本书旨在通过一系列精心设计理论和实战案例，深入浅出地介绍人工智能编程的基础与进阶知识，使读者能够在实践中快速掌握AI编程技能。从AI编程的基础概念出发，到高级技巧的应用，再到AI助手工具的介绍，本书涵盖了广泛的内容，确保读者能够全面理解并有效应用AI编程技术。书中不仅提供了丰富的实战案例，如通过ChatGPT进行网络数据包解析、API文档调用、MySQL数据库操作等，还探讨了如何利用AI技术进行创新项目开发，如自制小游戏和办公自动化工具。这些案例涵盖了多种编程语言和工具，展示了AI编程在不同场景下的实际应用，旨在激发读者的创新思维和解决问题的能力。本书还关注于的AI编程工具和平台，如GitHubCopilot、CodeWhisperer等，帮助读者了解和掌握这些工具的使用方法，以提高编程效率和质量。本书目标读者群体：1.小白用户：对编程感兴趣，但没有基础知识，希望通过学习AI编程来进入编程世界。2.专业人士：已有编程基础，希望通过学习AI编程来提升自己的技能，或者转向AI编程领域。3.企业决策者和团队：想要了解AI编程和相关工具如何被用来提升团队效率和产品创新。

在当今数字化浪潮中，数据已成为企业与组织的核心资产，而如何高效地从海量数据中提取价值，成为制胜关键。这本书，正是为那些渴望在数据海洋中乘风破浪、追求极致效率的你量身打造的！前沿技术，触手可及：本书聚焦于当下最前沿的AI数据分析技术，深度结合DeepSeek、豆包、智谱清言三大强大工具，将复杂的技术原理转化为通俗易懂的语言，即使是初学者也能轻松上手。无论是数据挖掘、机器学习，还是自然语言处理，书中都有详尽的讲解与实战案例，让你紧跟行业潮流，掌握核心竞争力。工具赋能，轻松上手：DeepSeek、豆包、智谱清言，这三大工具在数据分析领域各具特色，功能强大且易于操作。书中不仅详细介绍了它们的使用方法，还通过大量实例展示了如何将这些工具组合起来，发挥出1 1 1>3的强大效能。无论是初入职场的数据分析师，还是希望提升工作效率的资深从业者，都能在这本书中找到适合自己的学习路径，快速掌握这些工具的精髓，让数据分析工作变得轻松又高效。

前言

AI 浪潮席卷，DeepSeek 的崛起无疑是这场浪潮中最耀眼的浪花之一。 DeepSeek 以惊人的语言理解和生成能力，深刻地改变着与信息互动的方式， 从智能数据分析的流畅对话，到数据洞察的灵感迸发，再到数据分析报告生 成的效率提升， DeepSeek 正以前所未有的速度渗透到数据分析工作的方方 面 面。
然而，与其他任何强大的工具一样，DeepSeek 的数据分析潜力并不会自然 而然地释放。如何有效地引导这个智能巨人,使其产出符合期望的数据分析 结果，成为一个至关重要的问题。这正是本书诞生的意义所在。
DeepSeek 数据分析的核心理念简单而深刻：通过精心设计输入给DeepSeek 的指令可以有效地控制模型的行为，使其更好地理解数据分析意图，并生成更 精准、更具洞察力的数据分析内容。本书正是在这样的背景下应运而生，旨在 为读者提供一本全面而实用的DeepSeek 数据分析指南，从基础概念到高级技 巧，从理论框架到实践案例，力求帮助读者系统地掌握 DeepSeek 数据分析的核 心知识和技能，从而更好地驾驭 DeepSeek 的强大数据分析力量。
第1章，聚焦于DeepSeek 数据分析的基础知识，深入探讨什么是DeepSeek 数据分析、它能够解决哪些实际数据问题，以及当前DeepSeek 所面临的数据分 析挑战和局限性。理解这些挑战，才能更深刻地认识到DeepSeek 数据分析的重 要性。同时，详细阐述了构建有效DeepSeek 数据分析指令的要求和规范，包括 独立数据分析指令的六大有效性原则(明确性、相关性、简洁性、引导性、适 应性和创造性),以及场景化DeepSeek 数据分析框架STAR 原则的应用。通 过对这些原则的理解和运用，读者将能够构建出更精准、更有效的DeepSeek 数 据分析指令，为后续的实践打下坚实的基础。
第2章，深入探讨DeepSeek 数据分析的实际使用流程。从设定数据分析场景和目标开始，一步步引导读者思考如何明确DeepSeek的数据分析角色和技能、设定数据分析场景和需求、定义数据分析要求和任务、明确数据分析约束和限制，以及最终的数据分析交付和成果要求。通过一个完整的DeepSeek数据分析示例，读者将能够更直观地理解如何将这些要素融入实际的DeepSeek数据分析指令的构建中。此外，还将介绍DeepSeek数据分析多轮验证的重要性，包括一致性验证、类比性验证、否定性对抗和追问性对抗等方法，帮助读者更全面地评估DeepSeek数据分析输出的质量。最后，探讨DeepSeek数据分析结果确认的关键步骤，强调孤证不立和旁证不立的原则，引导读者进行更严谨的数据分析和判断。
第3～7章，聚焦于DeepSeek数据分析的具体应用，这是DeepSeek一个
极具潜力的应用方向。将分别介绍DeepSeek的描述性数据分析、推断性数据分析、预测性数据分析、聚类和分类数据分析，以及主成分数据分析等常用的数据分析方法，并详细讲解如何利用DeepSeek来辅助完成这些数据分析任务。每一章都将包含DeepSeek数据分析方法详解和数据分析过程解析两个部分，通过具体的案例和DeepSeek数据分析指令示例，帮助读者将理论知识转化为实际操作能力。随着DeepSeek在数据分析领域的应用不断深入，掌握利用DeepSeek进行数据分析的能力，将成为未来数据分析师的一项核心竞争力。
为了进一步提升本书的实践价值，特别设置了第8章和第9章，分别以客户购物行为数据分析和电商平台手机销售评论数据分析为案例，展示如何将前面章节所学的DeepSeek数据分析技巧应用于实际的业务场景中。通过详细的数据分析过程和DeepSeek指令示例，读者将能够更深入地理解DeepSeek数据分析在解决实际问题中的应用价值和潜力。
第10章，展望DeepSeek数据分析的未来之路。分析当前DeepSeek数据分
析的局限性，包括对DeepSeek能力的过度依赖、数据分析指令本身的局限性、DeepSeek数据分析过程的挑战，以及安全性和伦理问题。同时，积极展望DeepSeek数据分析的发展趋势和可预见的成果，包括如何克服现有挑战、增强DeepSeek的数据分析能力，以及拓展DeepSeek数据分析应用边界，最终重塑数据分析的未来。
本书的编写力求深入浅出，理论与实践相结合。希望通过本书能够帮助读者从零开始，逐步掌握DeepSeck数据分析的核心知识和技能，并能够将其应用于实际的工作和学习中，更好地利用DeepSeek的强大数据分析能力，提升效率，激发创新。
AI技术日新月异，DeepSeek数据分析领域也在不断地发展和演进。本书的出版并非终点，而是一个新的起点，真诚地希望读者能够将本书作为学习DeepSeek数据分析的敲门砖。
作者
2025年2月

徐小磊，毕业于南京理工大学计算科学与技术学院，工科硕士，研究方向为数据挖掘与智能系统。技术水平：15年数据分析和数据运营经验、前阿里巴巴数据、微软认证PowerBI数据分析、PMI-PMP项目管理、PMI-PBA商业分析专业人士认证、中国标准化协会（CAS）/项目管理专业人员能力评价等级认证、零一数科大数据研究院院长、知乎Lv.08级互联网领域创作者、拉勾教育/三节课/开课吧/嘉为科技数据分析课程讲师。影响力：2020年流量负增长-重构营销新增长蓝图峰会的特邀嘉宾、2022年CSDI中国软件管理技术峰会的明星嘉宾、2022年MSUP100案例峰会的特邀嘉宾、2023年K 软件研发行业创新峰会的特邀嘉宾、2024年AiDD软件研发行业创新峰会的特邀嘉宾。著有《运营之路：数据分析 数据运营 用户增长》一书。

利用AI进行数据分析-目录

目录
第1章提示工程基础知识5
1.1什么是提示工程6
1.1.1提示工程可以解决什么问题6
1.1.2大模型的缺陷7
1.2提示词的要求和规范10
1.2.1独立提示词要求：有效性六大原则10
1.2.2场景化提示词框架：STAR原则12
1.3本章小结14
第2章提示词的使用流程17
2.1设定场景和目标18
2.1.1角色和技能：你是谁/会什么19
2.1.2场景和需求：背景是什么22
2.1.3要求和任务：做什么26
2.1.4约束和限制：不做什么28
2.1.5交付和要求：成果要求29
2.1.6完整示例30
2.2多轮验证：假设和对抗33
2.2.1一致性验证34
2.2.2类比性验证35
2.2.3否定性对抗36
2.2.4追问性对抗37
2.3结果确认39
2.3.1孤证不立39
2.3.2旁证不立42
2.4本章小结45
第3章新手任务：数据的描述性分析48
3.1分析方法详解48
3.1.1分析数据的分布：平均数和中位数49
3.1.2分析数据的波动：方差和标准差50
3.1.3分析数据的异常：箱线图和异常值50
3.2DeepSeek实战指南：描述性分析51
3.2.1准备分析所需的提示词52
3.2.2案例1：电商销售数据分析53
3.2.3案例2：图书榜单数据分析59
3.3主流大模型描述性分析对比66
3.3.1豆包：洞察可嘉、精算不足66
3.3.2智谱清言：数策兼优、决策明智72
3.3.3腾讯元宝：算无遗策、动态决策78
3.3.4Kimi：分析失准、有待提高85
3.4本章小结93
第4章升级进阶：数据的推断性分析95
4.1分析方法详解95
4.1.1判断业务的归因：相关性分析96
4.1.2评判策略的效果：方差分析100
4.2DeepSeek实战指南：相关性分析107
4.2.1准备分析所需的提示词107
4.2.2案例1：电商销售数据分析108
4.2.3案例2：用户行为和粘性110
4.2.4案例3：不同年龄段的客群和评价的星级是否有依赖111
4.3主流大模型分析对比：相关性分析113
4.3.1豆包：表现出色、分析精准113
4.3.2智谱清言：分析到位、策略实用116
4.3.3腾讯元宝：表现稳定、分析透彻118
4.3.4Kimi：计算错误、有待提高120
4.4DeepSeek实战指南：方差分析122
4.4.1准备分析所需的提示词122
4.4.2案例1：促用户活跃活动是否有效果123
4.4.3案例2：不同播放时间和内容类型的播放量是否有差异124
4.5主流大模型分析对比：方差分析127
4.5.1豆包：分析有误、策略尚可127
4.5.2智谱清言：结论精准、分析透彻128
4.5.3腾讯元宝：分析到位、解读清晰131
4.6本章小结133
第5章提升难度：数据的聚类分类分析135
5.1分析方法详解135
5.1.1聚类分析136
5.1.2分类分析137
5.2DeepSeek实战指南：聚类分析138
5.2.1案例1：某公众号的关注粉丝画像138
5.2.2案例2：某产品的用户购买数据141
5.3主流大模型分析对比：聚类分析143
5.3.1豆包：聚类精准、策略清晰143
5.3.2智谱清言：聚类有效、分析深入147
5.3.3腾讯元宝：分析全面、策略精准151
5.4DeepSeek实战指南：分类分析154
5.4.1案例1：某产品的用户购买数据（RFM分类模型）154
5.4.2案例2：互联网用户的特征如何影响广告点击（逻辑回归）156
5.5主流大模型分析对比：分类分析158
5.5.1豆包：分类欠妥、策略尚可158
5.5.2智谱清言：分群清晰、策略笼统161
5.5.3腾讯元宝：分群有误、策略一般163
5.6本章小结165
第6章持续加码：数据的主成分分析168
6.1分析方法详解168
6.2DeepSeek实战指南172
6.3主流大模型分析对比175
6.3.1豆包：分析清晰、解读模糊175
6.3.2智谱清言：命名清晰、深度不足176
6.3.3腾讯元宝：相对笼统、结合不足178
6.4本章小结180
第7章终极挑战：数据的预测性分析182
7.1分析方法详解182
7.1.1基于时间序列的预测性分析184
7.1.2基于回归算法的预测性分析187
7.2DeepSeek实战指南：时间序列预测190
7.2.1准备分析所需的提示词190
7.2.2案例1：公众号粉丝预测分析191
7.2.3案例2：APP的客户活跃规模趋势预测193
7.3主流大模型分析对比：时间序列预测196
7.3.1豆包：分析合理、解读到位196
7.3.2智谱清言：预测合理、仍需验证199
7.3.3腾讯元宝：预测合理、解读清晰200
7.4DeepSeek实战指南：回归预测202
7.4.1准备分析所需的提示词202
7.4.2案例1：训练次数和成绩的关系（一元回归）203
7.4.3案例2：营销活动分析预测（多元回归）205
7.5主流大模型分析对比：回归预测207
7.5.1豆包：模型精准、解读清晰207
7.5.2智谱清言：模型正确、解读较弱210
7.5.3腾讯元宝：分析正确、简洁明了212
7.6本章小结214
第8章客户的购物行为分析217
8.1案例背景和提示词217
8.2详细分析过程218
8.3本章小结228
第9章电商平台手机销售评论分析230
9.1案例背景和提示词230
9.2详细分析过程230
9.3本章小结236
第10章提示词与提示工程的未来之路238
10.1提示词和提示工程的局限性238
10.1.1光环之下的阴影：对模型能力的过度依赖238
10.1.2精雕细琢的挑战：提示词本身的局限性239
10.1.3摸着石头过河：提示工程过程的挑战241
10.1.4不容忽视的警钟：安全性和伦理问题241
10.2提示词和提示工程的发展趋势和可预见的成果242
10.2.1克服现有挑战：从脆弱走向鲁棒，从黑盒走向透明242
10.2.2增强模型能力：从单一走向多模态，从理解走向创造244
10.2.3拓展应用边界：从特定领域走向通用人工智能，重塑人机交互的未来244
10.3本章小结245
结语：DeepSeek数据分析之旅的终点与起点247