Die Datenanalyse ist ein hochtechnisches Feld. Sie erfordert nicht nur Erfahrung mit Datenvisualisierungstools wie Tableau und PowerBI, sondern auch Kenntnisse in verschiedenen Bereichen wie Programmierung, Mathematik und Statistik.
Die Beherrschung dieser Fähigkeiten kann Jahre des Lernens und Übens erfordern.
Aber was wäre, wenn es einen einfacheren Weg gäbe? Hier kommt ChatGPTs Fortgeschrittene Datenanalyse ins Spiel, eine innovative Funktion, die im Juli 2023 mit GPT-4 eingeführt wurde. Sie ermöglicht es den Nutzern, einfach einen Datensatz hochzuladen und dann Fragen in einfachem Englisch zu stellen.
Die Fortgeschrittene Datenanalyse ist in der Lage, Datensätze zu bereinigen, zu transformieren, zu beschreiben und zu visualisieren. Sie kann auch komplexe Aufgaben wie Regression durchführen und sogar diagnostische und präskriptive Datenanalyse durchführen, und das alles mit einer einfachen Aufforderung.
Während ChatGPT möglicherweise keinen erfahrenen Datenanalysten ersetzen kann, hat es effektiv die Eintrittsbarriere gesenkt, indem es die Fähigkeiten eines Junior-Datenanalysten in Ihre Hände gelegt hat.
Wenn Sie neugierig sind, wie Sie ChatGPT für die Datenanalyse nutzen können, finden Sie hier eine komplette Anleitung, wie Sie alle Funktionen von ChatGPTs Fortgeschrittener Datenanalyse freischalten können.
Um dies zu veranschaulichen, werden wir einen Datensatz mit Transaktionsaufzeichnungen für Maven Roasters verwenden, ein fiktives Kaffeehaus, das an drei Standorten in New York City betrieben wird. Sie können den Datensatz von der Maven Analytics Website oder von meinem GitHub-Repository herunterladen, wenn Sie mitmachen möchten.
Bitte beachten Sie, dass Sie für die Nutzung der Funktion Fortgeschrittene Datenanalyse eine kostenpflichtige ChatGPT Plus-Abonnement benötigen.
Los geht’s
Um loszulegen, gehen Sie zu ChatGPT und starten Sie einen neuen Chat. Stellen Sie sicher, dass Sie „GPT-4“ in der oberen linken Ecke der Seite ausgewählt haben, da die Funktion nicht mit GPT-3.5 funktioniert.
Als Nächstes müssen wir die Datenanalyse-GPT aktivieren. GPTs sind benutzerdefinierte Versionen von ChatGPT, die Nutzer für bestimmte Aufgaben oder Themen anpassen können, indem sie Anweisungen, Wissen und Fähigkeiten kombinieren. Während Sie Ihren eigenen GPT erstellen können, gibt es eine Liste von GPTs, die von OpenAI bereitgestellt werden, zu der auch die Datenanalyse-GPT gehört.
Um auf die Liste zuzugreifen, klicken Sie zunächst auf Ihren Namen in der unteren linken Ecke der Seite und wählen Sie dann „Meine GPTs“ aus der Liste aus.
Wählen Sie anschließend „Datenanalyse“ aus der Liste der „Von OpenAI erstellten“ GPTs aus. Dadurch wird ein neues Fenster geöffnet, in dem wir mit unserer Analyse beginnen können.
Daten laden
Unsere erste Aufgabe besteht darin, die Daten zu laden. Klicken Sie dazu einfach auf das Papierclip-Symbol im Eingabefeld, um einen Dateibrowser zu öffnen, und gehen Sie dann zum Speicherort der gespeicherten Datei auf Ihrem Computer, um sie auszuwählen und zu laden.
Geben Sie ChatGPT einige Sekunden Zeit, um die Datei zu laden, wonach Sie Ihre erste Aufforderung eingeben können. Es ist immer hilfreich, so viel Kontext wie möglich bereitzustellen, um die Qualität der Analyse zu verbessern.
Aufforderung: Der Datensatz enthält Transaktionsdaten für Maven Roasters, ein Kaffeehaus, das an drei Standorten in New York City betrieben wird. Ich möchte einige wichtige Trends und Muster aus den Daten verstehen, mit dem ultimativen Ziel, einige umsetzbare Erkenntnisse hervorzuheben, die dabei helfen, den Umsatz zu verbessern. Beginnen Sie damit, mir die Anzahl der Zeilen und Spalten sowie eine Beschreibung der Spalten und ihrer Datentypen zu nennen.
Dies sind nützliche Informationen, um uns mit dem Datensatz vertraut zu machen. ChatGPT schlägt vor, verschiedene Aspekte der Daten zu untersuchen, aber ein wichtiger erster Schritt vor jeder Analyse ist die Datenbereinigung und -transformation.
Hinweis: Wenn ChatGPT während der Analyse den folgenden Fehler anzeigt, finden Sie in diesem YouTube-Video einige Schritte zur Fehlerbehebung.
Bereinigung und Transformation der Daten
Lassen Sie uns ChatGPT bitten, eine Dat enprüfung durchzuführen, um sicherzustellen, dass unser Datensatz keine Probleme aufweist, die sich auf die Qualität unserer Analyse auswirken könnten.
Aufforderung: Lassen Sie uns zunächst eine gründliche Prüfung durchführen, um zu sehen, ob die Daten bereinigt werden müssen oder ob es Probleme gibt, z. B. fehlende Daten, die vor der Analyse gelöst werden müssen.
Nach Durchführung einer Datenprüfung gibt ChatGPT eine detaillierte Zusammenfassung mit den Ergebnissen aus. Glücklicherweise scheinen unsere Daten sauber zu sein, ohne Probleme.
Eine weitere Sache, die zu beachten ist, ist, dass ChatGPT den Python-Code bereitstellt, den es für jede Antwort verwendet, und Sie können darauf zugreifen, indem Sie auf den bläulichen Link (siehe roter Pfeil in der obigen Screenshot) am Ende jeder Antwort klicken.
Dies ist nützlich, wenn Sie die Analyse replizieren möchten, indem Sie den Code in Ihre Python-IDE kopieren und einfügen.
Während unsere Daten keine Bereinigung benötigen, sind einige grundlegende Transformationen für unsere bevorstehende Analyse nützlich. Eine wichtige Information, die fehlt, ist der Transaktionsbetrag. Wir können ChatGPT bitten, eine neue Spalte zu erstellen, indem es die Transaktionsmenge mit dem Einzelpreis multipliziert.
Aufforderung: Lassen Sie uns zunächst eine Spalte „transaction_amount“ erstellen, bevor wir mit der Analyse beginnen.
Wir erhalten eine Bestätigung von ChatGPT zusammen mit der verwendeten Methodik, um die angeforderte Spalte hinzuzufügen. Wir können nun mit unserer Analyse beginnen.
Explorative Datenanalyse
Die explorative Datenanalyse, oder EDA, ist ein wichtiger Schritt bei jeder Analyse. Sie wird verwendet, um Daten zu erkunden, zu untersuchen und sich mit den Merkmalen eines Datensatzes vertraut zu machen, um ein wahres Gefühl dafür zu bekommen, wie die Daten aussehen und welche Arten von Fragen man aus ihnen beantworten kann.
Aufforderung: Großartig. Lassen Sie uns mit einigen explorativen Datenanalysen beginnen. Geben Sie mir bitte eine statistische Zusammenfassung sowie Histogramme aller numerischen Spalten.
Zusammen mit den Histogrammen gibt uns ChatGPT eine detaillierte statistische Zusammenfassung der Daten, aus der wir eine tiefere Analyse durchführen können.
Umsatztrendanalyse
Die Analyse von Umsatztrends ist eine großartige Möglichkeit, Muster im Verkauf von Kaffee und verwandten Produkten zu entdecken. Wir können sie nutzen, um den Fortschritt bei den Umsatzzielen zu verfolgen, während wir gleichzeitig Trends bei bestimmten Produkten oder Standorten über verschiedene Zeiträume hinweg verstehen.
Gesamte Umsatztrends
Wir beginnen mit der Betrachtung der gesamten Umsatztrends von Monat zu Monat.
Aufforderung: Lassen Sie uns die Veränderungen und Trends im Umsatz im Zeitverlauf untersuchen.
Umsatz nach Standort
Als Nächstes ist es interessant zu sehen, wie sich der Umsatz zwischen den drei Standorten unterscheidet.
Aufforderung: Geben Sie mir eine Aufschlüsselung des Umsatzes nach Standort sowie einige auffällige Unterschiede.
Best- und Worst-Selling-Produkte
Die Analyse der Best- und Worst-Selling-Produkte ist unerlässlich, um die Kundenpräferenzen und Markttrends zu verstehen, die eine effiziente Lagerverwaltung, Ressourcenallokation (Marketing und F&E) und strategische Entscheidungsfindung leiten. Dies hilft nicht nur dabei, den Umsatz zu maximieren, indem man sich auf erfolgreiche Produkte konzentriert, sondern auch dabei, unterperformance Produkte zu verbessern oder einzustellen, um eine Gesamtoptimierung des Unternehmens sicherzustellen.
Aufforderung: Was sind die Best- und Worst-Selling-Produkte? Fügen Sie Ihrer Analyse einige Visualisierungen hinzu.
Umsatz nach Wochentag und Tageszeit
Die Analyse des Umsatzes nach Wochentag und Tageszeit ist entscheidend für das Verständnis der Kaufmuster der Verbraucher, damit Unternehmen Personal, Lager und Marketingstrategien entsprechend optimieren können. Dies ermöglicht es Unternehmen, Spitzenumsatzzeiten für maximale Einnahmen anzustreben und den Betrieb in schwächeren Zeiten für Kosteneffizienz anzupassen.
Aufforderung: Gibt es Unterschiede im Umsatz zwischen den verschiedenen Wochentagen und Tageszeiten? Fügen Sie Ihrer Antwort einige Visualisierungen hinzu.
Korrelationsanalyse
Die Korrelation versucht, den Grad zu messen, in dem Variablen miteinander in Beziehung stehen. Dies geschieht durch die Berechnung des Ausmaßes, in dem sich eine Variable aufgrund der Änderung der anderen ändert, und ist somit nützlich, um Beziehungen und potenzielle kausale Faktoren in Daten zu identifizieren.
Speziell werden wir ChatGPT bitten, die Beziehung zwischen dem Einzelpreis auf der einen Seite und der Transaktionsmenge und den Beträgen auf der anderen Seite zu analysieren. Diese Informationen sind entscheidend, um die optimale Preisstrategie zu bestimmen, die den Umsatz maximiert, ohne die Kunden abzuschrecken, und so die Balance zwischen Rentabilität und Marktnachfrage herzustellen.
Präskriptive Analyse
Die präskriptive Analyse geht über die Beschreibung von Daten hinaus und empfiehlt den optimalen Kurs der Aktion oder Strategie, um eine Metrik zu verbessern, ein Problem zu lösen oder ein wünschenswertes Ergebnis zu erreichen. Das Ziel der präskriptiven Analyse ist es, bei der Beantwortung der Frage „Was sollten wir tun?“ zu helfen.
Aufforderung: Auf der Grundlage aller von Ihnen in den Daten beobachteten Informationen können Sie detaillierte Einblicke in wichtige Trends geben und umsetzbare Empfehlungen abgeben, wie der Umsatz verbessert werden kann?
Wie aus der Antwort ersichtlich ist, war ChatGPT in der Lage, einige Empfehlungen auf der Grundlage umsetzbarer Erkenntnisse zu geben, die es aus dem Datensatz gewonnen hat. So beeindruckend das auch erscheinen mag, seine Analyse und Empfehlungen können mit zusätzlichen Informationen noch relevanter und nuancierter werden. Daher ist es eine gute Idee, den Datensatz durch das Hochladen zusätzlicher, verwandter Datensätze wie Umfragen, CRM und Marketing-/Marktdaten zu ergänzen und das Modell aufzufordern, bei seiner Analyse auf alle bereitgestellten Informationen zu verweisen.
Herunterladen des Datensatzes und des Codes
Wenn nötig, können Sie ChatGPT bitten, eine Kopie des transformierten Datensatzes auf Ihre lokale Festplatte herunterzuladen. Es stellt einen Download-Link für die Daten bereit.
Aufforderung: Ich möchte eine Kopie des Datensatzes mit allen Änderungen auf meine lokale Festplatte herunterladen.
Sie können auch um den gesamten Code bitten, der für die Analyse verwendet wurde.
Aufforderung: Können Sie mir den gesamten Code zur Verfügung stellen, der für Ihre Analyse verwendet wurde?
Fazit
Vielen Dank, dass Sie uns bei der Erkundung der Datenanalysefähigkeiten von ChatGPT gefolgt sind. Es ist zweifellos ein unverzichtbares Merkmal in unserer zunehmend datenzentrierten Welt, insbesondere angesichts der enormen Fähigkeitsanforderungen für die Datenanalyse. Es hat einen ansonsten komplexen und zeitaufwändigen Prozess in etwas Zugänglicheres für die breitere Bevölkerung verwandelt.
Es ist jedoch wichtig zu beachten, dass große Sprachmodelle (LMMs) wie ChatGPT noch in den Kinderschuhen stecken und Fehler machen und sogar „halluzinieren“ können, d. h. Informationen erfinden. Eine gründliche Prüfung wichtiger Ausgaben bleibt daher ein wichtiger Schritt, bevor auf der Grundlage seiner Ausgaben wichtige Entscheidungen getroffen werden.
Vielen Dank fürs Lesen. Wenn Sie Fragen haben, zögern Sie nicht, diese in den Kommentaren zu hinterlassen.
Viel Erfolg bei Ihrer Datenreise!
