Hướng dẫn phân tích dữ liệu với ChatGPT: Phân tích dữ liệu công mà người mới bắt đầu cũng làm được
Bài viết giới thiệu cách phân tích dữ liệu công mà người mới bắt đầu cũng có thể thực hiện dễ dàng nhờ ChatGPT, đồng thời xem cách áp dụng vào thực tế qua một ví dụ phân tích dữ liệu thực tế.
Nếu bạn đang băn khoăn công việc nào có thể giao cho AI,
bài chẩn đoán 2 phút sẽ giúp bạn xác định điểm nên cấu trúc hóa trước tiên. Bạn chỉ cần trả lời trong phạm vi thoải mái với mình.
Tương tác
Lượt xem và phản ứng được lưu làm tín hiệu nội dung nội bộ.
Tóm tắt chính
- •Bài viết giải thích lý do cần phân tích dữ liệu khi xây dựng sản phẩm: nhằm giảm các biến số bên ngoài ở giai đoạn đầu, trong bối cảnh dễ bị lung lay vì nghi ngờ về tính năng hoặc không đạt mục tiêu.
- •Sau khi xem xét nhiều bộ dữ liệu công, việc phân tích liên kết gặp khó khăn vì các tiêu chí như "năm" và "khu vực" khác nhau, nên cuối cùng tôi chọn dữ liệu có tiêu chí khớp nhau để tiến hành.
- •Mỗi khi phát sinh lỗi trong quá trình gộp dữ liệu, tôi nhờ ChatGPT chỉ ra nguyên nhân và đưa mã đã sửa để giải quyết, đồng thời nhờ viết cả mã để kiểm tra kết quả gộp có đúng hay không.
- •Mục "chênh lệch số lượng" trong dữ liệu năm 2016 bị trống (NaN), nên tôi xử lý bằng cách loại năm đó khỏi phân tích.
- •Hệ số tương quan giữa mức tăng số lượt đăng ký Eco Mileage và mức tăng lượng phát thải carbon trên mỗi lượt đăng ký là -0.38; dựa trên việc hệ số tương quan nằm trong khoảng -1~1, tôi đánh giá đây là tương quan yếu và kiểm tra thêm bằng biểu đồ.
Câu hỏi thường gặp
Không biết lập trình thì có thể phân tích dữ liệu bằng ChatGPT không?
Tác giả không tự viết mã mà tiến hành gộp và phân tích dữ liệu bằng cách đưa yêu cầu cho ChatGPT. Khi có lỗi, tác giả hỏi nguyên văn nội dung lỗi, nhận lời giải thích nguyên nhân cùng mã đã sửa rồi làm tiếp. Tuy vậy, bài viết cũng lưu ý rằng một số nội dung có thể khó đối với người mới làm quen với phân tích dữ liệu.
Khi phân tích dữ liệu công, điểm vướng mắc đầu tiên là gì?
Khi muốn xem nhiều bộ dữ liệu công cùng lúc, các mục tiêu chí như "năm" hay "khu vực" khác nhau giữa các bộ dữ liệu nên rất khó liên kết. Ngoài ra còn có vấn đề giá trị thiếu, khi giá trị của một năm cụ thể bị trống (NaN); trong trường hợp này, năm đó được loại ra.
Nên hiểu hệ số tương quan -0.38 như thế nào?
Hệ số tương quan nhận giá trị trong khoảng từ -1 đến 1, càng gần -1 hoặc 1 thì tương quan càng mạnh. Bài viết đánh giá kết quả -0.38 là có tương quan nhưng yếu, và không dừng lại ở con số mà còn kiểm tra phân bố bằng biểu đồ.
Đừng chỉ đọc — hãy kết nối tới dịch vụ hoặc buổi tư vấn phù hợp và bắt tay vào việc.
Khi đã hiểu vấn đề qua các bài viết, bước tiếp theo là quyết định cấu trúc thực thi. Hãy chuyển thẳng sang dịch vụ liên quan hoặc buổi tư vấn miễn phí.
Buổi gặp / tư vấn miễn phíPark Jeong-geun
Chuyên gia tư vấn trưởng của STAR-T
Là chuyên gia lập kế hoạch và thiết kế dịch vụ IT, tôi nghiên cứu và chia sẻ những câu chuyện thành công từ nhiều startup và doanh nghiệp.
Hành động
Đừng chỉ đọc — hãy kết nối tới dịch vụ hoặc buổi tư vấn phù hợp và bắt tay vào việc.
Khi đã hiểu vấn đề qua các bài viết, bước tiếp theo là quyết định cấu trúc thực thi. Hãy chuyển thẳng sang dịch vụ liên quan hoặc buổi tư vấn miễn phí.