企业如何有效利用ChatGPT的数据分析能力

23年11月7日，OpenAI举办了首届开发者大会，在大会上OpenAI重磅推出了GPTs自定义商店，就在今日24年1月11日，OpenAI在官网正式发布了自定义GPT商店，自此用户可以自由创建专属的GPTs，并进行分发给其他人使用。

那么作为一家企业，如何加入到这场盛宴呢？我认为ChatGPT给企业带来的最重要能力就是数据分析能力。让企业有机会有能力挖掘数据背后秘密。企业数字化进展到今天，每家企业都是积累了丰富的数据。可惜的是企业缺少专业的数据分析能力，大量的数据只能安静的躺在数据库里，无法变成企业的数据资产，去发掘数据的潜在价值，所以大部分企业的数字化都停留在这一步，只走完了第一步：业务到数据，真正有价值的第二步：数据到业务，一直无法践行。其中的关键原因，就是企业缺少专业的数据分析专家，既有专业的业务经验，又有专业技术驾驭大量的企业数据，这样复合型人才是非常紧缺的，即使有幸寻觅到，也需要高昂的成本。

ChatGPT的出现有效缓解了这一困局，让企业数字化转型看到了曙光，ChatGPT提供了强大的数据分析能力，并使用了自然语言的交互方式，让普通人也能驾驭大量的企业数据，只需要辅以专业的业务人员，就可以分析企业的数据，发掘数据的价值，为企业创新转型提供数据集成。另外也可以为业务人员的业务决策提供数据支撑，让决策更加科学。

那么企业如何使用ChatGPT完成数据分析实现业务价值呢？首先我们来回顾一下业务场景，企业的大量业务数据是存放在数据库或者是数据仓库中，因为数据量很庞大，把所有数据一次性提交给ChatGPT必然是不可行和不安全的。所以我们要提供有限且充分的数据给ChatGPT，所以我们需要对现有的数据进行整理和脱敏，然后提供给ChatGPT分析接口，所以总结起来，大概需要三个步骤，第一步连接数据库，第二步封装数据接口，第三部创建专属GPTs，并配置数据接口提供分析数据，完成后专业的业务人员即可使用自然语言对话的方式来分析企业数据，并寻求业务解决方案。

以上的三个步骤可以让专业的软件工程师来完成，当然也可以选用一些低代码平台来完成，低代码平台的好处是可视化操作，无需专业的软件开发人员，另外就是可以灵活扩展接口，随时扩展数据分析的范围，接下来以星云座低代码平台为例，来完成企业数据与ChatGPT的数据对接。

第一步：配置数据库连接

在低代码平台只需要创建一个数据分析项目，然后创建一个数据库连接，选择数据库类型和数据库连接参数，点击保存即可完成数据库连接配置

第二步：封装数据访问接口，并进行脱敏

新建一个数据访问接口，在接口中，通过可视化的方式配置数据访问类型和范围，然后对数据进行脱敏处理，

通过SQL语言的方式定义数据的类型和范围

低代码平台自动生成接口地址，ChatGPT通过该接口地址即可获取到脱敏后的企业数据。

第三步：在ChatGPT中创建专属GPTs，并配置数据接口

新建一个GPTs,在Actions中配置接口访问参数，如接口的服务地址，接口返回的数据类型，以及接口的参数。

然后对话的方式定义专属GPTs的功能，可以使用以下的prompt：

作为一位商品运营的数据分析专家，从接口获取相应的数据，并详细分析接口数据，按照用户要求分析数据，并给出指导性运营建议，分析结果多以图表方式展示，图表中的文字使用英文，图表之外的分析结果以中文展示，以便于中文用户的理解，在处理数据时，注重细节，确保分析的准确性和相关性。避免对数据做出假设，而是依赖所提供的信息。目标是帮助用户更好地理解他们的销售数据，并根据这些分析提出产品运营的建议。根据用户的具体商业背景来个性化回应。名称为“运营决策助手”

当然也可以根据自身需求调整GPTs的功能。至此，企业专属的ChatGPT就完成了，接下来业务人员就可以在ChatGPT中自由分析数据。

从上图展现的结果了，ChatGPT提供了强大的数据分析能力，相较于人为的数据分析，有一些不同，

首先，数据分析的交互方式有所不同，ChatGPT提供的自然语言的分析能力，极大的降低的数据分析的门槛，让企业有能力挖掘数据的潜在价值

第二，ChatGPT善于分析总结数据，并给出建设性的运营建议，基于ChatGPT强大的知识储备，可以分析数据中潜在的问题，并针对性的给出合理的建议，弥补了数据分析师的知识不足，可以触发数据分析师更多的分析思路，协助发现数据之下的运营问题。

第三，ChatGPT利用强大的运算能力，可以处理的数据更加广泛，可以一次性提交多种类型的数据，包括结构化数据和非结构化数据，让ChatGPT综合分析。分析数据的范围更加综合。极大的扩展人为分析的数据宽度。

第四，ChatGPT提升了数据分析的效率，效率的提升，在有限的时间里，就可以提升数据分析的深度和广度，业务决策就更加全面。

与其他数据分析工具相比，ChatGPT最大的区别在于其强大的自然语言处理能力。它不仅能处理传统的数值和分类数据，还能理解和生成自然语言，使其在处理文本数据时更为高效和精确。在叠加低代码平台的辅助，可以很便捷的获取企业的业务数据，降低了数据获取难度，并提升了数据的时效性，更加方便业务一线辅助决策。

AI人工智能已经迎面而来，每个个体和企业都在积极的拥抱AI，寻找AI对企业的潜在价值，很多家企业已经专门设立的AI创新部门，积极的引导企业向AI靠拢，不甘于人后。比如AI人工客服，市场运营的文案撰写，图文创作。随着AI技术在企业应用的深入，必然涉及到企业数据的分析，探寻企业存在的问题，寻找企业新的增长点。