MBA与数据分析师危矣？最新内测版本的ChatGPT已经可以针对excel自动做数据分析和异常分析了！

2023年3月23日OpenAI官方宣布ChatGPT即将支持Plugin模式。这是一种用插件的方式来解锁ChatGPT的能力，包括让ChatGPT可以浏览网页、从本地商店订购食材等。

<center>![](https://www.datalearner.com/resources/blog_images/19d2ab1f-36ef-4c85-b9d2-120a501e7d06.png)</center>
<center></center>

但是，这个模式一直是以非常有限的方式邀请极少部分用户来内测。尽管申请人数众多，但是真正使用的案例非常少！今天，沃顿商学院教授Ethan Mollick在推特上公布了自己收到了ChatGPT内测邀请，并使用它的代码解释器（Python Interpreter)插件让ChatGPT针对一份excel数据完成了非常专业的数据分析的工作。

在这个实例中，大家看到未来我们甚至不需要给ChatGPT下达专业的分析指令即可让ChatGPT对一份纯粹的数据给出一份十分专业的分析结果和可视化结果。本文将带大家看一下这个案例，这也许是未来ChatGPT强大能力的一个小案例，但可以让我们看到大语言模型的未来不可估量！

[TOC]

#### 上传给ChatGPT的数据简介
Ethan Mollick上传的这份excel数据没有任何描述，仅仅包含列名和每一列的值。从给出的截图看，这份数据主要是美国不同区域中风险投资（Venture Capital，VC）的统计结果，包括投资的公司数量、每个VC平均投资股权数量、交易金额等。但是，原本的excel只给出了如下列名和每一列的数值：

| 列序号  | 列名 |
| ------------ |
| 1  | Company MSA |
| 2  | No. of Deals |
| 3  | No. of Companies |
| 4  | No. of Firms |
| 5  | Avg Equity Per Deal (USD Mil) |
| 6  | Avg Equity Per Company (USD Mil) |
| 7  | Avg Equity Per Firm (USD Mil) |
| 8  | Avg Deal Value (USD Mil) | 
| 9  | Sum of equity Invested (USD Mil) |
| 10  | Sum of Deal Value (USD Mil) |

从这些列名看，如果你是专业的VC领域人员应该可以理解大部分内容。但是，即便如此，如果你不熟悉英文环境，像MSA这样的名词可能也很难理解。然而，就是这样一份数据，没有任何其它的提示，ChatGPT却可以读懂，并给出了自己的理解结果：

<center>![](https://www.datalearner.com/resources/blog_images/d0fe1270-4321-4c2e-8d88-8e487af35f7f.png)</center>
<center></center>

ChatGPT根据这份数据的内容，给每一个列名都做了解释，甚至是MSA这样的名词也给出了具体的含义：即Metropolitan Statistical Area（MSA），是指人口超过50,000的城市及其周边地区的统计区域。

其实，上传了这份数据之后，Ethan Mollick教授就问了三个问题：
1. Can you do visualizations & descriptive analyses to help me understand the data?
2. Can you try regressions and look for patterns?
3. Can you run regression diagnostics?

这三个问题都是非常描述化的结果，没有任何具体的指令，接下来，我们分别看看ChatGPT给出了怎样的回答。

#### ChatGPT的数据可视化与描述化分析
上传完数据之后，Ethan Mollick教授的第一个问题就是让ChatGPT对这份数据做一些可视化和描述，来帮助他理解这份数据。然后，ChatGPT就根据数据内容，给出了每一列的含义解释（即上面一节的截图）。接下来，ChatGPT首先根据列名分析的结果，给出了3个可视化的分析建议：

##### 10个投资最多的区域条形图
即根据投资资产展示投资资产最多的10个MSA。

<center>![](https://www.datalearner.com/resources/blog_images/12903196-573b-4c0a-bf74-ee01ab8977d6.png)</center>
<center></center>

需要注意的是，这个分析结果的前提是需要对MSA分组求和投资资产，然后再根据求和结果进行排序，选择做多的10个。而这些都是ChatGPT来完成的。

##### 用散点图对比平均交易额和每笔交易的平均资产额
这是将每一个MSA单独统计，计算它们的平均交易数额，以及每一笔交易的平均资产额度，然后把所有的区域用散点图展示。

<center>![](https://www.datalearner.com/resources/blog_images/ae38120d-6e35-4ad4-a9eb-81b35cfa406e.png)</center>
<center></center>

这是一个十分有趣的思路，展示的信息十分丰富，不仅可以从图中看到一个十分异常的区域（右上角），也可以看到每一个区域的每笔平均交易资产和平均交易数额的关系，应该是十分优秀的展示逻辑！

##### 用直方图展示所有MSA的交易数量分布图
这里展示的是交易数量的分布，可以看到不同交易数量的MSA有多少个。

<center>![](https://www.datalearner.com/resources/blog_images/8ef6ea92-f5be-4d96-a7ec-6eba56fe7351.png)</center>
<center></center>

这里可以看到，大部分MSA的交易数量都在100以内的。从这里大家也可以推测这份数据的规模，大概在几万条（100的交易数量区域160多个）。

以上就是ChatGPT根据之前的数据做的3个可视化建议。我觉得，这三个可视化结果比我专业很多。至少第2个图的结果我很难想到。

不过，需要注意的是ChatGPT并不是直接给出这三个结果。还给出了这三个图中的过程处理。尤其是关于错误处理的信息。例如，ChatGPT在处理资产投资总额的时候发现对Sum of equity Invested处理出错了，提示类型错误，所以ChatGPT又强制将这个列转成了数值类型之后再去做可视化。

<center>![](https://www.datalearner.com/resources/blog_images/9499001d-e96f-459f-90c8-1d4bd0ea6f4d.png)</center>
<center></center>

随后，ChatGPT还对这份数据做了描述总结。

#### ChatGPT对数据的回归分析和模式发现
Ethan Mollick教授的第二个问题是让ChatGPT对这份数据做回归分析并总结一些有趣的结论。

这个问题其实十分宽泛，只是有个回归分析的方向。ChatGPT首先就说明了如果做回归分析需要先识别依赖变量和独立变量。显然，这里有很多种可能，于是ChatGPT给出了3个回归分析：

##### 投资股权总数和交易数量之间的回归分析

<center>![](https://www.datalearner.com/resources/blog_images/cee2632d-72ba-4c97-826b-3c5bb27e7b1c.png)</center>
<center></center>

ChatGPT还给出了这个回归分析的结论，即总的股权投资数量和每一个MSA的交易数量正相关，R-squared值是0.9569，表示这两个数值之间强相关。

##### 平均投资额度和每笔交易平均股权之间的回归分析

<center>![](https://www.datalearner.com/resources/blog_images/f7795913-9e5f-491d-84d4-452061cafb1a.png)</center>
<center></center>

这份回归分析结果依然是正相关结果，但是R-squared结果是0.7886，大约是中等到高程度的相关，意味着更高股权数量投资可能会有更高的交易金额。

##### 公司数量和每个公司平均股权之间的回归分析

<center>![](https://www.datalearner.com/resources/blog_images/2712e28e-5a1d-4f99-95e5-81355fe26647.png)</center>
<center></center>

这个结果的R-squared是0.0557，显然二者之间没有相关性。

如前所述，其实这个过程中，ChatGPT还给出了处理过程中对于缺失值的处理，真的是太智能了！

#### ChatGPT对前面回归结果的异常值分析
Ethan Mollick教授最后一个问题是让ChatGPT对前面的回归分析做异常结果的分析。

ChatGPT直接使用残差图来评估异常值的影响。并给出了三个步骤：

1. 对每个回归分析结果进行残差图展示，识别异常结果
2. 计算每一个回归分析结果的Cook's Distance（库克距离）识别有影响力（influential）观测结果
3. 回归诊断和关键结果评估，例如Durbin-Watson统计、方差膨胀因子（VIF，Variance Inflation Factor）等分析

下图是展示的一个分析结果：

<center>![](https://www.datalearner.com/resources/blog_images/e30ab762-3a71-48b2-917e-c01911ad8d48.png)</center>
<center></center>

可以看到，ChatGPT给出了每一个步骤分析的指标结果和结论，真的是很专业，至少这些指标我都不知道！

#### 总结
需要大家注意的是，前面这些长篇的分析结果都是基于上述三个问题和数据得出来的。然而，问题都很宽泛，数据也缺少上下文信息。但是，就是这样的数据和问题，ChatGPT基于自己的数据理解能力和代码生成能力，凭借Python解释器插件展示了分析的结果和结论。真的是太强大了。按照这个数据分析的水平，现阶段大多数的报表系统、洞察系统可能都面临极大的压力。所谓的数据分析师岗位和市场洞察岗位可能真的是继“画图工作者”的下一个被AI打击的对象了！

该案例原文来自Ethan Mollick教授的推特：https://twitter.com/emollick/status/1652170706312896512

MBA与数据分析师危矣？最新内测版本的ChatGPT已经可以针对excel自动做数据分析和异常分析了！

欢迎大家关注DataLearner官方微信，接受最新的AI技术推送

相关博客

最热博客