「如何利用AI進行數據分析？」
這週AI學習圈上架「AI數據分析」課，自己在準備這門課時，赫然發現Claude在數據分析原來這麽好用。
數據分析通常可以分成「描述性分析」、「診斷性分析」、「預測性分析」，因此整門課程就以這三個框架來教學
以下來簡單說明怎麼做（但是文有點長😆）
【資料安全作業】
在使用AI進行數據分析前，要先確保資料安全問題，如果是高敏感資料並不適合，中低敏感資料記得「脫敏」、「去識別化」。
如果手邊沒有合適的資料，課堂中也有提供模擬銷售資料來做練習。
【描述性分析】
確保資料安全後就能先進行描述性分析，請AI呈現資料的樣貌與細節。
首先，我先請Claude撰寫描述性分析的Prompt，再將Prompt跟銷售數據放入丟入AI進行分析。
用AI撰寫指令是我認為善用AI一個非常重要的技巧，因為指令的好壞直接影響到產出。而AI撰寫的指令完善度極高，就連我身旁的教授都說難以企及。
果不其然，最終Claude直接產出了一份書面報告，包含時間趨勢分析、產品分析、地域分析、通路分析、行銷活動分析，完整程度讓我嚇到
接下來，為了讓呈現更加清楚，我進一步請Claude幫我製作成了Dashboard，僅僅一句指令，Claude很貼心的幫我做出了儀表板小網頁
【診斷性分析】
透過描述性理解資料之後，接著繼續從中挖掘洞見。
做法很簡單，我請Claude扮演「資料商業分析師」：
- 先列出整份資料5個最重要的發現
- 再跟據每個發現提出2個值得追問的問題
- 最終按重要性進行排序。
不得不說這位「AI商業分析師」真的不錯，提出的問題都蠻到位的🤣
除此之外，我們還能善用「頂尖顧問的智慧」。
我先用Deep Research整理了「麥肯錫、Bain、BCG」解決問題的步驟、以及根據不同營收狀況常使用的框架，生成了一份萬字的「頂級顧問智慧寶典」。
接著再將這份「頂級顧問智慧寶典」跟「銷售數據」一起丟入Claude，請Cluade遵循寶典中的指示，進行問題拆解、歸因分析、最終提出策略洞見。
此外，我們也可以使用「RFM」、「同期群分析」「購物籃分析」等常見的數據分析框架，讓AI按照框架進行分析診斷。
【預測性分析】
最終，我們可以根據歷史數據，針對未來做預測，甚至進行情境模擬
在課堂中，我們的銷售數據被診斷出「折扣嚴重侵蝕利潤」，因此我們利用AI進行敏感性分析，估算折扣調動對毛利的影響，以此找到最佳折扣點。
接著，再請AI使用情境分析，個別描繪出未來悲觀、基準、樂觀的營收狀況。
因應最近的關稅問題，課堂也同步示範使用AI計算關稅波動對於品牌可能受到的影響
由於我們扮演的是「進口美妝品牌」，並非關稅戰主要產品類別。但AI仍然提醒關稅可能透過「匯率」、「供應商轉嫁成本」、「供應鏈成本」，間接拉升進口成本，並同樣給予悲觀、基準、樂觀三種情境。
—
透過AI進行數據分析，只要指令下得夠好，分析完善度、分析速度、儀表板視覺化、都做的遠比一位資深商業分析師還好。
若能結合AI工具的能力，再搭配人類既有的判斷智慧，就能幫助我們更快地發掘問題、找出洞見、敏捷調整。
上面的做法值得大家自己嘗試看看，當然也歡迎大家加入AI學習圈，跟著我們一同學習
揚博AI學習圈
