数据分析的好帮手,小浣熊办公助手!
![数据分析的好帮手,小浣熊办公助手!](https://static001.geekbang.org/infoq/3d/3d44c44a4f4f024ea52f6d50200e919e.jpeg)
序
Hello,这里是百里,2024 年真的是知识大爆发的一年,过去非常复杂且繁琐的事情,现在在 AI 的加持下,变得非常简单,以往需要大量的知识储备,理论实践的内容,现在只要通过自然语言对话就能实现想要的内容。小浣熊办公助手,短短尝试了几次我就已经爱不释手,几分钟解决了我需要一天甚至更久的工作业务需求。他不像 gpt 是那种大,广,杂的模型,有时不管对不对,为了答案,给你搞了个答案,他更像是就像钢铁侠中的贾维斯一样,能理解你所说,所想,所表达的用意,并给出相应的答案,他像是一个专业的 IT 资深教授,一个非常好的 PM 经理,会充分理解你的需求,并转达给开发人员,理性的给出结果。小浣熊办公助手是一个真正的帮你更好学习,工作私人智能助手。
![](https://static001.geekbang.org/infoq/7e/7e63ff92608cde7b26349ae0c2a47a05.png)
忆往昔
作为一个数据从业者,依稀在很多年前,大学学习机器学习入门时,学过一个非常经典的案例,鸢尾花逻辑模型推断。记得当时大学老师给留的作业,通过数据清洗,逻辑分析,给出鸢尾花的计算的逻辑模型,并通过测试数据分析模型置信度,那时候大一一脸蒙 B,给 160 多个数据,用 excel 一个个的补充数据。然后 python 也不太熟练,加上数学等逻辑也不太好,吭吃瘪肚的搞了一周才搞定。不过那也是个值得高兴的回忆,要知其然,然后知其所以然。现在 AI 确实降低了很多人的从业门槛,在我看来要感谢数据模型,也要提防数据模型,因为毕竟工具只能辅助业务,不能真正替代业务,‘人’的操作也是关键。
这里我手写一个 KNN,然后对比小浣熊办公助手,一方面是看看提供多少效率,另一方面是回归学习,工作的本质。
什么是 KNN,k 近邻法(k-nearest neighbor, k-NN)是一种基本分类与回归方法,换个解释方法就是,欧氏距离,
![](https://static001.geekbang.org/infoq/0f/0f367bf33e5bdbf95c1e04248743d4d7.png)
通过计算结果的数据,离哪个逻辑结果最近,哪个就更符合逻辑期望。
手工方法
这里是 150 条鸢尾花数据集,已经通过手工手段进行部分数据整理,其中,数据缺失项目,采取平均值补录的方式。
![](https://static001.geekbang.org/infoq/5c/5cd0162cbd70fec812e159e38119d52a.png)
读取处理好的数据文件
通过代码编写欧式距离公式,并进行训练集,测试集分类
进行模型准确率计算
准确率大约是 83%
![](https://static001.geekbang.org/infoq/7f/7f4e850a0a3f0bdaf2a57b6d9ddec7fe.png)
以上是完全没有助手,以及科学数据包辅助的情况下,手工敲出来的原生 KNN 回归算法的测试案例,从中我们可以看出来,我们需要,良好的代码编写功底,一定数据的处理能力,数学公式的使用理解能力。当然从学习角度讲,我们书写细致无可厚非,但是学习,工作环境就不太适用了。
小浣熊帮我
处理 excel 数据,只需要简单的描述即可,帮我把上传的文件,缺失的数据赋值,并赋值为该列的平均值。
减少了非常多的办公业务场景的计算逻辑,我自己拿 excel 又是函数又是赋值的,大大增加了工作的速度。
![](https://static001.geekbang.org/infoq/83/83f34688d293d0f471b64969fd37c22c.png)
测试中遇到了数据缺失,他会自动纠正问题并尝试更新代码,如果描述异常的话,或者数据处于可修复范围,他也会提供建议性改进。
![](https://static001.geekbang.org/infoq/b5/b5c3b3069259f9f5c8ff203ba515e216.png)
自动帮我补充了缺失数据,不过我要的黄色标注没有出来。
![](https://static001.geekbang.org/infoq/28/28d68206124625a300b7945980ba11b1.png)
带入正题,KNN 计算数据模型,在真实的业务办公环境中,只需要进行简单的业务描述即可生成复杂的计算逻辑。
这里我只需要通过语言描述,
![](https://static001.geekbang.org/infoq/e0/e0e6f507e499e4512c30856b27f4b717.png)
查询模型准确率
![](https://static001.geekbang.org/infoq/f7/f79b914bdc8b3e52fca8ce545fc32284.png)
看今朝
在当今社会,快,效率成为了工作的代名词,谁不想有一个稳定可靠且十分专业的帮手辅助自己完成工作任务呢,小浣熊办公助手 通过丰富层次的对话,更专业层次的建议,辅助工作。依然以上述鸢尾花为例,
现在用户提供一个数据模型,让你通过复杂计算,分析用户画像,用户相性。
![](https://static001.geekbang.org/infoq/b1/b13cc92e99077391ce768196ff929062.png)
![](https://static001.geekbang.org/infoq/c6/c6858dfe1cd4668c285c20b06df934aa.png)
通过生成的特征图,可以更好的分析用户相性,辅助数据分析。这里以鸢尾花为例,分析出符合该特征数据的用户特征,提供可视化的功能支持。
![](https://static001.geekbang.org/infoq/7f/7f98ba4ea52b0e629212b3f60fe35a03.png)
如图所示,用户属于‘山鸢尾’类型。 省去了大量的计算逻辑模型,同时更快速的提供了领导业务逻辑判断数据支撑。
专业角度的大师
当我们提供一个非常模糊的概念,比如帮我生成一个置信度的折线图,或者说用过以上数据内容帮我怎么怎么样。小浣熊会理解并分析出所需要的内容。并给出合更合理的解释。
![](https://static001.geekbang.org/infoq/de/deb0298dfd07e460856b77313b0ce16e.png)
![](https://static001.geekbang.org/infoq/b2/b24b48da3bcfb2222790041ee03f9731.png)
给出的合理见解的同时,又清晰的提供了操作步骤,方便排查。
![](https://static001.geekbang.org/infoq/98/98052cf98d11524ad45902d9b4ba52fd.png)
上手视频
因为数据量过大,且描述代码过多我这里进行了简单的数据操作录像,视频已经加速可以放心食用!但是可能因为自然语言描述的差异性,有小小的翻车,可见,虽然对工作中有相当大的帮助,但是首先你得知道你要做什么。
结论
通过体验小浣熊办公助手,这是一个非常对数据分析,数据治理,数据驱动,非常好的办公助手。不仅仅是他的专业,更是因为他更人性化,对业务赋能的简单化。让专业的人更轻松,做更多有意义的事情。让小白,用更简单的对白,进行复杂的数据处理,并提供专业的辅助。
小浣熊将会是我们工作中的不可多得的办公助手,爱上你了。!
版权声明: 本文为 InfoQ 作者【百里丶落云】的原创文章。
原文链接:【http://xie.infoq.cn/article/a189f2aac5f81fbcd2f77b9e2】。文章转载请联系作者。
评论