ChatGPT 能代替数据分析师吗？

最近我在看《今日头条》的时候，无意点击看了AI 聊天机器人的ChatGPT的文章，结果算法一下子就给我推送了很多相关的文章和评价。

哇，那是一个热捧啊，我类举一下热门的主题：

美国的中学生拿ChatGPT写作业，老师头疼；

美国的大学生拿ChatGPT 写论文，而且只要一个题目和论文简单要求，就能生成洋洋N千字的论文；

美国的大学教授吐槽很难分别作业哪些是学生自己写的，哪些是ChatGPT写的；

华裔程序员让ChatGPT 修改一段代码，结果ChatGPT “创造”了新的代码，居然运行成功；

…...

还有一些文章不知道是贩卖焦虑还是蹭热点，主题也是很抓眼球：

ChatGPT 将掀起一场职场革命！

ChatGPT 未来将取代这些职位！

小心了，取代你的不是你的对手，而是ChatGPT

…….

尤其是“ChatGPT 中国应用社区”发表文章的这个主题，让我看了有些莫名其妙：

另外还有这个

我之所以感觉莫名其妙，甚至感觉有些质疑，就是在于上述观点中有个职业——数据分析师，是个我所热爱的，而且很多时候都要有独创思维的工作，它居然会那么容易被ChatGPT 取代？

要知道数据分析师不是简单的拿数据做一些饼图和条形图完事儿，它要求一个数据分析师必须熟悉业务场景，并且将业务场景抽象提炼成各种数据模型，并进行分析、洞察、探测因果关系，并提供相应的改进建议，甚至要成为项目经理去落地那些建议。

如果数据分析师就是拿个数据做个表格和饼图，那他顶多算个图表生成器而已。

我在Excel或者Python、R，预先写好些宏、代码，例行点击运行就可以了，

也用不着ChatGPT啊！

于是我觉得很想要试试这个ChatGPT，看看它在数据分析领域有多厉害，能够取代数据分析师这个职业？！

于是我快速到OpenAI网站用Google邮箱注册了一个ChatGPT账号，开始了我的测试之旅。

一、中文门槛测试

首先，我得了解它是否习惯中文，于是我问

好，那看样子它可以用中文和我交流。

二、简单的数学计算测试

我打算先试试它经过大量的训练后，对一些简单的数学逻辑有哪些反应。

因为以前我听过，人工智能，就是有多少人工，就有多少智能。

嗯，看了它的回复，感觉还不错

第3种答案其实是我内心已经知道的，并且期待能出现在出来。

而且ChatGPT除了第3点外，还回答了更多的场景，说明训练的还不错。

但

我觉得1+1的问题是一个高频问题，很容易被训练样本采集器采集到，所以我换了个不常见的题目。

继续提问如下

果然，它的回答开始出现瑕疵了。

在第一点，布尔代数的回答用在我之前1+1的问题是可以，因为布尔代数里面含1。

但是布尔代数中只有0和1两种值，因此不存在4×9的场景。但Chat GPT仍旧生搬硬套布尔代数来回答，还做了个结论：’因此4×9可能不等于36’。

这结论放在布尔代数的范畴内，就很牵强附会。

第二点，在不等式的情况下，为啥4×9不一定等于36？

是4×9＞36还是4×9＜36?! 

哪怕是4×9≥36中，也包含了“=”在里面啊！

我于是继续追问，为什么它会这么回答

结果，悲催了

我去，居然被我问的出故障？！

那可能读者会问了，你说说看，啥场景下4×9≠24？

其实这个问题的答案并不难，在十六进制下，4×9=24，不等于36。

当然我相信还有更多场景。

于是简单2个问题测试，我就问出了ChatGPT的一个存在问题：训练量不够。

就这水平还想替代数据分析师？！

三、数据分析专业领域的入门级测试

我继续问一个和数据分析相关的专业知识，准备先问个入门级的，看看它在这个专业领域的算法学习和训练得如何。

假设有2组数，X组{12,15,16,19,22,26}和Y组{22,25,28,33,36,39}，请问它们之间的Pearson相关系数等于多少？

乍一看，不错哦，回答过程貌似很牛的样子。

还有具体的计算过程

还分步骤讲解呢！

但

我用Excel计算了一下，不对啊，答案是0.9837825啊！

难道我眼花？

为此我还专门再查了一下Excel的帮助文档和维基百科，确保了我验证的计算公式没错！

其中Excel的帮助文档是这样介绍Pearson相关系数函数CORREL()的

上图最下面的数学公式就是Pearson相关系数

我于是又查了下维基百科，

确认过眼神儿，公式没错！

但

我还是不放心，用统计专业的R语言计算相关系数，并且指定计算方法用Pearson相关系数

但结果还是支持Excel的计算结果

我勒个去！

ChatGPT 算错就算错了，还那么有条不紊，还那么装模作样！

头一次见到这么人工智能一本正经忽悠人做数据分析的！

我仔细一检查，原来ChatGPT有3个地方一开始就算错了！

第一个是Σxy，第二个是Σx²，第三个是Σy² 这三处算错了。

正确的计算结果应该分别是3520，2146, 5779

对于ChatGDP的能耐，我大约知道些底了！

根本没有传说的那么神。

但它又会有多不靠谱呢？

我就这刚才的问题接着问

如何添加2个数到X组和Y组去，让它们的Pearson相关系数降到0.5以下？

有了上一次的教训后，我可没有被它一本正经的样子所骗

因为它原先的计算错误逻辑，一直继承到了第二个问题中，所以我闭着眼睛都知道这结果是错的。

不信用Excel检测下：

果然！

ChatGPT的回答看上去很专业，其实答案是错的！

以下是Excel的检验结果

ChatGPT的答案是-0.184，Excel的答案是0.858402！

保险起见，我又用R 又检查了一下，确定ChatGPT是在一本正经地撒谎！

那正确答案是啥呢？添加啥数字能让它们的相关系数比0.5还低呢？

作为数据分析师，我轻松回答这个问题：其实正确答案很多。

先说如何实现的原理：

想要Pearson相关系数变小，只要朝着“线性不相关”的方向走就行。

什么是“线性不相关”，就是说，相同的X场景下，出现了2个或多个不同的Y，并且他们之间的差异非常大。

例如我的答案，就是X组里放一个出现过的数19，Y组里放一个2000（不用很大），他们的Pearson相关系数一下子就掉到0.1都不到了。

具体检验如下

四、带业务背景的数据分析能力测试

接下来，我再准备测试下，ChatGPT 对带有业务场景背景的数据分析问题，有没有能力回答？

因为数据分析师最经常处理的数学或者数据问题，都是发生在具体的业务上面的，如果没有对业务的理解，数据分析师的分析报告是苍白无力的。

“假如你在哥伦比亚首都房间的饮水机坏了，检查后发现是一款机械温控器不工作了。上面有个参数85。现在准备把它带到玻利维亚首都拉巴斯去更换新的机械温控器，并留在玻利维亚使用。到五金店去买时，这个参数应该选择下面那种？A. 80，B. 90，C.85，D,100

说实话看了它的这个回答，我放心了：

ChatGPT其实根本不懂业务，就只是个聊天机器人。

它的答案中，除了85这个数值不算严格说错外，其他剩下的文字放到真实的业务中其实就非常不专业、不合理。

最合理的答案应该是80。

为什么这么说？

机械温控器的参数85，指的是温控器工作的温度阈值是85℃。

因为哥伦比亚首都波哥大的平均海拔2800米，不加压的情况下水是烧不到100℃的。

饮水机都是不加压的，所以饮水机烧不到100℃的开水。

所以，根据流体静力学公式和克劳修斯-克拉伯龙相态公式、理想气体状态方程，海拔高度和水沸点的关系式

计算得到，哥伦比亚首都波哥大的水沸腾温度大约为91℃

因此在那里的饮水机的工作阈值设定为85℃是合理的，因为如果不考虑一些容错空间的话，假如设定为90℃差不多刚刚好，会出安全隐患：

这台饮水机在波哥大山地的景区里使用的话，海拔高度就会超过2800米，例如去到3500米，那么水的沸点就会低于90℃，这台饮水机的温控器就会因为水达不到90℃而不停的加热，甚至干烧！最终会产生安全隐患。

接下来，通过查阅百度百科，玻利维亚首都拉巴斯的市中心海拔达到了3600米，机场高度为4200米，比哥伦比亚首都波哥大海拔还高。

根据前述的水的沸点和海拔高度的公式，在市中心和机场如果用这台饮水机的话，水的沸点分别是88.5℃和86.5℃。

理论上用85参数的机械温控器是可以的。

但，实际业务中一定要考虑容错，因为每个产品都有功能上的误差，温控器的工作温度阈值±5%都很正常。

上面的88.5℃和86.5℃2个值剔除掉这些容错误差后，温控器工作温度是最低理论计算值为82℃。

出于“料敌从宽”的安全思维考虑，如果没有82参数的温控器，那么应该选比它低的。因此买参数为80温控器，也就是选A是最合理的。

而这，并不是像Chat GPT那样，‘按照之前的参数买’是最合理的。

有人可能不服，说Chat GPT 诞生在美国，而且全球接受的训练都是英语环境。

它还没有那么多中文的训练，你用中文问是欺负人！

是吗？

我一开始也是这么担心，直到我把刚才的题目用英文去问，Chat GPT的答案还是一样不专业

五、带文学学术背景的数据分析能力测试

数据分析师除了要应对具体的业务背景下的问题，还要能有解决学术问题的能力。因为一定的学术能力可以激活数据分析师的创新思维。

我的问题是这样的：

假定虚词的使用是一个人的“写作风格指纹”，请在这个假设前提下，计算并分析下《红楼梦》的作者一共有几个人，他们分别写了哪些章节？

看了ChatGPT的回复，一开始我还是觉得它还是有思辨能力的，居然对我的假设前提有异议，我略微有些惊讶。

但

但

它后面详细解释道《红楼梦》是明代文学的代表作品！

而且居然还把作者曹雪芹写成了吴承恩！

我不由的想到一个画面：

“猴哥别生气，ChatGPT 不懂咱中国文学，把作者搞错了。您收起金箍棒，别和它一般见识，别和它一般见识哈”

得，这下好了。

原本想测试下它在学术背景下的，是否如网上那些热捧的人所说那样，信手拈来就能搞定一篇论文

看样子不用继续搞了。

因为这论文的摘要或者综述就已经这么大一个漏洞了，再把论文写下去都没用！

我也没兴趣继续问下去了。

六、最后的测试，特定的数学方程求解能力

数学方程求解也是数据分析师的基本技能，而且是我当年考数据分析师证书时的考试大纲中的一个知识点。

我是看到《今日头条》里面曾经出过这么一道题

请在下面( )中填入自然数，使得等式成立

于是我就问了下ChatGPT

ChatGPT的回答还是让我大失所望

过程看上去很一本正经，但是结果是错的！

因为正确的答案我知道，我自己算出来过：正确答案是X=5,Y=95或X=95，Y=5

但按照ChatGPT的答案代入题目式子中去算，根本就是错的！

按照ChatGPT的结果，把19和76代入题目，得

七、综合判断

ChatGPT 想要替代数据分析师的这个结论，至少现在可以明辨了，现阶段直接做不到！

首先，作为聊天AI，它的输入是文字，输出也是文字，它是不具备图形处理能力的。

图形处理包括“看图提取数据信息”、“根据信息生成图表”。而数据分析师的日常业务中，数据可视化是高频业务。数据分析报告的消费群体也是需要图形处理的结果的，因为更直观。

光这点聊天AI 就没法搞定。

其次，由于当今世界分工很细，很多岗位背后要掌握的跨学科交叉程度很高，也就是我们俗称要“深刻了解业务的各种场景”。

而聊天AI的本质是NLP，它的训练集是“语料库”。并且NLP本身没能力把很多具体的业务知识，例如图像、声音、视频、三维空间的位移过程…..这写信息抽象成具体的数据特征，并纳入到自己的语料库中。

一旦语料库缺失这些能够代表具体业务场景背景信息的训练样本，那么它也就无法建立在业务的基础上给出建议。

而成为一个合格的数据分析师，就必须“深刻了解业务”，那么就必然要比一个NLP要掌握它所掌握不了的技能和知识。

最后，我特别要提醒的地方：

在每次对话完后，无论ChatGPT回答的如何，我都不会再后面点赞或喝倒彩，如下图

这个小小图表标一旦点击，就相当于免费帮别人家AI的这一次训练结果打上标签。

要知道，AI最宝贵的资源是训练的样本标签！采集到大量的样本标签是每一个AI公司做梦都想得到的财富！

但目前ChatGPT还不熟悉中文的语境和中文的很多习惯，且现在很多国人都在尝试和ChatGPT进行沟通，这样就无疑免费帮助人家训练算法，并打标签。

而量变产生质变，一旦ChatGPT的训练数量和标签数量突破了安全阈值，那么很有可能会形成网络诈骗、网络信息安全犯罪等方面的又一个作案利器！

而且人家诈骗犯不用来中国，甚至不用学中文，远在大洋彼岸就可以实施犯罪。

因此角度站高点，出于整个社会安全的因素考虑，我是不会帮助人家的AI打标签的。

推荐阅读

新书上市

《SPSS统计分析大全》

SPSS统计思维与实践：全书通过60多个各行业经典应用案例+10种统计分析方法，全面讲解SPSS统计分析的所有常见思想、技术与应用，涉及自然科学、工程科学、社会科学等各个领域，涵盖统计绘图、主题地图、大数据等方面。