|
Post by mnnuman25 on Nov 9, 2023 2:13:42 GMT -5
在 Zeo,我们坚信在利用人工智能助手进行数据分析时应采取结构化、有条理的方法。如果没有适当的数据准备、上下文提供和快速管理,这些工具将无法提供有意义的见解。在这篇综合性博文中,我们将根据从 Iren Saltalı 的启发性视频中学到的知识,分享我们的团队成功使用人工智能获得可靠数据分析结果所遵循的分步方法。您可以查看我们的人工智能博客页面,以增加您对人工智能不同使用领域的了解,并访问我们的 YouTube 频道观看完整视频。 第 1 步:深入了解您的数据 第一步是充分了解您已有的数据。以下是一些要问自己的基本问题: 我们目前可以访问哪些数据源?排名跟踪?社交媒体 API?大查询? 准确了解可用的数据源可以让您在搜索其他源之前充分利用已有的数据。 不要以为人工智能只会知道你拥有什么。 每个数据源有哪些特定字段或属性可用? 编录每个数据源中所有字加销 希腊手机号码清单 量并强化段的完整详细信息。这些代表可以查询和分析的属性。 每个字段在语义上代表什么?不要假设人工智能会自动理解。 语义非常重要。例如,数据中名为“类型”的字段在没有明确描述的情况下可能不会引用产品类型。 数据中使用了哪些行业或领域特定的术语?明确定义它们。 避免行业术语并定义首字母缩略词。人工智能并不具备有关您的业务或行业的固有知识。 数据中的字段或实体之间有什么关系? 一对多、外键等 记录诸如此类的关系有助于人工智能理解数据的互连性。 之前做过哪些数据验证、清理或预处理? 通知人工智能有关任何数据清理的信息可以提供有关正在发生什么转换的背景信息。 将所有这些信息记录到一个“数据字典”中,该字典完整地描述了人工智能助手的可用数据。 来源:Dall-E 3 第 2 步:将分析转变为离散步骤 一旦数据环境清晰,将实际分析分解为单独的模块化步骤: 我们想要实现的最终分析目标是什么? 有一个非常明确的目标可以指导整个分析工作流程。 在引入人工智能之前可以完成任何基本的数据提取或准备吗? 在需要 AI 输入之前,对原始数据利用标准 SQL 查询。 分析的哪些部分依赖于理解字段的语义并简单地查询数据? 将人工智能中需要自然语言理解的部分与简单的数据提取分开。* 哪些中间结果对下一步有用? 设计模块化步骤,以便一个阶段的输出可以馈送到下一阶段。 从本质上讲,避免要求人工智能一次性完成所有事情。将其转变为具有离散步骤的工作流程,其中一些仅涉及数据操作,而另一些则涉及人工智能。
|
|