI理解業(yè)務(wù)指標（如GMV、ROI的計算邏輯） o處理分析中的幻覺問題：事實核查三板斧 ?小組競賽：用AI工具完成客戶分群分析并PK報告質(zhì)量 |
|
模塊4：企業(yè)級應(yīng)用與邊界（1小時） ?數(shù)據(jù)安全與隱私保護方案 ?企業(yè)落地三階段：輔助 → 協(xié)同 → 自治 ?當前技術(shù)邊界：何時仍需人工干預(yù) ?沙盤推演：設(shè)計某零售企業(yè)的AI分析落地路線圖 |
近期公開課推薦
