近來，想必很多人被一份「GPT-4取代數(shù)據(jù)分析師」核算成本的研究報告驚到了。

論文內(nèi)容直戳痛點：

使用GPT-4的成本大約是雇傭初級數(shù)據(jù)分析師的0.71％。

論文地址：https://arxiv.org/pdf/2305.15038.pdf

這份來自阿里達摩院和南洋理工大學的最新研究，明晃晃地告訴數(shù)據(jù)分析師，我要取代你們，這就是證據(jù)。

你以為高級數(shù)據(jù)分析師，會逃過一劫嗎？

研究人員稱，使用GPT-4的成本是雇傭高級數(shù)據(jù)分析師的0.45％。

這是什么概念？

根據(jù)就業(yè)在線社區(qū)Glassdoor統(tǒng)計，一位高級數(shù)據(jù)分析師年薪大約10萬美元（70萬人民幣）。

要是換成GPT-4，僅需要450美元，也就3000元左右。

從70萬到3000，簡直就是成本爆破！

網(wǎng)友表示，想到成本會這么低，但沒料到這么低。

框架

總之，這篇研究做出了以下幾點貢獻：

· 首次提出「GPT-4是否是一個優(yōu)秀數(shù)據(jù)分析師」的研究問題，并對其利弊進行了定量評估。

· 對于這樣一個典型的數(shù)據(jù)分析師的工作范圍，提出了一個端到端的自動框架來進行數(shù)據(jù)收集、可視化和分析。

· 對GPT-4的產(chǎn)出進行了系統(tǒng)的、專業(yè)的人工評估。有良好質(zhì)量的數(shù)據(jù)分析和洞察力可以被認為是NLP社區(qū)數(shù)據(jù)分析的第一個標桿。

為了搞清楚GPT-4能否成為一個好數(shù)據(jù)分析師，研究人員設(shè)計了一個端到端的框架。

GPT-4在上下文理解、代碼生成、數(shù)據(jù)故事方面的能力逐漸嶄露頭角，而這項研究的目的就是使用GPT-4來實現(xiàn)整個數(shù)據(jù)分析過程的自動化。

論文中，研究人員展示了GPT-4作為數(shù)據(jù)分析師流程。

基本上有三個步驟：（1）代碼生成（藍色箭頭所示），（2）代碼執(zhí)行（橙色箭頭所示），以及（3）分析生成（綠色箭頭所示）。

整個框架的算法過程如下：

第1步：代碼生成

第一步的輸入包含一個問題和數(shù)據(jù)庫模式。這里的目標是生成代碼，以便在后面的步驟中提取數(shù)據(jù)和繪制圖表。

研究者利用GPT-4來理解問題和模式中多個數(shù)據(jù)庫表之間的關(guān)系。

由于數(shù)據(jù)安全的原因，僅提供了數(shù)據(jù)庫表的模式。大量的原始數(shù)據(jù)仍然被安全地離線保存，并將在后面的步驟中使用。

這一步的設(shè)計提示如表1所示。按照提示，可以得到一段包含SQL查詢的python代碼。

第2步：代碼執(zhí)行

正如前面提到的，為了維護數(shù)據(jù)安全，研究人員在離線狀態(tài)下執(zhí)行GPT-4生成的代碼。

這一步的輸入是步驟1中生成的代碼，以及數(shù)據(jù)庫中的原始數(shù)據(jù)，

如框架圖所示。通過使用「conn = sqlite3.connect([database file name])」定位數(shù)據(jù)目錄。

如代碼中的表1所示，這個步驟涉及大量的原始數(shù)據(jù)。通過執(zhí)行python代碼，我們能夠得到「figure.pdf」中的圖表，以及「data.txt」中保存的提取數(shù)據(jù)。

第3步：分析生成

在獲得提取的數(shù)據(jù)后，研究者的目標是產(chǎn)生數(shù)據(jù)分析和洞察力。

為了確保數(shù)據(jù)分析與原始查詢相一致，同時使用問題和提取的數(shù)據(jù)作為輸入。研究人員為這個步驟的GPT-4設(shè)計的提示語如表2所示。

在這個過程中，研究人員沒有對提取數(shù)據(jù)生成一段描述，而是指示GPT-4用5個要點來生成分析和見解，并強調(diào)關(guān)鍵要點。

有一點需要注意的是，在此，研究人員也考慮使用生成的圖表作為輸入的替代方案。

因為「GPT-4的技術(shù)報告」提到，它可以將圖標作為輸入。不過，這個功能還沒全面開放。

由于提取的數(shù)據(jù)基本上包含的信息量與生成的圖表至少相同，因此研究人員只使用「提取數(shù)據(jù)」作為輸入。

從初步的實驗來看，GPT-4能夠從數(shù)據(jù)本身理解趨勢和相關(guān)性，而不需要看到數(shù)據(jù)。

為了讓框架更加實用，從而有可能幫助人類數(shù)據(jù)分析師提高其日常表現(xiàn)。研究人員增加了一個利用外部知識源的選項，如算法1所示。

由于實際的數(shù)據(jù)分析師角色通常需要相關(guān)的業(yè)務(wù)背景知識，研究人員設(shè)計了一個外部知識檢索模型g(·)，從外部知識源（如谷歌）查詢實時在線信息（I）。在這樣的方案中，GPT-4將數(shù)據(jù)（D）和在線信息（I）都作為輸入來生成分析（A）。

實驗

數(shù)據(jù)集

由于沒有完全匹配的數(shù)據(jù)集，研究人員選擇了一個最相關(guān)的數(shù)據(jù)集——NvBench。

他們從不同領(lǐng)域隨機選擇了100個不同圖表類型，和不同難度的問題來進行主要實驗。

圖表類型包括：條形圖、疊加條形圖、線形圖、散點圖和餅圖等。

難度等級包括：簡單、中等、困難和極難。

領(lǐng)域包括：體育、藝術(shù)、交通、公寓出租等。

在NvBench數(shù)據(jù)集的基礎(chǔ)上，研究人員利用框架為每個實例編寫了5個要點，并使用全新的指標來評估質(zhì)量。

評估

在這里，研究人員設(shè)計了幾個人工評估指標來評估生成的數(shù)據(jù)，并分別對每個測試實例進行分析。

圖表評估：

· 信息正確性：圖中顯示的數(shù)據(jù)和信息是否正確？（0-1）

· 圖標類型正確性：圖表類型是否符合問題中的要求？（0-1）

· 美觀性：圖表是否美觀、清晰，沒有任何格式錯誤？（0-3）

分析評估：

· 正確性：分析中是否包含錯誤的數(shù)據(jù)或信息？（0-1）

· 對齊性：分析是否與問題一致？（0-1）

· 復雜性：分析的復雜程度和深度如何？（0-3）

· 流暢性：生成的分析是否流暢，在語法上是否合理，沒有不必要的重復？（0-3）

為了進行人工評估，阿里&NTU研究人員從一家數(shù)據(jù)標注公司雇傭了6名專業(yè)的數(shù)據(jù)標注員，按照上述詳細的評估指標對每個圖形和分析要點進行標注。

結(jié)果

GPT-4的表現(xiàn)

表3顯示了，GPT-4作為數(shù)據(jù)分析師在200個樣本上的表現(xiàn)，以及每個單獨的評估組的結(jié)果，和兩個組之間的平均分數(shù)。

對于圖表類型正確性評估，兩個評估小組幾乎都給出了滿分。

這表明，對于 「畫條形圖」、「顯示餅形圖」等這樣簡單明了的指令，GPT-4可以很容易地理解其含義，并對圖表類型的含義有背景知識，從而可以相應(yīng)地以正確的類型繪制圖表。

在美學評分方面，它平均得到2.73分（滿分3分），這表明大多數(shù)生成的數(shù)字對評估者來說是清晰的，沒有任何格式錯誤。

然而，對于繪制圖表的信息正確性，得分并不那么令人滿意。

研究人員手動檢查了這些圖表，發(fā)現(xiàn)盡管有一些小錯誤，但大多數(shù)都能大致得到正確的數(shù)字。

在此，評估標準非常嚴格，只要有任何數(shù)據(jù)，或任何標簽的X軸或Y軸是錯誤的，就要扣分。盡管如此，它仍有進一步改進的空間。

在分析評估方面，對齊性和流暢性平均得到了滿分。這再次驗證了生成流暢和語法正確的句子對GPT-4來說絕對不是一個問題。

另外，研究人員還注意到，分析的平均正確性得分要比數(shù)據(jù)的信息正確性高得多。

這很有趣，因為盡管生成的數(shù)據(jù)是錯誤的，但分析結(jié)果可能是正確的。這再次驗證了研究人員之前對數(shù)字的信息正確性得分的解釋。

如前所述，由于生成的數(shù)字大多與黃金數(shù)字一致，因此一些要點可以正確生成。只有少數(shù)與數(shù)字中的錯誤部分有關(guān)的要點被認為是錯誤的。就復雜性得分而言，平均2.16分（滿分3分）是合理且令人滿意的。

人類數(shù)據(jù)分析師與GPT-4的比較

為了進一步回答我們的研究問題，研究人員聘請專業(yè)的數(shù)據(jù)分析師來做這些任務(wù)，并與GPT-4進行全面的比較。

表4顯示了幾個來自不同背景的專家級別數(shù)據(jù)分析師與GPT-4的表現(xiàn)比較。

總的來說，GPT-4的性能與人類數(shù)據(jù)分析師相當，而在不同的標準指標和人類數(shù)據(jù)分析師之間，其優(yōu)勢也有所不同。

第一行顯示了，一位在金融行業(yè)有超過6年數(shù)據(jù)分析工作經(jīng)驗的高級數(shù)據(jù)分析師（即高級數(shù)據(jù)分析師1）的10個樣本表現(xiàn)。從表中可以看出，GPT-4在大多數(shù)指標上的表現(xiàn)與專家數(shù)據(jù)分析師相當。雖然GPT-4的正確性得分低于人類數(shù)據(jù)分析師，但復雜性得分和排列組合得分卻更高。

第二行顯示了，GPT-4和另一個有5年工作經(jīng)驗的高級數(shù)據(jù)分析師（即高級數(shù)據(jù)分析師2）在8個樣本上的性能比較。由于樣本量相對較小，結(jié)果顯示人類和AI數(shù)據(jù)分析師之間的差異較大。人類數(shù)據(jù)分析師在信息的正確性和數(shù)據(jù)美觀性、見解的正確性和復雜性方面超過了GPT-4，表明GPT-4仍有改進的潛力。

第三行是比較GPT-4和一個在咨詢公司有2年內(nèi)數(shù)據(jù)分析工作經(jīng)驗的初級數(shù)據(jù)分析師之間的另一個隨機9樣本的表現(xiàn)。GPT-4不僅在數(shù)字和分析的正確性上表現(xiàn)得更好，而且還傾向于產(chǎn)生比人類數(shù)據(jù)分析師更復雜的分析。

除了所有數(shù)據(jù)分析師和GPT-4之間的性能相當外，我們可以注意到GPT-4花費的時間比人類數(shù)據(jù)分析師短得多。

表5顯示了，來自不同職業(yè)平臺的數(shù)據(jù)分析師成本比較。

研究人員從level.fyi獲得新加坡數(shù)據(jù)分析師的年薪中值，從Glassdoor獲得新加坡數(shù)據(jù)分析師的平均年薪。

這里，研究人員假設(shè)每月有大約21個工作日，每天的工作時間約為8小時，再結(jié)合目前不同級別數(shù)據(jù)分析師在具體項目實例中所花費的平均時長（美元）。

對于這次研究的標注，研究人員根據(jù)市場價格相應(yīng)地支付給數(shù)據(jù)分析員。GPT4的成本約為初級數(shù)據(jù)分析師成本的0.71%，高級數(shù)據(jù)分析師成本的0.45%。

案例

在第一個案例中，GPT-4能夠生成包含正確的SQL查詢的python代碼，以提取所需的數(shù)據(jù)，并根據(jù)給定的問題畫出適當?shù)摹⒄_的餅圖。

在分析方面，GPT-4能夠通過進行適當?shù)谋容^（例如，「最成功」、「不太成功」、「不同范圍」）來理解數(shù)據(jù)。

此外，GPT-4還能從數(shù)據(jù)中提供一些見解，如：「表明他們在競爭中的主導地位」。

GPT-4的上述這些能力，包括上下文理解、代碼生成和數(shù)據(jù)故事，也在其他許多案例中得到了證明。

此外，在這個案例中，GPT-4還可以從數(shù)據(jù)和其背景知識中做出一些合理的猜測，例如：「可能是由于其設(shè)計、性能或其他因素」。

第二個案例顯示了GPT-4處理的另一個問題「在散點圖中顯示身高和體重之間的相關(guān)性」。

同樣，GPT-4能夠提取正確的數(shù)據(jù)，畫出正確的散點圖并生成合理的分析。

雖然大部分的要點都原模原樣地生成了，但如果仔細閱讀和檢查，就會發(fā)現(xiàn)平均身高和體重的數(shù)字是錯誤的。

除了眾所周知的「幻覺」問題外，研究人員懷疑GPT-4的計算能力不強，特別是對于那些復雜的計算。

甚至，他們還在在其他幾個案例中也注意到這個問題。盡管GPT-4以非常自信的語氣生成了分析要點，但計算結(jié)果有時并不準確。

第三是高級分析師2所做的一個例子。

可以注意到，這位專家級的人類數(shù)據(jù)分析師也能理解需求，編寫代碼來繪制正確的柱狀圖，并對提取的數(shù)據(jù)進行分析要點。

除此以外，研究人員總結(jié)出人類數(shù)據(jù)分析師與GPT-4的3個主要區(qū)別：

首先，與GPT-4不同的是，人類數(shù)據(jù)分析師可以用一些個人想法和情感來表達分析。例如，數(shù)據(jù)分析師會提到「這有點令人驚訝......」。在現(xiàn)實生活中，個人情感有時是很重要的。通過這些情緒化的短語，人們可以很容易地理解數(shù)據(jù)是否符合預期或不正常。

第二，人類的數(shù)據(jù)分析師傾向于應(yīng)用一些背景知識。雖然GPT-4通常只關(guān)注提取的數(shù)據(jù)本身，但人類很容易與自己的背景知識聯(lián)系起來。例如，如表8所示，數(shù)據(jù)分析師提到「......是常見的......」，這在數(shù)據(jù)分析師的實際工作中是比較自然的。因此，為了更好地模仿人類數(shù)據(jù)分析師，在演示中，研究人員增加了一個選項，即在生成數(shù)據(jù)分析時使用谷歌搜索API來提取實時在線信息。

第三，當提供洞察力或建議時，人類數(shù)據(jù)分析師往往是保守的。例如，在第5點中，人類數(shù)據(jù)分析師在給出建議前提到「如果沒有數(shù)據(jù)問題」。與人類不同，GPT-4會以自信的語氣直接提供建議，而不提及其假設(shè)。

討論

從初步的結(jié)果來看，GPT-4的表現(xiàn)可以與數(shù)據(jù)分析師相媲美。

不過，在得出結(jié)論之前，仍有幾個問題需要解決。

首先，正如案例研究部分所提到的，GPT-4仍然有幻覺問題。數(shù)據(jù)分析工作不僅需要那些技術(shù)能力和分析能力，而且還需要保證高精確度。

其次，GPT-4不應(yīng)該直接給出任何建議或從數(shù)據(jù)中做出任何猜測，而是應(yīng)該謹慎對待所有的假設(shè)，并給出更加嚴謹?shù)恼f法。

此外，盡管實驗中的問題已經(jīng)涵蓋了很多的領(lǐng)域、數(shù)據(jù)庫、難度級別和圖表類型，但根據(jù)人類數(shù)據(jù)分析師的反饋，它們?nèi)匀挥行┻^于具體。比如，通常會包含這樣的信息：兩個變量之間的特定相關(guān)性，特定的圖表類型。

由于預算的限制，人工評估和數(shù)據(jù)分析師標注的數(shù)據(jù)相對較少。畢竟數(shù)據(jù)分析師（尤其是資深的）非常昂貴，團隊只聘請他們做了少量的樣本。

網(wǎng)友評論

對此，有網(wǎng)友表示，GPT替代初級分析師確實是低成本高效率的，但替代高級分析師還難說，未來的高級分析師要更多注重行業(yè)洞察力和預見能力，這是維持其高工資的基礎(chǔ)，也是GPT難全面替代的。

資深數(shù)據(jù)分析師Galen Okazaki表示，數(shù)據(jù)分析是一個價值龐大的產(chǎn)業(yè)，并且仍然在持續(xù)增長。

從2012年開始，他在GE資本做了7年的資本市場數(shù)據(jù)分析，職務(wù)是高級副總裁。2020年到現(xiàn)在，Okazaki一直在VDS公司做數(shù)據(jù)戰(zhàn)略，職務(wù)是高級顧問。

他認為，數(shù)據(jù)分析師并不是誰都能做，需要專業(yè)的領(lǐng)域知識。而缺乏專業(yè)知識的人，就算有GPT-4也沒用。

無論是哪個領(lǐng)域的數(shù)據(jù)分析，無論我們用什么工具，結(jié)果都是如此——沒有專業(yè)知識，我們就不知道面對一大堆數(shù)據(jù)該提出什么樣的問題，就算有了一些發(fā)現(xiàn)，也不知道如何解釋。

這也就是數(shù)據(jù)分析工作的最大價值所在，能夠調(diào)用專業(yè)知識回答可能遇到的任何問題，無論有多復雜，有多少層次，是不是線性的，等等。而這些問題恰恰是生成式AI不能回答的。

所以，Okazaki的結(jié)論是，GPT-4的能力越來越強，給數(shù)據(jù)分析師的輔助作用也會越來越大?？墒侨〈坎惶赡?。

參考資料：

https://arxiv.org/abs/2305.15038

https://towardsdatascience.com/will-generative-ai-replace-the-need-for-data-analysts-6b6807599d00