課程簡(jiǎn)介
課程特色設(shè)計(jì)
1.即學(xué)即用：提供預(yù)制Prompt模板庫(kù)、示例數(shù)據(jù)集、Notebook環(huán)境
2.結(jié)果可視化：每個(gè)練習(xí)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(shí)案例
目標(biāo)收益
1.知識(shí)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(xué)會(huì)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(bào)告生成）
4.思維升級(jí)：建立"AI-first"的數(shù)據(jù)分析工作流設(shè)計(jì)思維
培訓(xùn)對(duì)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(xué)團(tuán)隊(duì)初級(jí)成員
3.業(yè)務(wù)部門需用數(shù)據(jù)驅(qū)動(dòng)的決策者
4.對(duì)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(shí)） |
?傳統(tǒng)數(shù)據(jù)分析 vs AI增強(qiáng)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(chǎng)景： o自動(dòng)數(shù)據(jù)清洗與標(biāo)注 oSQL/Python代碼輔助生成 o自然語(yǔ)言生成數(shù)據(jù)可視化報(bào)告 ?案例演示：用DeepSeek 10分鐘完成銷售數(shù)據(jù)可視化分析報(bào)告 |
| 模塊2：Prompt工程實(shí)戰(zhàn)訓(xùn)練（2小時(shí)） |
?數(shù)據(jù)分析專用Prompt設(shè)計(jì)框架： python 復(fù)制 "你是一名資深數(shù)據(jù)分析師，請(qǐng)對(duì){數(shù)據(jù)集}進(jìn)行{分析類型}分析， 要求：1) 指出3個(gè)關(guān)鍵洞察 2) 用Matplotlib生成Python代碼 3) 輸出Markdown報(bào)告" ?分場(chǎng)景演練： o數(shù)據(jù)質(zhì)量檢查Prompt設(shè)計(jì) o異常值檢測(cè)Prompt技巧 o跨表關(guān)聯(lián)分析的多步Prompt設(shè)計(jì) ?實(shí)戰(zhàn)練習(xí)：用真實(shí)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(shí)） |
?工具鏈整合： oDeepSeek + Pandas + Tableau的自動(dòng)化流水線 oLangChain構(gòu)建自定義分析Agent ?高級(jí)技巧： o讓AI理解業(yè)務(wù)指標(biāo)（如GMV、ROI的計(jì)算邏輯） o處理分析中的幻覺問題：事實(shí)核查三板斧 ?小組競(jìng)賽：用AI工具完成客戶分群分析并PK報(bào)告質(zhì)量 |
| 模塊4：企業(yè)級(jí)應(yīng)用與邊界（1小時(shí)） |
?數(shù)據(jù)安全與隱私保護(hù)方案 ?企業(yè)落地三階段：輔助 → 協(xié)同 → 自治 ?當(dāng)前技術(shù)邊界：何時(shí)仍需人工干預(yù) ?沙盤推演：設(shè)計(jì)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(shí)） ?傳統(tǒng)數(shù)據(jù)分析 vs AI增強(qiáng)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(chǎng)景： o自動(dòng)數(shù)據(jù)清洗與標(biāo)注 oSQL/Python代碼輔助生成 o自然語(yǔ)言生成數(shù)據(jù)可視化報(bào)告 ?案例演示：用DeepSeek 10分鐘完成銷售數(shù)據(jù)可視化分析報(bào)告 |
|
模塊2：Prompt工程實(shí)戰(zhàn)訓(xùn)練（2小時(shí)） ?數(shù)據(jù)分析專用Prompt設(shè)計(jì)框架： python 復(fù)制 "你是一名資深數(shù)據(jù)分析師，請(qǐng)對(duì){數(shù)據(jù)集}進(jìn)行{分析類型}分析， 要求：1) 指出3個(gè)關(guān)鍵洞察 2) 用Matplotlib生成Python代碼 3) 輸出Markdown報(bào)告" ?分場(chǎng)景演練： o數(shù)據(jù)質(zhì)量檢查Prompt設(shè)計(jì) o異常值檢測(cè)Prompt技巧 o跨表關(guān)聯(lián)分析的多步Prompt設(shè)計(jì) ?實(shí)戰(zhàn)練習(xí)：用真實(shí)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(shí)） ?工具鏈整合： oDeepSeek + Pandas + Tableau的自動(dòng)化流水線 oLangChain構(gòu)建自定義分析Agent ?高級(jí)技巧： o讓AI理解業(yè)務(wù)指標(biāo)（如GMV、ROI的計(jì)算邏輯） o處理分析中的幻覺問題：事實(shí)核查三板斧 ?小組競(jìng)賽：用AI工具完成客戶分群分析并PK報(bào)告質(zhì)量 |
|
模塊4：企業(yè)級(jí)應(yīng)用與邊界（1小時(shí)） ?數(shù)據(jù)安全與隱私保護(hù)方案 ?企業(yè)落地三階段：輔助 → 協(xié)同 → 自治 ?當(dāng)前技術(shù)邊界：何時(shí)仍需人工干預(yù) ?沙盤推演：設(shè)計(jì)某零售企業(yè)的AI分析落地路線圖 |
近期公開課推薦
