AI预测房价、制裁员Top10榜单，数据分析和可视化So easy!

没有AI之前：

老板：“帮我做一张国内知名大企业2023年裁员人数排名的图表，今天下午就要！”

我：

费力一下午，终于用excel和PS做出来了这张图。

有了AI之后，我发现此前的自己太蠢了

现在的我：“命令GPT，快给我干活！”，而我在一旁悠闲地喝咖啡！

老板五分钟后收到了我做的图表，“太牛了，给你升职加薪！”

如何让GPT帮你一分钟解决以前至少需要干一天的数据可视化？

鲸哥这就手把手教你！

首先，拿出从网上复制粘贴的统计数据。

鲸哥这份数据来源于某头部互联网领域自媒体整理的数据，数据全部来自于上市公司财报。

这个数据很全面，但是看起来不够一目了然。

鲸哥初步看了下，觉得做柱状图最合适。

现在，写一段Prompt给GPT，关键是写清楚一个工作流，让它帮我们直接生成一个图表！

GPT开始整理表格了，我让它筛出了减员人数排名前十的公司，它做得很棒！

我们来看一下它生成的图。

除了中文字符出现了乱码的问题，其他都挺好。

要想解决这个问题，鲸哥找到了两种方式：

一、将中文字符替换成英文来显示

二、上传一个中文字体包，让它重新生成。

中文的字体包可以在自己电脑里搜索ttf格式的文件，如果没有，可以去方正字体库下载无版权风险的字体。

鲸哥上传了一个方正博雅宋的字体，让我们来看下这次GPT生成的效果。

GPT解决了中文字符乱码的问题，生成的图片也非常精美！鲸哥把它加了个标题后直接发给了老板，受到了老板的夸赞☺️

老板看到了GPT在数据分析上的强大处理能力后，又产生了新的想法。

老板：“小鲸呀，我最近想买房，你帮我用GPT预测下北京的房价呗~”

鲸哥把这个问题扔给了GPT，看它怎么说。

GPT给出了几种用于预测趋势的模型，鲸哥选择了最简单的一种“线性回归模型”。

然后，鲸哥打开了微软的Edge Dev浏览器，这个浏览器自带的AI聊天助手Copilot在搜索网站现有数据和资料上十分好用��

Copilot为我提供了三个网站下载数据，由于第一个网站的数据下载需要付费，鲸哥选择了第二个“聚汇数据”。

直接点击就能跳转到这个网页。

鲸哥选择了2023年3月-2024年3月的北京房价二手房和新房的均价数据，如果想要预测结果更科学，还可以多整一些月份的数据。

直接将网站上的北京房价数据复制粘贴给GPT，无需转换成表格，因为这些GPT都能帮我们处理。

以下是鲸哥写给GPT的Prompt：

后面就可以当撒手管家了，GPT会执行我写给它的工作流，一步步分析。

第一步是数据整理，可以看到GPT生成的表格很棒，你也可以要求它生成一个可下载的xlsx.格式的表格。

第二步是建立线性回归模型，来预测下北京2024年4月到12月房价的走势。

这里科普一下什么是“线性回归模型”。简单理解就是个形式为y=wx+e的一次函数，其中y是因变量，x是自变量，w是回归系数，e是误差项。

表格看起来还不够直观，让GPT再生成个折线图看下变化趋势！

真不错，老板看到后笑得合不拢嘴，北京二手房均价竟然从高峰期的7万多即将降价到5万5！对于刚需买房的他是个好消息。

鲸哥锐评:

在数据分析方面，AI的精细化处理能力还有待提高，例如鲸哥让GPT在图上加个水印，加个图标，经常会把GPT干懵，或者出来一串bug无数的代码。

不过，对于数据整理、数据清洗、基础图表生成以及数据洞察上，GPT都表现出了出色的能力。

基础的数据图表，如柱状图、条形图、饼状图、热力图等它都可以生成。并且你可以要求它生成什么格式的图表，如果生成html格式的图表，甚至打开还可以交互；如果生成svg的图表，则可以使用第三方绘图工具进行二次编辑。

在地图可视化能力上，由于GPT无法直接调用地理区域数据，需要用户提供地理边界的GeoJSON或Shapefile数据，这种数据集找起来比较麻烦，鲸哥尝试了很久都没有成功。所以如果需要做这类地图可视化的话，鲸哥还是推荐大家使用Tableau，Echart这类专业的可视化软件。

文章来源：AI鲸选社