作為一名數據分析師，我們的主要責任是洞察業務，給出有效可執行的解決方案。

可現實是，數據的整理、工具的操作成本、編碼時間等占據了我們太多的時間，反而在思考數據價值上面能用的時間有限，畢竟一個分析項目的時間是一定的，往往都是“很著急的分析項目”，你懂？

用28原則來解釋，就是我們80%的時間干了自己覺得很有用，而領導和業務覺得只有20%的價值的事情。

數據分析中每一個細節都需要去從數據中探索尋找業務發生了什么？為什么發生？這種狀況會持續多久？我能給出的方案是什么？如何來衡量價值呢？

先說說我的看法：

1、不完全替代型

工作中以解決問題為主的分析師，他們重要的作用是給出的解讀、觀點、方案，而不是各種數據圖表、模型、代碼，這個GPT做不到。

2、完全替代型

工作中以工具為生的分析師，比如只會用SQL、python、tableau等來做數據的提取、處理、呈現，很少做需求溝通、業務匯報討論，與業務和領導都離得比較遠的人。

當然有人擔心數據安全，但記住現在只是GPT時代的雛形，以后肯定要去解決，這都不是問題。

接下來看看GPT能幫分析師哪些事情？我們先問問GPT吧

看完之后我下了一身冷汗，太強大了！心里想我還是問你哪些不能做吧？那它到底能做哪些呢？我們一起來驗證一下

注意：以下只是簡單的舉例，其實可以做的更好

第一：當面臨新的業務或者分析需求時，GPT可以給出我們初步的想法，讓我們可以進一步做一些創新、可落地的分析體系和框架

比如問它：

假如你是一名互聯網行業的數據分析專家，我想做一個抖音的分析體系，請幫我建立一下，詳細描述

人間10年，GPT一秒

第二：分析項目規劃和啟動時，可以輔助我們做一些項目的規劃，比如人員的分工、項目進展以及需求排序等等

比如問它：

假如你是一名優秀的項目經理，現在要做一個關于用戶增長的分析項目，團隊有3個人，要求一周完成，請幫我做一個項目詳細的計劃

可以讓輸出表格，做細致精確，舉例而已

第三：幫我們做一些報告、數據的解讀和提煉，也常被大家稱為桌面研究或者案頭研究，畢竟讀取大量的報告和數據，才能讓自己更好的看到行業、看到商業的邏輯和要素

這個之前演示過，有興趣的可以去看：用GPT幫你分析文檔，爬網站，據說還基于Chat GPT4.0模型

第四：GPT可以幫助我們寫常用的編程代碼，比如SQL、Python

比如問它：

現有一張用戶行為表user_log，主要字段如下，記錄了用戶在app上的所有行為日志，即何人user_id在何時event_time進行了什么操作event_id  幫我計算該app每天的訪客數以及每天人均行為次數，分別用sql和python

你服不服？

第五：GPT可以協助、引導我們使用Excel中的常用的函數、透視表以及VBA等

比如問它：

模擬一組數據，幫我輸出excel中條件格式、自定義排序、數據驗證制作下拉菜單、查找引用類函數、文本提取函數等等技能。

怕了嗎？會自我學習應用

最后我們回到主題，相信大家會有自己的判斷，它雖然不能直接替代分析師，然而卻讓很多初級分析師生存空間變得越來愈小，競爭越來越大，更可怕的是它會讓使用它的人變得越來越強。