MinusX开源的 AI 数据分析助手

在近 6 个月，AI 有以下较大的突破： 1. 在人工智能行业，过去 12 个月里流量增长显著。从 2022 年 9 月到 2023 年 8 月，研究的工具访问量从 2.418 亿次增长到 28 亿次，增长了 10.7 倍。其中，最近 6 个月每月平均流量为 33 亿。这一飞跃从去年 11 月 ChatGPT 成为最快达到 100 万用户的平台开始，2023 年 5 月达到峰值约 41 亿。 2. 在医疗保健领域，尽管像 ChatGPT 等产品反映的技术突破显著，但也强调了其不足。例如 GPT4 在美国医学执照考试中超过及格分数 20 分，但在各方面表现并非都出色。 3. 企业对生成式 AI 的资源配置和态度发生显著变化。过去几个月，企业对生成式 AI 的预算几乎增加两倍，更多应用部署在较小的开源模型上，更多业务从早期实验转移到生产环境中。

人工智能（Artificial Intelligence，简称 AI）是一门令人兴奋的科学，它致力于研究如何使计算机表现出智能行为，例如完成一些人类擅长的任务。 最初，查尔斯·巴贝奇发明了计算机，用于按照明确的程序（即算法）进行数字运算。现代计算机虽更先进，但仍遵循相同的受控计算理念。若知道实现目标的每一步骤及顺序，就能编写程序让计算机执行。 然而，有些任务无法明确编程，比如根据照片判断人的年龄。我们能做是因为见过很多不同年龄的人，但无法明确大脑完成此任务的具体步骤，所以这类任务是 AI 所关注的。 对于不具备理工科背景的文科生，可将 AI 视为一个黑箱，只需知道它是能理解和输出自然语言、模仿人类思维的东西，其生态位是似人而非人的存在。 AI 健身是利用 AI 技术辅助或改善健身训练和健康管理的方法，通过算法和数据分析为用户提供个性化指导。相关产品如 Keep、Fiture、Fitness AI、Planfit 等。Keep 是中国最大的健身平台，提供全面解决方案；Fiture 集硬件、课程等为一体；Fitness AI 用于锻炼增强力量和速度；Planfit 的 AI 教练利用大量文本数据和 ChatGPT 实时指导。

以下是一些 AI 营销的最佳实践或案例： 大淘宝设计部 2023 年度 AI 设计实践： 1. 品牌超级符号映射：根据品牌符号的模型训练和结构控制，用户输入丰富关键词可快速完成准确的超级符号主视觉。案例包括双 11 AI 创作赢红包、双 11 联合传播猫头海报&花车大巡游、超级品类日 品牌符号系列海报。 2. 品牌 IP 形象 AI 生成：训练特定的天猫/淘宝/营销 IP 公仔模型，根据不同需求稳定输出定制化 IP 形象，还可形成素材库。案例有天猫 AI 玩行动 品牌联合海报、天猫双 11 出游主题喵卡、淘宝天猫一起冲亚、天猫 U 先公仔三视图生成及应用。 3. 传播&投放：案例有双 11 超级发布 品牌联合海报、媒介投放开屏海报。 4. 大促营销：通过 AI 生成图像或素材，结合平面合成及修正，确保符合品牌形象，精准表达营销活动主题，快速生成多个设计变体并迭代优化。案例包括淘宝天猫大促视觉、双 11 大促 横向会场版头模板化应用、天猫小黑盒 新品联名。 AI 在活动策划中的应用案例： 1. 活动主题及内容生成：根据活动目标、参与者背景等信息，生成合适的活动主题和内容框架建议，例如通过对话生成模型提出活动主题和议程草案。 2. 邀请函和宣传文案生成：基于活动信息生成吸引人的邀请函和宣传文案，增强宣传效果。例如微软在 Build 大会上使用 AI 生成了 8000 多份个性化的邀请函。 3. 现场活动管理：利用计算机视觉、语音识别等辅助管理活动现场的人流、秩序等。例如基于人群密度的通道引导、实时翻译等。 4. 虚拟助手：AI 对话系统作为虚拟活动助手，为参与者提供信息查询、问题咨询等服务。例如 Replika 提供了智能的虚拟活动助手应用。 5. 活动反馈分析：自动分析活动反馈（文字、语音等），总结关键观点和改进建议。例如飞书和钉钉的会议总结功能。 6. 活动营销优化：基于参与者行为数据，优化营销策略，实现个性化营销。例如针对目标受众的定向广告投放等。 AIGC 商业视频落地经验分享： 1. AIPO 校园创投活动：10 月 20 号将在全国 20 多所高校举办线下 AIPO 模拟创业者和投资人的活动，校园大使确定举办校内线下活动的报名今晚 8 点半截止。 2. AI 商业片分享：邀请自媒体博主 EM7 和南柒老师讲解如何使用 AIGC 工具完成品牌方合作，包括实战项目、合作品牌、案例区分、制作流程等，并提及不同平台发作品的区别。 3. 品牌营销与营销的概念差异：品牌营销侧重于让用户记住品牌，加深大众记忆；营销则以销售和转化为目的，更着重于产品本身。 4. AI 在品牌广告中的应用案例：如伊利的黏土风格广告，通过特定元素复原运动员形象，属于品牌广告。 5. AI 在营销广告中的应用案例：某宝好物节的广告，旨在促进消费，属于营销广告。 6. AI 视频制作的突破与挑战：路特斯的广告在时间有限的情况下仍做出尝试和突破，早期 AI 技术下的视频存在一些痛点，后续不断改进。

以下是关于 AI 提示词的相关内容： 108 个舞蹈音乐提示词：这是由作者@mista.lewys@normalgoodz 发布在 SUNO.WIKI 的 PROMPTS BOOK，由格林翻译和扩展。提示词列表全面，涵盖各种舞曲子流派，每个提示字符数在 117 到 120 之间，以优化字符使用和清晰度。例如“Punchy 4/4 beats,electro bass,catchy synths,pop vocals,bright pads,clubready mixes,energetic drops”，其中“Punchy 4/4 beats”指节奏感强的四四拍鼓点，“Electro bass”指电子低音，“Catchy synths”指易于记住的合成器旋律或音效，“Pop vocals”指流行音乐风格的主唱，“Bright pads”指明亮的和弦音效，“Clubready mixes”指适合在夜店播放的混音，“Energetic drops”指高潮部分。每个提示精心制作，适应不同聆听环境，可激发对遗漏流派的描述，结合元素、流派、影响等深化舞蹈音乐谱系。 SD 新手入门图文教程中的提示词模板相关资源：包括 Majinai（）。

对于小白学习 AI，以下是一些建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，还可以参考以下经验： 像《雪梅 May 的 AI 学习日记》中提到的，如果您还在观望 AI，不知道从何入手，可以先看日记的目录。学习模式可以是输入→模仿→自发创造。 注意学习内容可能会因 AI 发展迅速而变化，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。 学习时间不必每天依次进行，有空的时候学习即可。 保持良好的学习状态，不必有心理压力，能学多少算多少。 学习资源很多是免费开源的。 最开始可以从 prompt 入手，3.5 刚出来的时候，对 AI 生成原理的理解加上 prompt 写得好，问问题和解决问题的效率是巨大的。作为小白类型的 Chat 网页终端用户，可以临时捏一些 prompt 解决具体的问题。

以下是一些适合用于生成年终总结报告的 AI 软件及相关资源： 1. Claude Artifacts：文章《年底了，惊艳一次，用 Claude Artifacts 生成年终总结，简洁明快还能无限复用》介绍了其生成年终总结的特点，如简洁明快、可无限复用。通过编辑和实时预览功能，能一次性创建模板并不断修改使用，且改进后产出更稳定，简化创作过程。 2. 您还可以参考以下报告和文章获取更多信息： 《》 《》 《》 《》 生成式 AI 季度数据报告 2024 月 1 3 月 《》 《》

可开源的 AI 工具是指其源代码可以被公开获取和使用的人工智能工具。这意味着您有机会查看和研究其代码的实现方式。 以下为您列举一些常见的可开源的 AI 工具： 1. CodeGeeX：由智谱 AI 推出的开源免费 AI 编程助手，基于 130 亿参数的预训练大模型，能快速生成代码，提升开发效率。 2. ：一个带 Web 界面简单易用的声音克隆工具。可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。 3. ：一个开源的音频、音乐和语音生成整合工具包。 4. ：一键部署私人 GPT/LLM 的聊天机器人。支持语音合成、多模态和可扩展的插件系统，可以联网、画图、爬虫等。 5. ：能够利用爬虫，自动抓取与整合指定 URL 地址中的各种信息，并生成一个 output.json 的数据文件。将其喂给 ChatGPT，便可快速定制您的专属 GPT，打造个人知识库或者智能助理。 6. ：给 AI 看一眼截屏，便能直接生成代码。该项目可借助 GPT4 Vision 的能力，直接给您将屏幕截图转换为 HTML/Tailwind CSS，并利用 DALLE 3 的图像生成能力，生成外观相似的图像。 7. ：可在命令行终端，直接调用与展示各种大模型能力。实现了视频和照片编辑、系统配置更改、自动生成并运行 Demo 源码，AI 一对一聊天问答等功能。 需要注意的是，不同的开源 AI 工具在功能和适用场景上可能会有所不同，您可以根据自己的需求选择最适合您的工具。

以下是关于开源数字人的相关信息： 数字人组合方案： 第一步：先剪出音频，可使用 https://elevenlabs.io/speechsynthesis 或使用 GPTsovits克隆声音，做出文案的音频。 第二步：使用 wav2lip 整合包，导入视频和音频，对口型得到视频。基础 wav2lip+高清修复整合包下载地址：https://github.com/Rudrabha/Wav2Lip 。 构建高质量的 AI 数字人： 建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前的是一个 GUI。 开源数字人项目（项目地址：https://github.com/wanh/awesomedigitalhumanlive2d）选择了 live2d 作为数字人躯壳，因为这类 SDK 的驱动方式相比现在的 AI 生成式的方式更加可控和自然，相比虚幻引擎这些驱动方式又更加轻量和简单；另外超写实的数字人风格在目前的技术能力下，处理不好一致性问题，容易带来虚假的感觉或者产生恐怖谷效应，而卡通二次元的形象给人的接受度更高。关于 live2d 的 SDK 驱动方式可以参考官方示例：https://github.com/Live2D 。

以下是关于中外开源模型的概览与分类： 国内方面： 国内模型在 Agent 核心基础能力上已较为接近或部分超过 GPT3.5 水平。 如 ChatGLM3Turbo 在任务分解、多文档问答和检索 API 能力上表现出色。 国内开源模型如 Baichuan213BChat 具备较强竞争力，在某些方面超过一些闭源模型。 国外方面： OpenAI 发布了开源模型，包括 PointE、Whisper、Jukebox 和 CLIP。可访问供研究人员的模型索引详细了解其研究论文中介绍的模型以及 InstructGPT 和 GPT3.5 等模型系列之间的差异。 智谱·AI 开源模型： 多模态模型方面，推出了具有视觉和语言双模态的模型，如 CogAgent18B、CogVLM17B、Visualglm6B 等。 详情可访问：【新基准】SuperCLUEAgent:首个 AI 智能体中文测评基准发布 www.CLUEbenchmarks.com/superclue_agent.html 。

以下是关于中外开源模型的概览与分类： 国内方面： 国内模型在 Agent 核心基础能力上已较为接近或部分超过 GPT3.5 水平。 如 ChatGLM3Turbo 在任务分解、多文档问答和检索 API 能力上表现出色。 国内开源模型如 Baichuan213BChat 具备较强竞争力，在某些方面超过一些闭源模型。 国外方面： OpenAI 发布了开源模型，包括 PointE、Whisper、Jukebox 和 CLIP。可访问供研究人员的模型索引详细了解其研究论文中介绍的模型以及 InstructGPT 和 GPT3.5 等模型系列之间的差异。 智谱·AI 开源模型： 多模态模型方面，推出了具有视觉和语言双模态的模型，如 CogAgent18B、CogVLM17B、Visualglm6B 等。 详情可访问：【新基准】SuperCLUEAgent:首个 AI 智能体中文测评基准发布 www.CLUEbenchmarks.com/superclue_agent.html

以下是关于开源模型与闭源模型调用的相关信息： 1. 通义千问自 2023 年 8 月起密集推出 Qwen、Qwen1.5、Qwen2 三代开源模型，Qwen 系列的 72B、110B 模型多次登顶 HuggingFace 的 Open LLM Leaderboard 开源模型榜单。Qwen2 系列已上线魔搭社区 ModelScope 和阿里云百炼平台，开发者可在魔搭社区体验、下载模型，或通过阿里云百炼平台调用模型 API。同时，Qwen272binstruct 模型已上线中国大语言模型评测竞技场 Compass Arena，所有人都可登录体验其性能或进行对比测评，测评地址为。Compass Arena 集齐了国内主流的 20 多款大模型，用户可在平台选择大模型的两两“对战”。 2. 部分声称性能卓越的中国大模型被揭露为“套壳”产品，如李开复创办的“零一万物”被国外开发者质疑为“套壳”产品，其团队承认在训练过程中沿用了开源架构，但坚称发布的模型从零开始训练并进行了大量原创优化和突破。此外，字节跳动被曝出在其秘密研发的大模型项目中调用了 OpenAI 的 API，并使用 ChatGPT 的输出数据来训练自己的模型，此行为触犯了 OpenAI 使用协议中禁止的条款。 3. 在 LLM 应用程序中，OpenAI 已成为语言模型领域领导者，开发者通常使用 OpenAI API 启动新的 LLM 应用，如 gpt4 或 gpt432k 模型。项目投入生产并规模化时，有更多选择，如切换到 gpt3.5turbo，其比 GPT4 便宜约 50 倍且速度更快；与其他专有供应商如 Anthropic 的 Claude 模型进行实验；将一些请求分流到开源模型，这通常与微调开源基础模型结合更有意义。开源模型有多种推理选项，包括 Hugging Face 和 Replicate 的简单 API 接口、主要云提供商的原始计算资源等。

以下是为您推荐的适合新手的国内开源 AI 绘图软件： 1. Midjourney：是目前较容易上手的工具，对于完全不懂 AI 绘图、想尝试的新手来说是不错的入门选择。现阶段的 AI 能辅助进行设计，视觉效果相当吸睛。在 Midjourney 中生成 UI 设计图，如果没想好输入哪些指令，可以先用指令模板：「ui design forapplication,mobile app,iPhone,iOS,Apple Design Award,screenshot,single screen,high resolution,dribbble」，把里面的“类型”替换成您想设计的产品的关键词描述（英文）。 2. Creately：在线绘图和协作平台，利用 AI 功能简化图表创建过程，适合绘制流程图、组织图、思维导图等。具有智能绘图功能，可自动连接和排列图形，有丰富的模板库和预定义形状，实时协作功能适合团队使用。官网：https://creately.com/ 3. Whimsical：专注于用户体验和快速绘图的工具，适合创建线框图、流程图、思维导图等。具有直观的用户界面，易于上手，支持拖放操作，快速绘制和修改图表，提供多种协作功能，适合团队工作。官网：https://whimsical.com/ 4. Miro：在线白板平台，结合 AI 功能，适用于团队协作和各种示意图绘制，如思维导图、用户流程图等。具有无缝协作，支持远程团队实时编辑，丰富的图表模板和工具，支持与其他项目管理工具（如 Jira、Trello）集成。官网：https://miro.com/ 5. Lucidchart：强大的在线图表制作工具，集成了 AI 功能，可以自动化绘制流程图、思维导图、网络拓扑图等多种示意图。具有拖放界面，易于使用，支持团队协作和实时编辑，丰富的模板库和自动布局功能。官网：https://www.lucidchart.com/ 6. Microsoft Visio：专业的图表绘制工具，适用于复杂的流程图、组织结构图和网络图。其 AI 功能可以帮助自动化布局和优化图表设计。集成 Office 365，方便与其他 Office 应用程序协同工作，有丰富的图表类型和模板，支持自动化和数据驱动的图表更新。官网：https://www.microsoft.com/enus/microsoft365/visio/flowchartsoftware 7. Diagrams.net：免费且开源的在线图表绘制工具，适用于各种类型的示意图绘制。支持本地和云存储（如 Google Drive、Dropbox），有多种图形和模板，易于创建和分享图表，可与多种第三方工具集成。官网：https://www.diagrams.net/

以下是一些 AI 数据分析的案例： ChatGPT 助力数据分析 在 AI 爆炸的时代，ChatGPT 与数据分析结合有多种应用方式。 实现方式： 1. SQL 分析：分析平台自身的使用情况，例如图表配置化平台，输入一句话可分析用户配置图表相关的数据。 2. 个性化分析：平台上支持上传数据，可提供数据信息（非必填），以此自定义分析用户自己上传的数据。 流程： 1. SQL 分析：用户描述想分析的内容，后台连接 DB，附带表结构信息让 AI 输出 SQL 语句，校验是 SELECT 类型的 SQL，其他操作如 UPDATE/DELETE 绝不能通过！校验通过后执行 SQL 返回结果数据。再将数据传给 ChatGPT（附带上下文），让其学习并分析数据，最后输出分析结论和建议，和结果数据一起返回给前端页面渲染图表、展示分析结论。目前已实现两张表关联查询。 2. 个性化分析：用户上传文件，如有需要可以简单描述这是什么数据、字段意义或作用辅助分析。前端解析用户上传的文件，再传给 ChatGPT 分析数据，后续步骤与 SQL 分析一致。 专利审查方面的 AI 1. 专利趋势分析和预测：AI 可以分析大量的专利数据，识别技术发展趋势和竞争情报，帮助企业和研究机构制定战略决策。 示例平台： Innography：利用 AI 技术分析专利数据，提供技术趋势分析和竞争情报。 PatSnap：AI 驱动的平台，分析专利数据和技术趋势，提供全面的专利情报和市场分析。 2. 具体 AI 应用示例： Google Patents：使用 AI 技术进行专利文献的全文检索和分析。通过机器学习算法，系统可以理解专利文献的内容，并提供相关性更高的检索结果。优点是提高了专利检索的准确性和效率，用户可以快速找到相关的专利文献。 IBM Watson for IP：利用 NLP 和机器学习技术，自动化地进行专利检索、分类和分析。系统可以自动提取专利文献中的关键信息，并对专利的技术内容进行分类和评估。优点是减少了人工工作量，提高了专利审查的效率和准确性。 使用这些平台的步骤： 1. 注册和登录：在对应的平台上注册账户并登录。 2. 上传专利文献：上传待审查的专利文献或输入检索关键词。 3. 选择分析功能：根据需要选择专利检索、分析、评估或生成功能。 4. 查看结果和报告：查看 AI 生成的检索结果、分析报告和评估结果。 5. 进一步处理：根据分析结果进行进一步的人工审查和处理，或者直接生成专利申请文件。 总结：AI 技术在专利审查领域的应用，可以极大地提高工作效率，减少人工工作量，提高专利检索、分类和分析的准确性和效率。上述平台和工具展示了 AI 在专利审查各个环节的具体应用，帮助专利审查员和申请人更高效地处理专利相关事务。但请注意，内容由 AI 大模型生成，请仔细甄别。

以下是关于如何进行数据分析的详细步骤： 1. 明确数据分析的目标：确定目标是理解业务、优化业务还是预测未来。 2. 收集整理与清洗相关数据：通过公司的数据库、营销工具、调查问卷等方式收集销售数据、客户反馈、财务报告等方面的数据，完成后做简单的数据清洗。 3. 让 ChatGPT 学习相关数据含义和用法：将不同来源的数据输入到 ChatGPT 中进行学习，让其能够理解这些数据的含义和用法，包括销售额、销售量、客户满意度、市场份额、竞争情况、营销费用等信息。 4. 进行数据分析给出重要结论：通过 ChatGPT 生成的结果，分析不同来源的数据，得出以下重要结论： 提高销售额和市场份额的营销策略和活动，如降低产品价格、提供更好的售后服务、优化产品设计和功能、增加市场推广力度等。 影响客户满意度和忠诚度的因素，如产品质量、服务质量、品牌形象、价格竞争力等。 影响财务报告的因素，如销售额、毛利率、净利润、营销费用占比等。 5. 根据汇报对象身份进行可视化调整：报告可以包括销售趋势、客户分析、竞争分析、市场细分、营销效果评估等方面的信息。针对不同身份的人的营销报告有所不同。 在使用 ChatGPT 助力数据分析时，流程如下： 1. 第一个用户提示：限定 SELECT SQL，告诉它不要用 SELECT来查询全部列，且仅回复一条 SELECT SQL 语句。至少查询两列：数据项、数据值，且不能直接查询如 mediumtext/longtext 这样的长类型字段，可以用 count/substring 等函数查询这些长类型列。 2. 系统提示是表结构信息，如有难以理解的字段可以告诉 GPT 字段的意义，有多个表可分开描述。 3. 需校验 GPT 生成的 SQL，不通过直接返回提示：抱歉，不支持此类请求。通过再执行 SQL 查询数据。 4. 数据分析的用户提示：提示数据分析，限定返回的 JSON 格式：conclusion、keyMap、title。keyMap 的作用是数据 key 的映射，获取结果数据对应的维度、数据项、数据值的 key 值，用于映射数据渲染图表。由于支持多维数据，单维度数据和多维度数据的提示分开定义，根据结果数据 tableData 的维度，用条件运算符选择对应的提示，再传递给 GPT。 5. 结果数据 tableData 是跟随接口一起返回到前端，已经通过 SQL 查询的数据，不能让 GPT 又生成一次，否则非常耗时。 逻辑流程图如下：上面说的两种方式对应流程图的上下两个步骤，红色部分是重点。SQL 分析：用户描述想分析的内容，后台连接 DB，附带表结构信息让 AI 输出 SQL 语句，校验是 SELECT 类型的 SQL，其他操作如 UPDATE/DELETE 绝不能通过！校验通过后执行 SQL 返回结果数据。再将数据传给 GPT（附带上下文），让 AI 学习并分析数据，最后输出分析结论和建议，和结果数据一起返回给前端页面渲染图表、展示分析结论。目前已实现两张表关联查询。个性化分析：用户上传文件，如有需要可以简单描述这是什么数据、字段意义或作用辅助分析。前端解析用户上传的文件，再传给 GPT 分析数据，后续步骤与上面一致。流程描述得比较详细，更多讲述开发时的一些问题、重点和技巧。

以下是一些可能有助于您改善大数据反馈结果和提升数据分析、文档优化效果的建议： 1. 像“给 Prompt 打分”的示例中那样，找专业的“Prompt 药剂师”对您的提示词进行详细分析，给出准确的评分和改进建议，以提升提示词的质量。 2. 对于数据分析和文档优化任务，要清晰明确地向模型阐述需求。例如，提供大模型可访问的数据源或上传数据表格，通过清晰的提示词说明需要从哪些维度分析数据，以及期望的分析结果输出格式。然后观察生成结果，不断迭代和优化提示词。 3. 对于“大模型幻觉”问题，目前虽无法完全消除，但可以通过其他第三方信息源和知识来检验生成内容是否准确。 4. 若想提高大模型的对话能力，可在 AGI 中搜索“结构化”获取相关文章。另外，如果您指的上下文 token 长度是大模型的记忆窗口，通常是无法延长的，因为这是设定好的。 5. 在用 ChatGPT 写剧本并希望其学习现有成功剧本时，要精心设计提问，清晰准确地表达您的需求，例如明确指出需要总结的规律以及在后续创作中的应用方式。

以下是关于表格数据分析的相关内容： 大模型招投标文件关键数据提取方案 预处理模块设计： 去除噪音信息：过滤掉页眉、页脚、版权声明等无关紧要的信息。 规范化文本：处理特殊符号、空白字符、异常换行等，确保文本格式整洁。 日期格式统一：通过正则表达式或日期识别工具将多种日期表示方式统一转换为标准的 ISO 格式（如“YYYYMMDD”）。 货币与金额格式化：统一货币单位和金额数字的格式，例如将“壹仟元”转换为“1000 CNY”，或将“$1,000”转换为“1000 USD”。 特殊符号处理：对招投标文件中的特殊符号进行规范化处理。 表格数据处理：使用表格解析工具（如 pdfplumber 或 pythondocx）提取表格结构和数据，并转化为 CSV 或 JSON 格式方便后续处理。 ChatGPT 助力数据分析：实际案例与技巧 流程： 1. 第一个用户提示：限定 SELECT SQL，要求不要用 SELECT查询全部列，仅回复一条 SELECT SQL 语句，至少查询两列（数据项、数据值），且不能直接查询长类型字段，可用 count/substring 等函数查询。 2. 系统提示是表结构信息，如有难以理解的字段可告知 GPT 字段意义，多个表可分开描述。 3. 校验 GPT 生成的 SQL，不通过直接返回提示“抱歉，不支持此类请求”，通过再执行 SQL 查询数据。 4. 数据分析的用户提示：限定返回的 JSON 格式（conclusion、keyMap、title）。keyMap 用于数据 key 的映射，获取结果数据对应的维度、数据项、数据值的 key 值，以映射数据渲染图表。由于支持多维数据，单维度数据和多维度数据的 prompt 需分开定义，根据结果数据 tableData 的维度，用条件运算符选择对应的 prompt 传递给 GPT。 5. 结果数据 tableData 跟随接口返回到前端，已通过 SQL 查询的数据，不能让 GPT 再次生成，否则耗时。 58 数据分析 161 万 示例表格数据： |名称|二级分类|三级分类|网址|2 月|3 月|4 月|5 月|6 月|7 月|8 月|9 月|10 月|11 月|迷你图|11/5 月1| |||||||||||||||||| |1|帆软数据|数据分析||https://www.fanruan.com/||||65|64|65|73|62|63|56||O2/I21| |2|RATH|数据分析||https://kanaries.net/|5.4|14|17|32|44|62|54|11|20|33||O3/I31| |3|rows.com|数据分析||https://rows.com/visionfd1f404d||||8|92|118|80|62|34|28||O4/I41| |4|亚信科技数智产品|数据分析||https://www.asiainfo.com/zh_cn/digital_intelligence_product_system.html||||43|30|58|47|41|29|23||O5/I51| |5|神策数据|数据分析||https://www.sensorsdata.cn/||||23|18|21|22|16|17|21||O6/I61|

使用 AI 进行电商数据分析可以采取以下步骤和方法： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，快速识别受欢迎的产品、价格区间、销量等关键信息。 2. 关键词优化：借助 AI 分析和推荐高流量、高转化的关键词，优化产品标题和描述，提升搜索排名和可见度。 3. 产品页面设计：使用 AI 设计工具根据市场趋势和用户偏好自动生成吸引人的产品页面布局。 4. 内容生成：依靠 AI 文案工具撰写有说服力的产品描述和营销文案，提高转化率。 5. 图像识别和优化：利用 AI 图像识别技术选择或生成高质量的产品图片，展示产品特点。 6. 价格策略：通过 AI 分析不同价格点对销量的影响，制定有竞争力的价格策略。 7. 客户反馈分析：运用 AI 分析客户评价和反馈，了解客户需求，优化产品和服务。 8. 个性化推荐：借助 AI 根据用户购买历史和偏好提供个性化产品推荐，增加销售额。 9. 聊天机器人：采用 AI 驱动的聊天机器人提供 24/7 客户服务，解答疑问，提高满意度。 10. 营销活动分析：利用 AI 分析不同营销活动效果，了解哪些活动更能吸引顾客并产生销售。 11. 库存管理：依靠 AI 帮助预测需求，优化库存管理，减少积压和缺货情况。 12. 支付和交易优化：通过 AI 分析不同支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：利用 AI 在社交媒体上找到目标客户群体，进行精准营销提高品牌知名度。 14. 直播和视频营销：借助 AI 分析观众行为，优化直播和视频内容，提高参与度和转化率。 此外，AI 在电商领域还有其他应用场景，如品牌提升、舆论传播分析、推广方案制定等。例如： 品牌提升：包括品牌洋葱图思维模型、产品信息、人群、品类等多方面的分析和优化。 舆论传播分析：涉及舆论传播、数据分析、主题、事件等多个要素的研究和处理。 推广方案制定：涵盖品牌、产品信息、新品、成分等众多方面的策略规划。

以下是一些数据分析方面的 AI 应用： ChatGPT 助力数据分析：通过实际案例与相关技巧，实现了两种方式的多维数据分析，包括 SQL 分析和个性化分析。分析完成后可展示结果数据的图表和分析结论，图表支持折线图和柱状图切换。 AI 儿童安全座椅推荐系统：利用数据分析和机器学习，如宝宝树安全座椅推荐，为家长推荐合适的儿童安全座椅。 AI 汽车保养套餐推荐系统：结合数据分析和机器学习，如途虎养车保养推荐，根据车辆情况推荐保养套餐。 AI 物流快递柜管理系统：借助数据分析和物联网技术，如丰巢快递柜管理系统，优化快递柜使用效率。 AI 招聘面试模拟平台：运用自然语言处理和机器学习，如智联招聘面试模拟功能，帮助求职者进行面试模拟。 AI 房地产装修设计平台：使用图像生成和机器学习，如酷家乐装修设计软件，为用户提供装修设计方案。 AI 游戏道具推荐系统：基于数据分析和机器学习，在一些游戏的内商城推荐功能中，根据玩家需求推荐游戏道具。 AI 天气预报分时服务：利用数据分析和机器学习，如彩云天气分时预报，提供精准的分时天气预报。 AI 医疗病历分析平台：通过数据分析和自然语言处理，如医渡云病历分析系统，分析医疗病历，辅助诊断。 AI 会议发言总结工具：运用自然语言处理和机器学习，如讯飞听见会议总结功能，自动总结会议发言内容。 AI 书法作品临摹辅助工具：借助图像识别和数据分析，如书法临摹软件，帮助书法爱好者进行临摹。