嘿，各位数据分析爱好者和 Excel “困难户”们，我是 Axton！今天我要给你们带来一个激动人心的消息：ChatGPT 的数据分析功能迎来了一次重磅升级！这意味着，无论你是数据分析新手，还是希望提升工作效率的专业人士，都有了一个全新的、强大的帮手。现在，你可以直接上传 Excel、Google Sheets 表格、CSV 文件，甚至直接授权 ChatGPT 访问你 Google Drive 或 OneDrive 中的数据，让它帮你完成数据合并、清理、创建精美图表，乃至发现数据背后的深刻洞察。这可不仅仅是小修小补，而是真正打通了数据分析关键三大步骤的任督二脉。
ChatGPT 数据分析功能焕然一新：告别繁琐，拥抱智能
ChatGPT 的最新升级使其数据分析能力实现了质的飞跃，能够系统性地处理从数据准备到洞察发现的全过程。 为什么这么说呢？因为过去我们可能需要多个工具、复杂的公式和编程知识才能完成的任务，现在 ChatGPT 几乎可以一站式搞定。它不仅能理解你的指令，还能主动提供分析建议，这对于我们这些追求效率的人来说，简直是福音。想象一下，那些曾经让你头疼不已的数据清洗、图表制作，现在都可以交给 AI 轻松处理，我们则能更专注于从数据中挖掘价值。
轻松上手：连接你的数据源
新版 ChatGPT 提供了多种便捷的数据接入方式，无论是云端还是本地文件，都能轻松连接。 我在实际操作中发现，整个连接过程非常顺畅。进入 ChatGPT 网页后，点击对话框左侧的文件夹图标，就能看到连接 OneDrive 和 Google Drive 的选项。我之前已经连接了 Google Drive，所以它直接显示”从 Google Drive 添加文件”。
连接云端存储
为了给大家演示，我尝试连接了我的 OneDrive 账户。过程非常简单，只需输入微软账户信息，授权 ChatGPT 访问，几秒钟后，账户就成功连接了。这样一来，我就可以直接从 OneDrive 中选取需要分析的 Excel 文件，比如我存放 YouTube 频道数据的表格。
上传本地文件
当然，如果你更习惯将文件保存在本地，也可以直接从电脑上传。这种灵活性使得数据导入不再是分析的第一个障碍。
数据清洗与规整：AI 如何化繁为简
数据清洗往往是数据分析中最耗时且最关键的一步，而 ChatGPT 在这方面展现了惊人的智能。 我选择了一个包含我的 YouTube 视频 ID、标题和各项播放数据的 Excel 文件作为示例。上传文件后，我给出的第一个指令是：”我要分析我的频道数据，请你先对 Excel 表进行数据清理工作。”
ChatGPT 加载表格后，界面非常友好。左侧是可交互的数据表格，右侧是对话框。表格上方还有三个实用按钮：直接在 Excel Online 中打开、下载到本地，以及一个放大功能，可以将表格铺满左侧屏幕，方便对照操作。
智能识别与处理
我的原始数据中，第一行其实是表头，但在制作时未规范设置；此外，还有一行”总计”数据，对分析无用。让我惊喜的是，ChatGPT 自动识别并正确处理了这两点：它将第一行设为表头，并删除了原有的空表头行和”总计”行。不仅如此，它还主动识别并询问是否删除那些没有数据的空列。这种主动性，正是 AI 辅助数据分析的魅力所在——它不仅执行操作，更懂得如何正确操作。
交互式调整与格式化
在数据清理过程中，我发现 ChatGPT 能够实时跟踪我的鼠标选择。比如，原始表头是英文的，我不太习惯，于是选中表头区域，让它”把表头改成中文”。瞬间，”Video ID” 变成了”视频 ID”，”Video Title” 变成了”视频标题”，非常直观。对于一些包含多位小数的观看时长数据，我让它”取整”，它也迅速完成了对整列数据的处理。同样，视频发布时间的格式也不符合中文阅读习惯，我要求它改成”年/月/日”的格式，它也完美执行，并且智能地应用到了整个”视频发布时间”列，而不是仅仅我光标所在的单元格。这些细节让我不得不再次赞叹 AI 的便捷，我们几乎无需再去记忆繁琐的 Excel 公式了。
图表制作与洞察发现：让数据开口说话
清理完毕的数据需要通过可视化图表来揭示其内在规律，ChatGPT 在此环节同样表现出色，能够生成多种类型的图表，并支持一定程度的定制。 我首先问它：”基于此数据表，你可以生成哪些有意义的分析图表呢？”它给出了一些建议，我选择尝试制作一个”点赞率和观看数的关系图”，并特别要求”使用看起来最酷炫的图表类型，色彩柔和透明，不要使用太单调的折线图或者柱状图”。
解决中文显示难题
它很快生成了一个颇具专业感的散点图，并加入了回归线。但一个小问题出现了：图表中的中文表头和图例都变成了方块。这其实是个老问题，我在之前的视频中分享过解决方法——上传一个中文字体文件。于是，我上传了阿里巴巴普惠体，并告诉 ChatGPT：”我给你上传了一个中文字体文件，让你用中文字体重新来绘制图表。” 问题迎刃而解，图表上的中文都正确显示了。
探索交互式图表与数据透视表
接着，我希望得到可以交互的图表，比如一个”视频表现排行榜，视频要进行分类展示，图表可以交互”。它尝试使用 Plotly 库，但初次并未成功，而是给出了 Python 代码。这提示我们，虽然 ChatGPT 功能强大，但其运行环境仍有一定限制。不过，在重新开启一个会话并上传了之前清理好的数据后，它成功生成了可交互的图表。当鼠标悬停在图表的不同位置时，会显示对应的数据点信息，还可以切换为静态图表，调整颜色，或者放大查看。
数据透视表是很多 Excel 初学者的噩梦，我也让 ChatGPT 尝试了一下。我要求它”按标题汇总，但是视频的标题要你分成类别”。它很快就生成了按视频类别（如 AI、ChatGPT 等）汇总的点赞数、观看数等数据的透视表，清晰地显示出我的频道中 AI 和 ChatGPT 相关内容最受欢迎。
本地生成高级图表：桑基图的魅力
我还想看看它能否生成更复杂的桑基图（Sankey Diagram）来展示数据流向。虽然 ChatGPT 的在线环境无法直接显示桑基图，但它提供了生成桑基图的 Python 代码。我将代码复制到本地 Python 环境中运行，并使用了它之前处理好的数据透视表结果，成功生成了一个非常漂亮的桑基图，直观展示了不同类别视频的流量和互动情况。这说明，即使某些高级功能无法在 ChatGPT 界面直接实现，它提供的代码也能帮助我们在本地完成。
完整视频请点击观看：
挑战极限：当 ChatGPT 邂逅海量数据
为了测试 ChatGPT 处理大型数据集的能力，我进行了一些更有挑战性的尝试。 OpenAI 的文档提到它可以合并和清理大型数据集，我对此非常好奇。
加密货币数据分析
首先，我上传了一些加密货币的历史价格数据（由于一次最多上传十个文件，我随机选择了几种）。ChatGPT 迅速生成了基本的价格趋势图。更有意思的是，我让它分析不同加密货币之间的价格相关性，并生成了热力图。从图上可以清晰看到，比如比特币和比特币现金之间存在强相关性，而比特币与某些稳定币的相关性则较低。我还进一步追问它能否进行不同加密币的组合投资分析，它生成了一个投资组合的有效前沿图，图中每个点代表一个随机生成的投资组合，颜色则表示其夏普比率——一个衡量风险调整后收益的指标。虽然这些分析还比较基础，但足以展现其潜力。
Spotify 海量歌曲数据实战
接下来，我给它抛出了一个真正的”大家伙”——一个包含了从 1921 年到 2020 年 Spotify 平台所有歌曲信息的数据集。这个数据集由两个 CSV 文件组成，其中一个主文件就有 114MB，包含近 58.7 万行数据和 20 个列。上传过程需要一些时间，毕竟数据量不小。
上传完成后，我先让它确认数据集的行列数量。然后，我上传了另一个包含艺术家信息的辅助文件，并询问这两个文件之间是否存在关联。ChatGPT 成功识别出了它们之间的关联，并按照我的指示尝试合并这两个数据集。考虑到数据量，这是一个颇具挑战性的任务，但它居然成功完成了合并！虽然合并后的完整数据集因为过大没有在界面中完全展示出来，但能完成合并本身已经非常了不起了。最后，我让它根据这个庞大的数据集绘制一幅它认为最有意义、最能吸引人的分析图表。此时，它似乎遇到了一些资源瓶颈，未能直接展示图表。这表明，尽管能力大幅提升，但在处理超大规模数据并进行复杂可视化时，目前的在线环境仍有其局限性。
我的定制 GPT：一键开启你的数据分析之旅
为了让大家能更轻松地体验这些强大的数据分析功能，我专门制作并分享了一个定制版的 GPT。 考虑到 GPT-4o 目前已向所有用户免费开放，大家都可以无障碍地使用这个定制 GPT。更贴心的是，我已经将视频中用到的中文字体文件预置到了这个 GPT 中，所以用它生成的图表可以直接显示中文，省去了大家手动上传的麻烦。
使用这个定制 GPT 非常简单，你只需把需要分析的数据文件提供给它，它就会像一位经验丰富的导师一样，一步步引导你进行数据清理、分析和可视化。它还会提供可交互的图表，并且所有图例都能正确显示中文。在分析过程中，它还会给出下一步操作的建议按钮，你只需点选即可。希望这个小工具能为大家的数据分析工作带来便利。
全局性核心要点总结
在我看来，ChatGPT 这次数据分析功能的升级，为我们带来了几个核心价值。首先，它极大地降低了数据分析的门槛，即使是不熟悉 Excel 复杂功能或编程语言的朋友，也能借助 AI 完成许多过去难以想象的数据处理与分析任务。其次，AI 在数据清洗、格式化等重复性工作上的高效率，能让我们从繁琐的事务中解放出来，更专注于业务理解和洞察提炼。再者，其生成多样化、可交互图表的能力，使得数据故事的呈现更为生动直观。当然，我们也看到了它在处理超大规模数据集时仍有提升空间，但这无疑指明了未来的发展方向。最重要的一点是，它促使我们思考，当基础操作被 AI 代劳后，数据分析师的核心竞争力将更多地体现在提出正确的问题、解读分析结果并将其转化为商业价值的能力上。
独特深度洞见
这次 ChatGPT 在数据分析领域的进化，不仅仅是工具层面的革新，更深层次地，它正在重塑我们与数据互动的方式以及数据分析师的角色定位。过去，数据分析师需要花费大量精力在”术”的层面——学习复杂的软件操作、编程语言和统计模型。而现在，AI 正逐渐接管这些”术”的部分，这意味着数据分析师可以将更多精力投入到”道”的层面——即深刻理解业务需求，提出有价值的分析问题，批判性地解读 AI 生成的结果，并最终将数据洞察转化为驱动决策的智慧。这无疑拉高了对数据分析师综合素养的要求，但也为那些能够驾驭 AI、专注于价值创造的专业人士打开了更广阔的职业发展空间。AI 不是取代者，而是赋能者，它让我们有机会成为更聪明的”提问者”和”决策者”。
