最近，我正在学习一门《AI 数据剖析课》，个中支配了一些课后作业，我以为对提升数据剖析能力很有帮助。下面是我学完《AI 数据剖析课》第 10 讲之后，完成的一个课后作业，作业题目如下：
假设你是一家连锁餐厅的数据剖析师，你手头有以下数据：
你的任务是创建一个图表，展示过去一年每月的顾客满意度与发卖额的关系。请按照以下步骤操作：
选择图表类型：思考哪种类型的图表最适宜展示这种类型的数据关系。
运用设计原则：考虑如何运用生理学事理和 UI 设计原则来优化图表的设计。
仿照用户反馈：想象一下用户可能提出哪些反馈，比如关于图表的清晰度、颜色利用或数听说明的建议。
优化图表：根据想象中的反馈调度图表，考试测验改进图表的设计。
考虑到 ChatGPT 存在网络设置和利用限定等方面的问题，以是我选择利用智谱清言的数据剖析功能（以下简称 AI）。
1. 处理数据
首先，我把上面的图片文件发给 AI，让它转换成一个方便剖析处理的 Excel 数据表格。
请把图片变成一个方便剖析处理的 Excel 数据表格。
AI 很知心肠供应了一个 Excel 数据表格的下载链接：
这一步须要把稳检讨数据转换的准确性，避免数据源涌现缺点。
2. 推举图表
其次，我给 AI 供应了一些干系的背景信息，让它推举适当的图表类型。
上面是一家连锁餐厅的数据，我希望基于这些数据创建一个图表，用来展示每月的顾客满意度与总发卖额的关系，你有什么好的建议吗？请你在考虑设计图表时，运用生理学事理和 UI 设计原则来优化图表的设计，遵照认知负荷理论和视觉感知原则，避免过多的颜色和装饰，以免分散把稳力。
AI 开始进行思考，天生相应的 Python 代码，并创建了一张双轴折线图：
3. 干系剖析
接下来，我让 AI 打算顾客满意度与总发卖额的干系系数，并判断它们之间的干系性强弱。
AI 不仅给出了干系系数的打算结果，而且解释了它们之间的线性干系性非常弱。
末了，我给 AI 提出一个更详细的需求，让它用散点图来展示顾客满意度与总发卖额的关系。
# 角色：你是一个天下顶级的数据剖析专家，精通数据可视化的方法。
## 任务：上面是一家连锁餐厅的数据，个中顾客满意度分为 1 到 5 星，请你创建一个散点图，展示过去一年每月的顾客满意度与发卖额的关系。
## 哀求：
请你按照以下步骤操作：
1. 选择图表类型：思考哪种类型的图表最适宜展示这种类型的数据关系，让图表类型与信息相匹配，提升信息传达的效率。
2. 运用设计原则：考虑运用生理学事理和 UI 设计原则来优化图表的设计，遵照认知负荷理论和视觉感知原则，避免过多的颜色和装饰，以免分散把稳力。
3. 仿照用户反馈：想象一下用户可能提出哪些反馈，比如关于图表的清晰度、颜色利用或数听说明的建议。
4. 优化图表设计：根据想象中的反馈调度图表，考试测验改进图表的设计，样式方面担保同等性、层次性、简洁性。
5. 其他把稳事变：请你一步一步地负责思考，保持整体视觉风格的简洁统一，并供应清晰的图例解释。
AI 回答如下：
从上面的散点图中，我们可以直不雅观地看出，顾客满意度与发卖额之间的线性干系性很弱。
4. 末了的话
在 AI 的帮助下，我们可以运用生理学事理和 UI 设计原则，创建直不雅观且有洞察力的图表，有效提升数据图表的质量。
从处理数据到选择图表，再到干系剖析，每一步都值得我们负责思考和精心设计。
在数据剖析的过程中，我们尤其须要把稳确保数据的准确性，由于这是后续剖析的根本，也是担保剖析结果可靠性的关键。
我相信，在未来的学习、事情和生活中，AI 的准确性和可靠性将会逐渐提升，AI 和数据剖析也将变得越来越主要。
本文由大家都是产品经理作者【林骥】，微信公众年夜众号：【林骥】，原创/授权 发布于大家都是产品经理，未经容许，禁止转载。
题图来自Unsplash，基于 CC0 协议。