AI + 数据分析
手册 · 覆盖 AI，约 10 分钟。
零、为什么要学习 “AI + 数据分析”？
21世纪以来，全球技术创新进入空前活跃期，生成式AI技术的到来被誉为“最具革命性”的技术进步，以ChatGPT为开端的AI原生应用让人工智能生成的内容（AIGC, Artificial Intelligence Generated Content）开始走进生产场景，未来AI产业发展是抢占全球创新高地、重构全球创新版图、重塑全球经济结构的关键节点。
中国信息通信研究院公布的数据显示，2023年我国人工智能核心产业规模达5784亿元，增速13.9%。
工业和信息化部赛迪研究院数据显示，2023年，我国生成式人工智能的企业采用率已达15%，市场规模约为14.4万亿元。
2024年3月5日，十四届全国人大二次会议上，新质生产力、人工智能+ 首次被写入政府工作报告，在谈到“大力推进现代化产业体系建设，加快发展新质生产力”时，着重指出深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。
一、AI+数据分析通识入门（20~30分钟）
何为 “AI+数据分析”？
人工智能（AI）是计算机科学的一个分支，它旨在创建能够执行通常需要人类智能的任务的机器或软件。简单来说，就是让机器像人一样思考和学习。
数据分析是研究、清洗、处理和解释数据的过程，目的是从数据中提取有用的信息、发现模式和得出结论。通过下面这张表格，你可以快速了解数据分析的基础信息——
| 数据分析的通用步骤 | 数据收集：从不同来源获取数据，比如调查、网站、传感器等。 数据清洗：修正错误和不一致的数据，确保数据质量。 数据探索：通过图表和统计方法初步了解数据。 数据建模：使用统计模型或机器学习算法来发现数据中的模式。 结果解释：解释分析结果，将其转化为可操作的见解。 |
|---|---|
| 数据分析的价值 | 在商业决策中，数据分析帮助企业理解市场趋势和客户需求。 在科学研究中，数据分析帮助研究人员验证假设和发现新知识。 在日常生活中，数据分析帮助我们理解各种现象，比如交通流量、天气变化等。 |
| 数据分析的场景案例 | 商业：分析销售数据来优化库存和定价策略。 医疗：分析患者数据来改善治疗方案。 教育：分析学生表现数据来改进教学方法。 |
| 数据分析的常见工具 | 电子表格软件（如Excel）：用于基本的数据整理和分析。 数据库：存储和管理大量数据。 数据可视化工具：将数据转换为图表和图形，使信息更直观。 统计软件和编程语言（如R或Python）：进行更复杂的数据分析。 |
| 数据分析的未来趋势 | 大数据：处理和分析海量数据集。 人工智能和机器学习：自动化数据分析过程，提高效率和准确性。 跨学科应用：数据分析与其他领域的结合，如心理学、社会学等。 |
从技术上讲，*人工智能（AI）*一词是指为解决特定问题或提供特定服务而创建的模型。
为 ChatGPT 等产品提供动力的是人工智能（AI）。它正在学习如何更好地聊天，但无法学习其他任务。
相比之下，*通用智能（AGI）*一词是指能够学习任何任务或主题的软件。
*通用智能（AGI）*还不存在——在计算行业中，关于如何创建它，以及它是否能被创建，正在进行激烈的辩论。
—— Bill Gates：《The Age of AI Has Begun》2023年3月21日
GPT-3.5等大型语言模型（LLM, Large Language Models），带来了新一轮的AI技术浪潮，它们通过强大的自然语言理解和生成能力，正在推动AI技术的广泛应用和内容生成的革新。
2023年起，生成式人工智能（GenAI）工具出现爆炸式增长，以ChatGPT为开端的AI原生应用让人工智能生成的内容（AIGC, Artificial Intelligence Generated Content）开始走进生产场景，已经成为推动社会进步的强大引擎，正在改变我们的工作和生活的方方面面。
那么，"AI+数据分析"的组合是如何起作用的呢？
*以下语境下的 AI 主要是指 生成式AI
如果把数据分析比作烹饪，而AI就像是高级厨师。
数据是食材，数据分析工具是厨具，而AI就是那个能够根据食材特性，创造出美味佳肴的厨师。
AI在数据分析中扮演的角色就像是一个能够快速学习并识别数据中复杂模式的智能助手。
它可以帮助我们从大量数据中发现人类可能忽视的细微联系。
自动化和效率： AI可以自动化许多数据分析任务，比如数据清洗和分类，这样人类分析师就可以专注于更复杂的问题和决策。预测和洞察： AI能够预测未来趋势，比如通过分析销售数据预测哪些产品会畅销。这就像是有一个能预知未来的水晶球，帮助我们做出更好的决策。智能决策： AI+数据分析可以帮助我们做出更智能的决策。比如在医疗领域，AI可以分析病人的医疗记录和基因数据，帮助医生制定个性化的治疗方案。实时分析： 有了AI，数据分析可以实时进行，这意味着我们可以即时响应市场变化或客户行为，就像有一个永远不休息的分析师在监控数据。简化复杂性： AI可以帮助简化数据分析的复杂性，让非专业人士也能理解和使用数据分析的结果。
简单的来说，“AI + 数据分析” 就像是给数据分析装上了智能的大脑，让它能够更快、更准、更智能地处理信息，帮助我们更好地理解世界。
“AI + 数据分析” 有什么行业前景？
首先我们需要知道数据分析有什么价值
AI和数据分析结合具有强大潜力，它们正在帮助各行各业提高效率、降低成本、增强决策能力，并创造新的商业模式和服务——
| 行业 | AI+数据分析应用 | 具体案例 |
|---|---|---|
| 工业制造 | 需求预测与规划、 柔性生产、质量检测、安全监控和资产管理 |
广汽埃安通过 AI 实现 10 万种以上参数自动排程； AI 光学检测技术与机器视觉技术提高缺陷检测准确率 |
| 医疗健康 | 辅助影像诊断、慢性病管理和虚拟医药代表 | 依图科技将AI用于肺癌筛查、儿童骨龄判读、乳腺疾病诊断、脑卒中诊断等领域 |
| 金融服务业（FSI） | 改善客户体验（聊天机器人、个性化定制金融方案） 自动化和增强关键流程（欺诈检测、支付处理等） |
/ |
| 零售业 | 个性化推荐、库存管理和顾客行为分析 | / |
| 智慧城市 | 优化交通流量、能源使用和公共安全 | / |
| 教育 | 提供定制化学习内容和辅导、口语对话虚拟老师 | AI 教学系统根据学生学习进度和理解能力提供定制内容； 口语对话虚拟老师利用语音识别和自然语言处理技术提供一对一语言学习体验 |
| 能源领域 | 精准预测电力需求，优化电力分配，减少能源浪费 | / |
“人工智能+” 在产业中的落地落地是当前的关键战略：
越来越多的公司和企业都将采用AI和机器学习技术来自动化数据分析流程、优化效率和简化决策。这要求企业投资于数据管理，探索外部数据源，并利用AI应用程序来提升竞争力。
“AI+数据分析”将在未来AI时代的产业变革和升级中起到举足轻重的作用！
“AI+数据分析”怎么学？
当前 “AI+数据分析” 工具让数据分析的门槛进一步降低，从需要了解数据分析原理和专业数据分析工具的使用方法才能开始一次数据分析，转变成只需要学习如何说明清楚自己的需求，即可使用“AI+数据分析”的AI工具进行分析。
因此，当前入门主要方法可以概括为以下三点：
- 了解基本概念：学习AI、机器学习和数据分析的基本概念，理解AI的潜力及其基本概念。
- 提高数据素养：学习使用常见的“AI+数据分析”工具（如：办公小浣熊等），在日常工作中进行基本的数据分析和可视化。
- 关注实际案例：从自身和他人的使用案例以及行业案例中了解“AI+数据分析”的实际应用，以及它们如何帮助解决实际问题。
剩下更多的是关于数据分析技能的熟悉和了解，需要通过实践进行深入学习，Datawhale有很多相关的开源课程~