我要投稿

AI做数据分析能替代实习生吗？

发布日期：2024-06-14 19:59:04 浏览次数： 2420 作者：沃垠AI

大部分职场人都需要“数据分析”，比如做月度总结报告、分析指标下降的原因等。

最近，发现智谱清言官方出了一个专门做「数据分析」的智能体。我决定试用一下，看能不能替代一个数据分析实习生？

以下使用步骤为：

模拟一份数据
上传Excel进行无提示分析
渠道分析
退款分析

通过以上步骤，测试AI的分析思路、分析逻辑、输出图表、输出结论等方面能力，看它表现如何。

文末附上了本次AI对话链接，可以通过链接查看完整的使用过程。

首先，我用AI随机生成了一份某电商公司在2024年4月的销售订单表，保存到Excel。

表格里共13列94行数据，包含客户、产品名称、数量、单价、优惠金额、付款金额、退款金额、渠道、订单日期、订单状态等主要字段。

模拟的4月销售订单表

根据我上传的数据，AI提供了分析思路，然后进行逐步分析，最后总结。

1）分析思路

结合表格里的数据来看，如果是做一份简单的数据报告，这些维度还比较全面。它甚至考虑到了对“退款情况”进行分析，逻辑非常贴近业务需求。

2）逐步分析

销售额与销售趋势

热门产品销量

渠道销售表现

客户购买行为

退款情况

总结

可以看到，AI选择的图表类型都很匹配，输出的图表质量也还行。甚至“客户购买行为”图表中同时结合了柱状图与折线图，以分别呈现金额与订单数据。

但是数据处理并不是非常全面，比如退款分析中，只对退款金额进行了统计，而没有分析退款订单数。

另外，给的结论概述性太强，如果每部分的分析先列出完整的分析数据，再导出结论，会更符合运营人员的需求。毕竟数据分析一定要有定量的数据。

实际使用过程中，肯定还需要对AI进行调教，以输出更加符合自己需求的报告。那我接着针对“渠道”这部分进行专项分析，看一下它深入分析与输出能力。

在我提示输出方式之后，它可以非常完美地以数据+图表+结论的形式呈现了结果，并且给了比较准确的运营建议。

1）修正数据

对比数据后，我们发现一个严重的错误，AI并没有正确识别订单状态中的“取消订单”。甚至在我手动纠正之后，依然输出的错误结果。

为了保证数据的正确性，只能开启一个新的对话，重新上传Excel进行分析。如果是开放性的问题，对于同样的内容，我们重新进行对话，往往能让AI重新梳理一遍。

开启新的对话之后，终于可以正确统计取消订单了。

2）生成指定图表

提示词：

请统计各渠道已完成订单数、取消订单数、退款订单数，然后通过数据+图表+结论的形式呈现分析结果，注意把3个订单数据放在一张图表上呈现。

图表的数据正确，图表类型也吻合，但细节还有待优化。

3）调教图表

提示词：

针对上面的图表，请优化以下几方面

1.去掉网格线

2.给所有系列添加数据标签

3.横轴的渠道按照“已完成”订单数据的大小，从左到右排列

4.修改柱状图的颜色，已完成订单用墨绿色，取消订单用黄色，退款订单用红色

5.修改图例位置，图例放在标题正下方

6.增大标题的字号

AI完成了提示词里面6点要求中的5点，但没有成功添加数据标签。另外，在图表的元素布局上出现了明显瑕疵，它没有把图例放到标题正下方，而是放在了图表底部，并且图例遮挡了横轴的文字。

在图表制作中，添加数据标签是一个基础操作，可能它暂时还没能适配多组数据的图表。

那试一下用一组数据做图。

提示词：

请统计各渠道已完成订单数，然后通过数据+饼状图的形式呈现分析结果。

在只有一组数据的情况下，成功添加了数据标签。但是标签还够完善，继续调教。

提示词：

针对上面的图表，请优化以下几方面：

1.每个数据标签添加：该渠道的已完成订单数、已完成的总销售额

2.各渠道按已完成订单数多少，从大到小顺时针排列

可以看到，能够调整标签，但是依然存在图表格式问题，AI把添加的标签全部重叠在了图表中间。

1）无提示分析

提示词：

请对退款订单进行深入分析，告诉我退款与哪些因素相关，通过数据+图表+结论的形式呈现。

AI的分析思路依然没问题，但分析维度不够全面，与表格数据不是完全匹配。甚至因为没有“退款原因”字段，而中断了分析。

2）给出分析思路

调整提示词，告诉AI怎么分析。

调整后提示词：

请提取退款订单，然后分析退款订单的产品分布、渠道分布、金额分布、快递公司分布，最后总结退款与哪些因素的相关性高。请通过数据+图表+结论的形式呈现分析结果。

在给到AI明确的分析方法之后，它能够按照要求完成分析，并且输出符合要求的结论，结论可参考性较高。

问题主要还是图表中没有数据标签，分析结论没有数据，需要再次调教，让它优化图表、给出具体数据。前面已经处理过这两类问题，这里不再赘述。

就智谱清言的数据分析智能体而言，在没有提示的情况下，它能够输出一份比较宽泛的数据分析报告，分析思路与数据业务匹配度较高。

如果做专项分析，它具备一定的分析逻辑，但不够全面，需要我们给到它准确的分析方法。

图表可能需要进行多次调教，并且在图表格式方面还有待改进。

输出的结论可供参考，但自己一定要结合数据进行判断。

本次使用过程中，AI出现了数据错误，这在数据分析工作中是比较严峻的问题。

基于以上表现，如果公司没有搭建BI，那么可以通过固定的数据表、提示词，来生成周期性的数据报告，如周报、月报等，以提升工作效率。

如果是做个性化的数据分析，检查数据、调教AI等需要花较多时间，表现不如我司的实习生。当然，如果是结合python使用，效果也不错。因为它在分析过程中披露了python代码，基于python进行修改效率更高。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-04-30

MCP入门指南：大模型时代的USB接口

2025-04-30

通俗易懂的梳理MCP的工作流程（以高德地图MCP为例）

2025-04-30

一文说明 Function Calling、MCP、A2A 的区别！

2025-04-30

MCP很好，但它不是万灵药｜一文读懂 MCP

2025-04-30

旅行规划太难做？5 分钟构建智能Agent，集成地图 MCP Server

2025-04-29

10万元跑满血版DeepSeek，这家公司掀了一体机市场的桌子｜甲子光年

2025-04-29

谷歌大神首次揭秘Gemini预训练秘密：52页PPT干货，推理成本成最重要因素

2025-04-29

一文说清：什么是算法备案、大模型备案、大模型登记 2.0

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

本地部署大模型？看这篇就够了，Ollama 部署和实战

2024-08-13

16个具有“联网搜索”功能的AI：总有一个适合你！

2024-06-13

Cursor 一个真正让程序员产生危机感的 AI 编程工具

2024-08-21

OpenAI o1与GPT4o的对比分析

2024-09-23

大模型｜“上下文长度”和“上下文窗口”不再傻傻分不清楚！

2024-07-31

一文带你了解大模型——智能体（Agent）

2024-05-28

50+个AI大模型在不同领域的应用案例

2024-08-04

全面对比dify、coze、streamlit、chainlit

2024-04-26

【深度】AI搜索产品深度分析-搜索原理和商业模式分析

2024-07-09

一文读懂OpenAI新发布o1系列大模型

2024-09-17

大家都在问

打起来了！MCP VS A2A，谁才是Agent的未来事实标准？

2025-04-29

Google 的 A2A 与 MCP 该如何选择？还是两种都用？

2025-04-29

精华好文！用LLM评估LLM，真的靠谱吗？技术上如何实现？

2025-04-29

大模型是否有必要本地化部署？

2025-04-28

给 AI 小白的说明书：什么是 Manus？AI Agent为什么重要？

2025-04-28

MCP爆火背后：AI Agent的生产力时代来了吗？

2025-04-28

从MCP到超级Agent：这场AI生产力革命将淘汰谁？

2025-04-28

一文了解：为什么大模型 Agent框架（A2A）采用 JSON-RPC 2.0？

2025-04-28

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB