作為一名不知名數(shù)據(jù)分析師，我的工作已經(jīng)離不開Chat GPT 了，下面帶大家一起來玩玩。

首先我們生成一個(gè)電商平臺(tái)的交易數(shù)據(jù)，當(dāng)然你也可以指定一些數(shù)據(jù)字段，這都沒有任何問題，也可以復(fù)制數(shù)據(jù)給Chat GPT讓幫你整理成表格，都可以，效果如下（注意數(shù)據(jù)泄密問題）。

第二步，很多人看到數(shù)據(jù)后很茫然，不知道從哪里開始，先從分析的目的出發(fā)，比如我們要做一場活動(dòng)，想找出匹配的用戶進(jìn)行營銷，那你就告訴Chat GPT就行。

這樣我們就有了初步的思路，接下來讓它根據(jù)這個(gè)思路幫我們解讀一下數(shù)據(jù)。

數(shù)據(jù)的基本統(tǒng)計(jì)信息有了，我們可以讓繼續(xù)深入的分析，可以看到它給出了銷量統(tǒng)計(jì)、交易額占比、商家銷量，以及不同消費(fèi)者的消費(fèi)偏好

還給根據(jù)數(shù)據(jù)結(jié)果給出了一些建議：

通過不斷的詢問和調(diào)教，相信你的思路也會(huì)變的更加清晰

然后我們讓Chat GPT幫我們做一個(gè)指標(biāo)體系，便于做日常的運(yùn)營監(jiān)督，結(jié)果如下：

也可以讓它用excel的VBA、SQL、python等，幫你直接屬于以上指標(biāo)對應(yīng)的代碼，自動(dòng)化運(yùn)行，這里就不展開了，太多了

有的人會(huì)說簡單的指標(biāo)體系可能無法滿足你，你也可以用它來建模，比如零售常用的RFM模型，我們要求它給出模型和SQL事先方式