资源介绍
视频数量：42个
总时长：4小时28分
课程介绍：
用生成式人工智能重塑数据分析工作流
打开一份从数据库导出的CSV文件，上千行密密麻麻铺在屏幕上。打开Excel，筛选几次，关掉图表又重新打开。真正的问题从来不是数据不够，而是还没想清楚该问什么。等理出头绪，下一道难关又冒出来——怎么把发现讲给经理，让他愿意做出决策？
如果你是数据分析师、商业智能工程师，或者对数据感兴趣的产品经理，上面的场景大概率戳中过你。数据本身不难，难的是从问题定义到代码编写、从洞察提炼到沟通汇报这一整套链路，每一步都在消耗精力。生成式人工智能的出现正在悄悄改变这条链路的运作方式。
这门课讲的是怎么把ChatGPT和Gemini真正嵌入数据分析的每个环节，让你把时间花在创造价值的思考上，而不是被技术细节卡住。整门课以CRISP-DM（跨行业数据挖掘标准流程）为主线，覆盖业务理解、数据理解、数据准备、建模、评估、部署六个阶段，看清楚生成式人工智能在每个环节能扮演什么角色。课程共四个模块、42个视频，总时长四个半小时，下面按顺序聊聊每部分具体学什么。
一、生成式人工智能与分析工作流的基础：
第一个模块打底，建立对生成式人工智能的正确认知，讲清楚传统AI和生成式AI的区别，分析工作流怎么运转，以及分析师在把业务意图翻译成分析结果时扮演什么角色。关键概念是——大语言模型不只是代码生成器，更是分析师的思维伙伴。在问题模糊、数据杂乱的早期阶段，LLM能帮你更快地理清方向。
工具用ChatGPT、Gemini和Google Colab三件套。专门的演示带你在Colab里一步步配置Gemini环境，上传SQLite数据库并预览表结构。提示词设计也是重点，课程讲清质量为什么直接影响输出，以及ChatGPT和Gemini在问题框架、代码生成上的不同用法。LLM使用模式被总结成四种：探索、验证、执行、沟通，后续每个模块都会反复用到。
二、把生成式人工智能嵌入分析全流程：
第二个模块把AI拆开揉进CRISP-DM的各个阶段。
业务理解和数据理解阶段，你会学到用ChatGPT结合领域知识探索数据，用Gemini结构化分析思路。比如拿到员工利用率和利润率的数据，怎么让AI帮你快速搭出分析框架，而不是从零开始想。
数据准备和建模阶段，演示用Gemini在Colab里生成SQL和Python代码、搭建预测模型，以及用ChatGPT解读模型输出。实用技巧是提示词迭代优化——第一版输出可能粗糙，几轮迭代下来质量明显提升。
评估阶段关注准确率、可解释性和对AI输出的信任。课程演示用Gemini做模型验证、用ChatGPT批判性审视输出。AI生成的东西不能照单全收，必须有审阅环节——这里教的就是怎么用AI检查AI。
到了沟通和部署阶段，展示用Colab生成自动化报告，让ChatGPT和Colab配合写出给不同受众看的汇报材料。分析师的核心不是出模型结果，而是把结果转化成决策者听得懂的语言，这一节会教你怎么用AI做数据叙事。
模块二配了两个动手实验：一个从业务问题出发走完提示到第一版SQL和Python洞察，另一个做员工利用率对利润率分析，每个实验都有PDF手册可以跟着做。
三、行业应用与治理实践：
第三个模块把视角拉高，看AI在真实行业里怎么落地。课程用Gemini做了行业案例模拟，又演示了把ChatGPT当作分析师顾问来用。比如在制造业语境下，AI怎么帮优化流程、提升质量控制。这些案例不是PPT概念，而是带着具体场景的演示。
治理是这个模块的另一条主线。生成式AI再强也需要审计和管控。课程讲了怎么在CRISP-DM每个阶段嵌入治理实践，包括用Gemini做审计和控制、用ChatGPT审计提示词和输出结果。这部分对在企业里做数据工作的人尤其重要——你不能只用AI，还得能解释AI做了什么、为什么这么做、符不符合合规要求。模块三的实验是端到端工作流：执行、治理、批判性审视，从拿到数据到输出报告全程用Gemini跑一遍。
四、规模化与未来准备：
最后一个模块讨论怎么把生成式AI融入现代分析技术栈、扩展到团队层面，给出了一些规模化最佳实践，比如建立可复用的提示模板库、管理不同项目中的AI使用规范。课程附赠了一份关于AI治理的白皮书，以及一个收官项目——"用生成式AI驱动成功的数据分析"，需要独立完成端到端任务，把前面所有内容串起来。
学完这门课，你会拿到几样实实在在的东西。一是对CRISP-DM框架的深入理解，知道每个阶段怎么用生成式AI提效。二是熟练掌握ChatGPT和Gemini在分析场景下的具体用法，包括提示工程、代码生成、模型验证、报告撰写。三是建立AI治理意识，知道怎么审计和管控AI的使用，这在企业里越来越成为硬要求。最后是动手能力——四个实验加一个收官项目让你不只是看演示，而是真正上手做一遍。
适合人群很明确：日常和数据打交道的数据分析师、希望提升效率的商业智能工程师、负责数据决策但缺乏技术背景的产品经理或业务分析师，以及对生成式AI怎么改变数据工作充满好奇的学习者。如果已经在用Python或SQL做基础分析，这门课让你事半功倍；如果还没用过AI工具，也能获得完整的入门路径。不需要你是机器学习专家，课程从基础概念讲起但密度不小，每节都有实操演示和动手任务。
四个半小时看完，面对新数据时脑子里会多出一条清晰的流程线，而不是盯着屏幕发呆。