DeepSeek + 数据分析：让数据洞察更智能、更高效

本文我们来聊聊DeepSeek如何用于数据分析工作者。

想要更好的将AI用于数据分析中，我们就要先弄清楚数据分析的工作可以分为几个部分，下面列举一下：

1. 数据预处理：

   • 数据收集：确保数据的质量和完整性，从可靠的来源收集数据。
   • 数据清洗：处理缺失值、异常值和重复数据，确保数据的准确性和一致性。
   • 数据整理：将数据转换为适合分析的格式，进行必要的转换和标准化。

2. 数据图表：

   • 数据可视化：使用图表、图形和仪表板等工具将数据可视化，帮助识别趋势、模式和异常。
   • 探索性数据分析（EDA）：通过可视化手段探索数据的基本特征，发现潜在的关系和结构。

3. 模型构建：

   • 统计分析：应用统计方法检验假设，评估变量之间的关系。

   • 预测建模：使用机器学习等技术构建预测模型，预测未来趋势和结果。

4. 决策：

   • 数据解释：基于分析结果，解释数据的意义和影响。

   • 洞察提取：从数据中提取有价值的洞察，支持业务决策。

   • 策略制定：根据数据分析的结果，制定或调整业务策略和行动计划。

5. 沟通和报告：

   • 结果呈现：将分析结果以清晰、简洁的方式呈现给非技术背景的决策者。

   • 报告撰写：编写详细的分析报告，包括方法、结果、结论和建议。

6. 工具和技术：

   • 软件工具：熟练使用数据分析软件和编程语言，如Python、R、SQL、Excel等。
   • 技术方法：掌握数据挖掘、机器学习、人工智能等先进技术方法。

接下来我们细致的拆解一下每个部分能够结合DeepSeek做的事情和注意事项。

一、数据预处理

数据收集

多数数据分析工作的数据都是来自于公司内部，不过有些场景下我们需要一些网络数据作为参考，我们可以开启DeepSeek的联网搜索模式进行数据获取。示例如下：

模版：我要XXXXX，请给我提供一些数据，并注明数据来源。

为了确保数据真实性，记得要让DeepSeek标注数据来源，（不要忘记勾选联网搜索）

数据清洗

数据清洗是数据分析中很重要的一个过程，我们可以让DeepSeek给出我们一些清洗建议，也可以直接让它返回清洗好的数据。

模板：看一下整个数据表中有哪些数据需要清洗。

模板：看一下A列中有哪些异常数据。

示例如下（进行部分提取）：

截止至发稿日，DeepSeek还不能直接返回数据文件，我们可以将返回的数据直接粘贴到Excel中，或者使用ChatGPT等多模态模型返回数据文件。

二、数据图表

数据可视化

DeepSeek暂不支持直接生成数据图表，ChatGPT这种多模态模型生成的内容你也会觉得“差点意思“。

其实对于数据图表来说，我们不需要刻意的使用DeepSeek这种大模型去寻找答案，很多BI工具对于数据图表的智能化可以说是遥遥领先，举例说明一下：

1. BI工具
   • 多数BI工具和AI模型一样，我们上传数据，简单的点点点就可以生成精美的数据图表，常见的工具有：Tableau、Power BI、Fine BI等。
2. Excel + DeepSeek
   • DeepSeek生成公式+Excel人工操作=Excel图表
   • WPS：WPS中设有付费AI功能可以智能生成图表。
3. Python/R + DeepSeek
   • 对于会进行编程的人来说，我们让DeepSeek生成绘图代码，我们调整参数即可生图。

总结：在数据可视化的情景下使用DeepSeek的核心思想就是“问”

1. 问XXX数据应该做什么图？
2. 问Excel公式怎么写？
3. 问XXX工具想要实现XXX该怎么操作？
4. 问XXX图的Python代码该怎么写？

三、模型构建

统计分析

数据分析工作中我们经常需要进行数据的显著性检验，这个过程我们可以交由DeepSeek来进行。

模板：数据组数+场景+检验方法+示例数据

模板：数据+具体检验方法（请将下列数据进行配对样本T检验，数据如下…）

这里如果不知道该进行具体的哪种检验，直接告诉他数据来源（同源/异源），让其进行显著性检验即可。

示例如下：

预测建模

数据分析中有很多任务需要用到机器学习，例如对用户群进行分类、聚类，对DAU、GMV等指标进行预测等等。这些任务直接交给DeepSeek即可。

注意：小数据可以直接上传或输入，大量数据就让DeepSeek生成代码自己本地运行一下吧。

模板：[…]，这是XXX数据，预测一下XXX

模板：上传Excel+这是XXX数据，"请使用A，B，C"三个特征进行用户聚类。

模板：给我一段…算法的Python代码。

示例如下：

四、决策

先说明一点，作为数据工作者，业务的理解是至关重要的，最了解业务的那个人一定是你自己，我们在决策上使用AI做的是“辅助性决策”，不要过于依赖AI！

数据解释

解释数据通常就是找到数据中的趋势、关键指标变化等内容，我们直接将数据丢给DeepSeek让它自动的解释一下整体数据或者解释某些字段即可。

洞察提取

我们可以让DeepSeek从数据中分析出一些有意义的拐点，我们可以指定人群、指标等。

模板示例：分析一下男性用户的消费习惯。

模板示例：分析一下新用户的流失情况。

我们还可以上传数据让DeepSeek帮我们进行相关性分析，异常值/异常行为检测等。

模板示例：分析一下客户满意度与售后服务响应时间的相关性

模板示例：分析一下该用户行为数据中的异常行为用户，并给出原因。

策略制定

对于策略，我们可以告诉DeepSeek你的业务场景，让它给出你一些可以参考的“辅助性决策”，示例如下：

模板示例：我从事电商销售行业，请帮我针对高价值用户的回流，给出一些策略

每个人的业务场景是不同的，我们可以根据自己的业务场景调整提问方式，不过一定要记住，DeepSeek做的是“辅助性决策”，如果要参考它的回答要仔细斟酌一下。

五、沟通和报告

结果呈现

结果呈现的方式有很多种，作为数据分析师，最拿手的就是用报告、用数据、用图去展示，但是很多人不会向不懂数据的人（不要带入你的领导）去描述，最后导致好的数据没有被重视，这个时候我们就要启动DeepSeek强大的沟通能力了。

模板：如何向不懂数据分析的人解释XXX

模板：用三岁小孩都能听懂的方式解释XXX

模板：解释一下XXX，说人话

（虽然3岁小孩可能还是听不懂，但已经足够简洁了）

报告撰写

你一定从某个介绍DeepSeek的文章上看到过，DeepSeek能快速制作数据分析报告的噱头。从事过数据分析工作的人应该都清楚，报告的撰写是有针对性，结合业务和实际场景的，有很多干扰因素是AI捕捉不到的。

和上面提到的决策同样的思路，我们可以让DeepSeek生成报告大纲进行参考，看一下有哪些点可以让我们的报告锦上添花。

举个例子：

六、工具和技术

软件工具

DeepSeek不仅能够告诉我们如何操作Excel，还可以直接给出我们想要实现的代码，让我们节省大量的工作时间，示例如下：

最后做个总结，DeepSeek虽然强大，但也不要凡事都依托于它的答案。

AI能用于辅助你工作，但不能代替你工作，真正的数据分析师，基于业务的全面思考才是最重要的！