数据分析师

适用角色

数据分析师、商业分析师、BI分析师、数据科学家

核心能力概览

前提条件

实操一：数据清洗与预处理

场景：需要对原始数据进行清洗。

操作步骤

1. 在左侧导航栏，单击“新建任务”或“新建会话”，在对话框下方单击“选择文件夹”，选择或新建一个专用文件夹（如 OfficeAce_数据项目）作为工作空间。
2. 上传原始数据。

   将原始数据Excel上传。

3. 清洗指令。

   帮我清洗这份数据。
   
   数据说明：[简述数据内容、字段]
   
   清洗要求：
   1. 缺失值处理
      - 数值型：[均值/中位数/删除]
      - 分类型：[众数/单独分类/删除]
   
   2. 异常值处理
      - 识别方法：[3σ原则/箱线图/业务规则]
      - 处理方式：[删除/修正/标记]
   
   3. 重复值处理
      - 识别字段：[哪些字段组合判断重复]
      - 处理方式：[删除/保留第一条]
   
   4. 格式统一
      - 日期格式：[YYYY-MM-DD]
      - 数值格式：[去除符号、统一单位]
      - 文本格式：[去除空格、统一大小写]
   
   5. 数据转换
      - 需要新增的字段：[描述]
      - 需要转换的字段：[描述]
   
   输出：
   - 清洗后的数据文件
   - 数据清洗报告（处理了什么问题、处理了多少条）

实操二：业务数据分析

场景：需要对业务数据进行分析。

操作步骤

1. 在左侧导航栏，单击“新建任务”或“新建会话”，在对话框下方单击“选择文件夹”，选择或新建一个专用文件夹（如 OfficeAce_数据项目）作为工作空间。
2. 在对话框中输入提示词，示例如下：

   分析这份业务数据，帮我找出关键洞察。
   
   数据说明：[时间范围、业务场景、字段说明]
   分析目的：[要回答什么业务问题]
   
   分析维度：
   1. 描述性统计
      - 基本指标（均值、中位数、标准差）
      - 分布情况
   
   2. 趋势分析
      - 时间序列变化
      - 同比/环比
   
   3. 结构分析
      - 各部分占比
      - 帕累托分析（80/20法则）
   
   4. 对比分析
      - 不同维度对比（区域/产品/客户群）
      - 与基准对比
   
   5. 相关性分析
      - 变量间关系
      - 影响因素识别
   
   6. 异常识别
      - 偏离正常范围的数据点
      - 可能的原因分析
   
   输出：
   - 数据分析报告（含图表）
   - 关键发现（3-5条）
   - 业务建议

实操三：数据可视化

场景：需要将分析结果可视化。

操作步骤

1. 在左侧导航栏，单击“新建任务”或“新建会话”，在对话框下方单击“选择文件夹”，选择或新建一个专用文件夹（如 OfficeAce_数据项目）作为工作空间。
2. 在对话框中输入提示词，示例如下：

   基于这份分析数据，帮我生成可视化图表。
   
   数据说明：[简述]
   展示目的：[要传达什么信息]
   
   图表要求：
   1. 趋势图：[折线图/柱状图]，展示[XX]随时间变化
   2. 结构图：[饼图/堆积柱状图]，展示[XX]占比
   3. 对比图：[柱状图/雷达图]，对比[XX]差异
   4. 分布图：[直方图/箱线图]，展示[XX]分布
   5. 关系图：[散点图/气泡图]，展示[XX]关系
   
   样式要求：
   - 配色：[商务蓝/暖色系/自定义]
   - 标题：中文，清晰明了
   - 坐标轴：标注单位
   - 数据标签：关键数据点标注
   - 图例：位置合理
   
   输出：PNG高清图片，可直接用于报告

实操四：数据分析报告

场景：需要撰写完整的数据分析报告。

操作步骤

1. 在左侧导航栏，单击“新建任务”或“新建会话”，在对话框下方单击“选择文件夹”，选择或新建一个专用文件夹（如 OfficeAce_数据项目）作为工作空间。
2. 在对话框上方选择“幻灯片”，可选择风格模板或开启“引导模式”。
3. 数据分析报告。

   在对话框中输入提示词，示例如下：

   帮我写一份数据分析报告。
   
   报告主题：[主题]
   分析背景：[业务背景、分析目的]
   数据来源：[说明]
   
   报告结构：
   1. 执行摘要（一页纸，核心结论）
   2. 分析背景（业务问题、数据说明）
   3. 分析方法（使用了什么方法）
   4. 数据分析
      - 描述性统计
      - 深度分析（按维度展开）
      - 可视化展示
   5. 关键发现（3-5条核心洞察）
   6. 结论与建议
      - 业务建议
      - 后续分析方向
   7. 附录（数据明细、方法说明）
   
   写作要求：
   - 结论先行，再给数据支撑
   - 图表为主，文字为辅
   - 每个结论要有数据依据
   - 建议要具体可执行

实操五：数据建模辅助

场景：需要建立预测或分类模型。

操作步骤

1. 在左侧导航栏，单击“新建任务”或“新建会话”，在对话框下方单击“选择文件夹”，选择或新建一个专用文件夹（如 OfficeAce_数据项目）作为工作空间。
2. 数据建模。

   在对话框中输入提示词，示例如下：

   帮我基于这份数据建立[预测/分类]模型。
   
   数据说明：[字段说明、样本量]
   目标变量：[要预测什么]
   特征变量：[可用特征]
   
   要求：
   1. 数据探索
      - 各变量分布
      - 相关性分析
      - 特征选择建议
   
   2. 模型选择
      - 推荐模型（及理由）
      - 对比模型（备选）
   
   3. 模型训练
      - 数据划分（训练集/测试集）
      - 参数调优建议
      - 交叉验证
   
   4. 模型评估
      - 评估指标（准确率/召回率/F1/RMSE等）
      - 模型效果可视化
      - 与基准模型对比
   
   5. 模型解释
      - 特征重要性
      - 业务解释
   
   输出：
   - 模型代码（Python）
   - 评估报告
   - 使用说明

实操六：行业基准数据收集

场景：需要收集行业基准数据用于对比。

操作步骤

1. 在左侧导航栏，单击“新建任务”或“新建会话”，在对话框下方单击“选择文件夹”，选择或新建一个专用文件夹（如 OfficeAce_数据项目）作为工作空间。
2. 在对话框上方选择“深度研究”，输入提示词，示例如下：

   帮我收集[行业/领域]的基准数据。
   
   收集范围：
   - 时间：近3年
   - 地区：[国内/全球]
   - 来源：权威机构、上市公司年报
   
   需要的指标：
   1. [指标1]：行业平均值、优秀值、中位数
   2. [指标2]：同上
   3. [指标3]：同上
   ...
   
   输出：
   - 基准数据表
   - 数据来源标注
   - 数据使用说明（口径、局限性）

使用建议

• 数据质量优先：分析前先确保数据质量。
• 业务导向：分析要回答业务问题，不炫技。
• 可视化清晰：图表要一目了然，标注完整。
• 结论有据：每个结论要有数据支撑。
• 可复现：分析过程要可复现，代码规范。
• 持续验证：模型要持续验证效果。