简介
在数据分析的广阔领域中，改变规则的最重要发展之一就是生成人工智能（GAI）。现在，人工智能不再仅仅根据历史数据进行处理和预测，而是创造出全新的东西，彻底改变了数据叙事和分析过程。在最近的一次会议中，我有机会探索这一技术创新的基本原理、架构和潜在影响。以下是我们讨论的内容的简洁总结。
学习目标：
- 了解生成人工智能的基本原理。
- 学习使用生成人工智能进行不同的数据叙事技术。
- 认识在数据分析中生成人工智能的伦理实施。
理解生成人工智能
生成人工智能代表了人工智能的一个子领域，专注于创造新颖的内容。传统人工智能依靠历史数据进行训练并进行推理或预测。相比之下，生成人工智能通过合成新内容来实现，涉及视觉、音频和文本创作。这个领域有几种不同的架构，包括生成对抗网络（GANs）、变分自编码器（VAEs）和自回归模型或变换器。
生成对抗网络使用两个神经网络，生成器和判别器，它们一起训练。通过生成接近真实数据同时区分真实数据和生成数据的数据，这个对抗过程使两个网络都得以改进。变分自编码器稍有不同，但目标是相同的。
如今最常见的人工智能模型是基于变换器的自回归模型，比如ChatGPT。这些模型根据先前元素创建数据序列，并且可以预测下一个序列元素。了解这些模型能够帮助我们更有效地利用人工智能。
数据叙事：将生成人工智能与分析相结合
数据分析的影响力在于数据叙事。虽然最初阶段着重于定义、收集、清洗和分析数据，但关键在于展示阶段。在这里，我们必须有效地传达研究结果。制作叙事、准备视觉材料和检查逻辑在数据叙事中起着至关重要的作用。使用生成人工智能可以显著影响这个过程的前两个步骤。
这就是叙事进入场景的地方。数据展示中的叙事涉及与利益相关者的联系，理解他们的需求，并呈现分析结果以促进决策。然而，这个阶段在分析课程中往往被低估，尽管在传达数据的影响方面至关重要。
案例研究：生成人工智能推动业务效率叙事
这个案例研究展示了生成人工智能，特别是GPT-4，如何帮助分析师确定他们演示的目的和角色清晰度。通过向ChatGPT提出特定问题，如“如何在没有裁员的情况下专注于战略性降低运营成本？”，人工智能的建议可以帮助指导和完善叙事和演示策略。
需要明确的是，生成人工智能并不完全创建内容，而是作为一个头脑风暴的合作伙伴，提供方向和想法，允许分析师调整他们的策略。以下是生成人工智能如何帮助推动业务效率的数据分析和叙事。
使用GPT-4进行高级数据分析
GPT-4的高级功能打开了许多可能性。根据我的经验，我选择使用ChatGPT，因为它值得信赖且精确。虽然还有其他可替代的人工智能模型，如LlaMA，但每个模型都有其独特的优势。我发现ChatGPT是一个很好的选择，但其他模型可能同样适合不同的需求。
使用人工智能和原型速度评估超支
在处理超支问题时，人工智能能够极快地进行分析原型设计。虽然Python或SQL也能完成同样的任务，但人工智能可以显著加速过程，实现快速的原型开发。然而，需要强调的是，鉴于我们对结果准确性的责任，所有输出都需要经过仔细的验证和审查。
使用ChatGPT分析回报率和制定战略削减
确定投资回报率（ROI）需要特定的计算方法。我教导ChatGPT进行不同支出领域的ROI计算。它揭示了一个有趣的格局。虽然某些行业出现了大量超支，但它们也提供了可观的投资回报率，表明尽管超支，效益很高。这需要战略性评估，以确定潜在削减的领域。
生成AI和可视化数据表示
生成的AI可视化，如图表和图形，在促进快速探索性数据分析中起着重要作用。它们为深入的战略思考提供了一个起点。然而，评估所选择的可视化表示是否与精确的数据解释需求一致是至关重要的。
在利用AI时考虑隐私和道德问题
生成的AI具有访问各种数据源的令人难以置信的能力，从在线资源库到笔记本。适应性非常出色——我已将大型数据集输入AI而没有出现任何明显的限制。然而，对于敏感信息，特别是可识别个人身份的数据，基于隐私原因，我们必须避免将此类内容纳入AI中。
将AI应用于日常专业数据活动还引起了其他道德关注。生成的AI信息有时可以令人信服地描绘出不正确的数据，因此强调我们在验证和校验输出时的角色。AI系统中的偏见是一个有充分记录的问题，我们有责任确保公正和无偏的分析。在AI的力量和道德考虑方面，特别是有关数据隐私和错误信息方面，保持平衡是很重要的。
需要记住的一个关键方面是，虽然AI显着提高了我们的分析能力，但准确和道德使用的责任最终仍在我们这些数据专家身上。AI是一种工具，我们需要在验证所生成的信息时保持警惕以保持可信度。作为结果的负责人，我们应该努力将AI的效能与道德和准确的决策相协调。
作为一名在数据科学领域经验丰富的专业人士，我遇到了各种观点对于这些关注。在将AI整合到我们的日常工作流程中时，考虑这些方面是至关重要的。这包括道德的含义，责任以及使用生成AI内容的潜在后果。
结论
生成AI正在通过促进创新和重新定义叙事方式来改变数据分析，将我们推进到一个充满刺激的高效率和道德考虑的时代。它增强了分析过程，同时强调我们的责任和准确性。整合生成AI的旅程不仅增加了效率，还涵盖了一系列需要解决的考虑因素，以实现负责任和道德的使用。
这个简洁而全面的概述强调了将生成AI整合到数据分析领域的广泛范围和影响。这是一段令人兴奋的旅程，不仅增加了我们的效率，还为我们在利用其潜力时遇到的一系列考虑因素提供了新的视角。我希望这可以作为一份启发性的指南，为您的数据分析之旅提供新的视角，展示出如何优化您的业务效率和在数据分析领域产生影响力。
要点：
- GPT-4等AI模型提供创新解决方案，帮助访问、分析和原型速度，塑造战略决策，并促进复杂评估。
- 将生成AI与分析结合起来进行叙事非常重要。构建叙事和通过可视化展示数据对于有效传达发现结果给利益相关者至关重要。
- 验证生成的AI信息至关重要，以确保在实施数据分析的过程中考虑道德含义、责任和准确性。
常见问题
关于作者：Andrew Madson
Andrew Madson是亚利桑那州立大学的数据分析高级总监，也是一位经验丰富的大学教授，拥有超过18年的经验。他在机器学习、AI治理和战略数据分析方面拥有深厚的专业知识，在多个财富500强公司领导数据项目。作为一位敬业的教育工作者，Andrew将他的知识传授给数千名数据科学和数据分析领域的研究生。
DataHour页面： https://community.analyticsvidhya.com/c/datahour/advanced-generative-ai-and-data-storytelling