Нейросеть для анализа данных

Нейросеть для анализа данных

8334
3
Время чтения: 6 минут
Содержание

Говорят, искусственный интеллект уже сейчас готов заменить копирайтеров, дизайнеров, разработчиков и художников. А как насчёт аналитиков? Я протестировала нейросеть для анализа данных. Если коротко: ИИ справляется с лёгкими задачами, а тяжёлые — это для людей.

Подпишитесь на Telegram OkoCRM
Новости команды OkoCRM, обновления в системе, полезные инструменты для продаж.
Перейти в канал OkoCRM

Возможности нейросети ChatGPT для анализа данных

ChatGPT — нейронная сеть, которую создали в компании Open AI. Она умеет обрабатывать данные, писать текст, отвечать на вопросы, находить ошибки в коде. Сервис даже помогает в обучении — расскажет как решать интегралы или сколько времён в английском языке. Хорошая штука и много чего умеет, поэтому в теории её можно использовать и для анализа.

ChatGPT можно использовать для анализа текста. Например, проанализировать отзыв клиента и ответить на него. Или попросить сравнить цифры и сделать вывод. Ещё искусственный интеллект умеет прогнозировать и находить аномалии в наборе данных. Но для этого его надо обучать. В целом ИИ умеет многое, но пока справляется с простыми заданиями.

Тестирование нейросети ChatGPT

Я провела 3 теста с несколькими уровнями сложности, чтобы проверить как нейронная сеть для анализа данных справляется с разными задачами. Тестировала так: даю задание и смотрю, как справляется искусственный интеллект. Все задания и ответы показываю. Эта статья без сложной информации о принципе работы нейронок, входном и вычислительном слоях. Тут только практика.

Проверка навыка SQL

SQL — язык программирования, который используют аналитики. Для SQL-аналитика важно знать этот язык и уметь обрабатывать большой объём данных. Сейчас проверим, что из этого знает и умеет CRM-система. В отличие от аналитиков и ИИ я в SQL не разбираюсь, поэтому проверять ChatGPT буду на примерах с решениями.

Взяла простую задачу и попросила ее решить. Вот, что получилось.

ChatGPT не только решает задачи, но и объясняет своё решение. Удобно, если нужна помощь в обучении.

А вот правильный ответ.

Правильное решение и ответ нейросети.

Будем считать, что с этой лёгкой задачей ChatGPT справился. Теперь нужно что-то посложнее.

Тут ChatGPT тоже объясняет решение.

А теперь сравним ответы.

А вот здесь в ответе есть несостыковки.

Решить задачу посложнее ChatGPT трудно. А что будет с уровнем хард? Даём ИИ задание уровня senior и вот, что получаем.

Решение кажется таким простым.

Но оказывается неправильным.

Вывод. SQL для ChatGPT сложноват. С простыми задачами справляется, но что-то посложнее уже не получается.

Проверка умения визуализировать и делать выводы из данных

Теперь посмотрим, поможет ли ИИ проанализировать данные отчёта из Яндекс.Метрики. Копирую информацию из этого отчёта.

И прошу ИИ проанализировать цифры.

Вот такой отчёт выдал искусственный интеллект.

Но это ещё не все навыки нейросети, можно попросить нарисовать график или диаграмму. ChatGPT не умеет рисовать, но напишет код, из которого уже можно получить график. Прошу его создать код для визуализации отчёта.

Вот что написал ChatGPT:

import matplotlib.pyplot as plt

# Create the data for the line chart
dates = ['2018-04-15', '2018-04-16', '2018-04-17', '2018-04-18', '2018-04-19']
clicks = [22, 49, 44, 51, 33]
impressions = [3282, 7493, 5773, 2268, 3511]
conversions_20002 = [2, 6, 5, 5, 4]
conversions_20003 = [2, 1, 0, 1, 1]
revenue_20002 = [110, 550, 550, 330, 330]
revenue_20003 = [224, 120, 0, 40, 200]

# Create the line chart
fig, ax = plt.subplots()
ax.plot(dates, clicks, label='Clicks')
ax.plot(dates, impressions, label='Impressions')
ax.plot(dates, conversions_20002, label='Conversions 20002_LSC')
ax.plot(dates, conversions_20003, label='Conversions 20003_LSC')
ax.plot(dates, revenue_20002, label='Revenue 20002_LSC')
ax.plot(dates, revenue_20003, label='Revenue 20003_LSC')

# Add titles and labels
ax.set_title('Trend of Clicks, Impressions, Conversions, and Revenue')
ax.set_xlabel('Date')
ax.set_ylabel('Number')
ax.legend()

# Show the chart
plt.show()

ИИ даже объяснил что будет на диаграмме.

Вывод. Анализ данных с помощью нейросети проводить можно. Искусственный интеллект сделал простой вывод по цифрам: какая конверсия у каждого из двух кампаний и какой показатель рентабельности. Но самое главное ИИ оценил, какая кампания эффективнее, и сгенерировал код для диаграммы.

Проверка, как нейросеть справится с задачей от Яндекса на должность маркетингового аналитика

ИИ очень долго пытался решить задачу от Яндекса, но даже с подсказками и готовым ответом ничего не получилось. Вот задача и первая попытка ее решить.

Нейросеть запуталась в задаче (или ее переводе) и в итоге получилось, что хомяк просто съел все орехи пока ходил туда-сюда и вышел в ноль.

Ещё одна попытка не дала результата. Жадный хомяк просто не может утащить 3000 орехов. А как же подъедать по дороге?

У ИИ не получается понять, что хомяк может взять орехи, сколько-то пройти и съесть, вернуться за добавкой. Даю подсказку и верю в лучшее.

Нейросеть не оправдывает мои ожидания. Ответ снова странный — 3984 ореха. Если помните, по условию их 3000.

Решаюсь на крайние меры — подсказать ответ. Но и это не помогает.

ChatGPT ведёт себя как школьник: что-то решает, вычитает, а потом просто подставляет правильный ответ в неправильное решение. Отличный метод. Округлить 2000 до 553 — это талант =)

Вывод. Нейросеть пока не возьмут на работу в Яндекс. Возможно, проблема возникла из-за перевода, так как я перевела задачу с русского на английский. На русском ChatGPT постоянно выдавал ошибку. Но, скорее всего, дело даже не в этом. ИИ не может понять логику решения задачи, поэтому и выдаёт ошибку. Правильный ответ — 553 ореха, но нейронная сеть к этому результату даже не приблизилась.

OkoCRM в Telegram
Подпишитесь на наш канал. Там полезные инструменты продаж и новости команды OkoCRM.
Перейти в канал OkoCRM

Часто задаваемые вопросы

Про ChatGPT уже известно много, но эти 2 вопроса всё ещё часто задают.

Сможет ли ChatGPT заменить аналитиков данных?

Пока не сможет. Возможно, спустя несколько лет искусственный интеллект обучат лучше, но сейчас нейросети очень поверхностные. Они справляются с самыми простыми задачами, например проанализировать информацию или сделать выводы. Сложные задания ИИ пока не по силам.

Вот, что об этом думает сам ChatGPT:

Хотя я являюсь высокоразвитой языковой моделью, способной обрабатывать огромные объемы данных и предоставлять аналитическую информацию, я не могу полностью заменить аналитиков-людей.

Аналитики-люди привносят в свою работу такой уровень критического мышления, креативности и сопереживания, который не может быть воспроизведен машинами. Они также способны привносить в свой анализ свой собственный опыт и знания.

Однако я, безусловно, могу стать ценным инструментом для аналитиков, помогая им обрабатывать и анализировать данные более быстро и эффективно. Я также могу предоставить дополнительные идеи и перспективы, которые могут быть не сразу очевидны людям-аналитикам. В конечном счете, я считаю, что наилучший подход заключается в объединении сильных сторон как людей, так и искусственного интеллекта для достижения максимально точного и всеобъемлющего анализа.

Может ли нейросеть ошибиться в анализе данных?

Да, может. Поэтому если используете ИИ, нужно перепроверять что она там проанализировала. Чаще всего нейросеть не ошибается в лёгких задачах, но и здесь желательно проверить её работу. А ещё ИИ очень чувствителен к заданиям. Во многом от формулировки запроса зависит, сможет ли он справиться с задачей.

Вот, что об этом думает ChatGPT:

Да, нейронная сеть может ошибаться при анализе данных, точно так же, как люди-аналитики могут ошибаться. Нейронные сети хороши ровно настолько, насколько хороши данные, на которых они обучаются, и алгоритмы, которые используются для их разработки. Если обучающие данные предвзяты или неполны, или если алгоритмы плохо разработаны, нейронная сеть может допускать ошибки.

Точно так же, как языковая модель искусственного интеллекта, я также способен допускать ошибки при анализе. Хотя я прошел обучение на огромном количестве данных и владею сложными алгоритмами, я не непогрешим. Существует ряд факторов, которые могут привести к ошибкам, таких как неполные или неточные данные, двусмысленные или нечеткие формулировки или сложность требуемого анализа.

Однако я должен отметить, что, хотя ошибки возможны, моя общая точность довольно высока, и я был создан для того, чтобы постоянно учиться на своих ошибках и совершенствоваться.

Подытожим

✅ ChatGPT можно использовать для анализа данных. Например, дать ему цифры, он сделает обработку и напишет вывод. Может даже написать код для графика.

Со сложными аналитическими задачами ИИ пока плохо справляется, часто ошибается. Здесь применение искусственного интеллекта пока ограничено. Многое зависит не только от нейросети, но и от точности запросов. Пока нейросети обучают работать без ошибок, нам надо учиться правильно и понятно формулировать для них задания, чтобы в дальнейшем работать вместе.

Новости OkoCRM в Telegram
Узнавайте первым про обновления и полезные инструменты продаж. Учим, как надо работать в системе. Собираем фидбек и делимся новостями.
Канал OkoCRM
Наверх
Мы используем cookie для вашего удобства. Используя сайт, вы соглашаетесь с этим. Подробнее - в политике конфиденциальности.
Я согласен