![]() ![]() |
ChatGPT玩轉(zhuǎn)數(shù)據(jù)分析:從基礎(chǔ)入門(mén)到項(xiàng)目實(shí)踐 ![]() 本書(shū)系統(tǒng)地講解了如何利用ChatGPT賦能數(shù)據(jù)分析。全書(shū)共11章,層層遞進(jìn),既涵蓋理論方法,也注重實(shí)踐操作:首先講解ChatGPT的使用與高質(zhì)量提示詞的構(gòu)建,然后探討如何使用ChatGPT學(xué)習(xí)業(yè)務(wù)知識(shí)、分析方法、分析工具,最后通過(guò)多個(gè)行業(yè)實(shí)戰(zhàn)案例的講解,幫助讀者真正將AI技術(shù)融入數(shù)據(jù)分析,提高分析效率和決策能力,抓住行業(yè)變革帶來(lái)的機(jī)遇。 本書(shū)適合數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家、數(shù)據(jù)運(yùn)營(yíng)人員和商業(yè)分析師閱讀,也適合所有需要運(yùn)用數(shù)據(jù)分析優(yōu)化工作、學(xué)習(xí)、研究的職場(chǎng)人士、學(xué)生和教研人員閱讀。
前言
1. 數(shù)據(jù)分析的新時(shí)代 在數(shù)字化轉(zhuǎn)型和智能技術(shù)飛速發(fā)展的今天,數(shù)據(jù)早已成為企業(yè)競(jìng)爭(zhēng)的核心資源。它不僅支撐著業(yè)務(wù)運(yùn)營(yíng),更驅(qū)動(dòng)著市場(chǎng)創(chuàng)新和戰(zhàn)略決策。從制造業(yè)到金融業(yè),從電商到游戲,數(shù)據(jù)分析無(wú)處不在,它可以幫助企業(yè)洞察趨勢(shì)、優(yōu)化策略、預(yù)測(cè)未來(lái)。然而,隨著數(shù)據(jù)規(guī)模的爆炸式增長(zhǎng)、業(yè)務(wù)場(chǎng)景的日趨復(fù)雜,以及對(duì)實(shí)時(shí)決策的高要求,傳統(tǒng)數(shù)據(jù)分析的方式正面臨前所未有的挑戰(zhàn)。 傳統(tǒng)數(shù)據(jù)分析的困境 傳統(tǒng)數(shù)據(jù)分析是一項(xiàng)需要跨學(xué)科能力的工作,要求從業(yè)者既懂業(yè)務(wù),又精通技術(shù),能熟練運(yùn)用Excel、SQL、Python等工具,同時(shí)具備扎實(shí)的統(tǒng)計(jì)學(xué)和數(shù)據(jù)建模能力。然而,面對(duì)當(dāng)今龐雜的數(shù)據(jù)環(huán)境,這種方法的局限性逐漸暴露——數(shù)據(jù)來(lái)源越來(lái)越多樣,分析過(guò)程越來(lái)越復(fù)雜,結(jié)果要求越來(lái)越實(shí)時(shí),而學(xué)習(xí)曲線依然陡峭,讓初學(xué)者難以快速上手。即便是經(jīng)驗(yàn)豐富的分析師,也經(jīng)常感到力不從心,難以高效應(yīng)對(duì)變化迅速的業(yè)務(wù)需求。 生成式AI的崛起:改變數(shù)據(jù)分析的游戲規(guī)則 在這種背景下,生成式AI成為數(shù)據(jù)分析師的新武器。以ChatGPT為代表的AI工具,極大地降低了技術(shù)門(mén)檻,讓分析師僅憑自然語(yǔ)言交互就能完成SQL查詢、數(shù)據(jù)清洗、建模等復(fù)雜的任務(wù),從而大幅提升分析效率。不僅如此,AI還能輔助業(yè)務(wù)洞察,幫助分析師快速構(gòu)建指標(biāo)體系、識(shí)別關(guān)鍵趨勢(shì),并打破技術(shù)壁壘,使更多非技術(shù)人員也能輕松參與數(shù)據(jù)分析。通過(guò)精準(zhǔn)的提示詞(Prompt)設(shè)計(jì),數(shù)據(jù)分析師可以把更多精力放在業(yè)務(wù)理解和戰(zhàn)略決策上,而不是被煩瑣的代碼和工具操作所束縛。 數(shù)據(jù)分析師的角色重塑 生成式AI的普及,推動(dòng)數(shù)據(jù)分析行業(yè)邁入智能化時(shí)代。AI的介入,不只是讓分析流程更高效,更重要的是,它改變了數(shù)據(jù)分析師的角色定位。從過(guò)去專(zhuān)注于技術(shù)執(zhí)行的“工具操作者”,到如今兼具技術(shù)和業(yè)務(wù)洞察的“戰(zhàn)略伙伴”,數(shù)據(jù)分析師已不再局限于解決特定問(wèn)題,而是利用AI提供深層次的業(yè)務(wù)洞察,實(shí)現(xiàn)從數(shù)據(jù)到?jīng)Q策的快速轉(zhuǎn)化。未來(lái),懂AI、會(huì)寫(xiě)提示詞(Prompt)、善于解讀數(shù)據(jù)并結(jié)合業(yè)務(wù)思考的分析師,將成為最有競(jìng)爭(zhēng)力的人才。 2. 為什么寫(xiě)這本書(shū)? 盡管生成式AI已經(jīng)在數(shù)據(jù)分析領(lǐng)域展現(xiàn)出巨大的潛力,但市場(chǎng)上的學(xué)習(xí)資源仍然存在不少短板。許多書(shū)籍和教程要么專(zhuān)注于傳統(tǒng)數(shù)據(jù)分析技能(SQL、Python、統(tǒng)計(jì)學(xué)等),要么只介紹生成式AI的基本概念,缺乏對(duì)兩者結(jié)合的系統(tǒng)性指導(dǎo),尤其是在實(shí)際業(yè)務(wù)應(yīng)用層面,現(xiàn)有資料往往過(guò)于理論化,難以真正幫助分析師將AI技術(shù)落地到工作中。此外,行業(yè)對(duì)數(shù)據(jù)分析師的要求正在快速升級(jí),傳統(tǒng)的學(xué)習(xí)路徑已難以滿足職場(chǎng)競(jìng)爭(zhēng)的需要。 本書(shū)的寫(xiě)作目的就是填補(bǔ)這一空白,幫助數(shù)據(jù)分析師真正掌握如何在工作中高效運(yùn)用生成式AI,讓AI成為自己的生產(chǎn)力工具,而不僅僅是“錦上添花”的輔助工具。 打通技術(shù)與業(yè)務(wù)之間的鴻溝 生成式AI的價(jià)值,不僅在于提高技術(shù)效率,更在于幫助分析師更快地理解業(yè)務(wù)、搭建指標(biāo)體系、優(yōu)化數(shù)據(jù)分析流程。本書(shū)將手把手教你如何利用AI構(gòu)建電商、金融等行業(yè)的核心分析模型,并結(jié)合業(yè)務(wù)需求做出更科學(xué)的決策。 降低學(xué)習(xí)門(mén)檻,縮短上手時(shí)間 傳統(tǒng)數(shù)據(jù)分析學(xué)習(xí)成本高,而生成式AI可以讓這一過(guò)程變得更高效。本書(shū)將通過(guò)系統(tǒng)化的提示詞(Prompt)設(shè)計(jì),快速生成SQL查詢、Python數(shù)據(jù)清洗代碼、高質(zhì)量的數(shù)據(jù)可視化方案,讓AI成為你的智能導(dǎo)師,減少對(duì)傳統(tǒng)編碼技能的依賴。 提供真實(shí)的業(yè)務(wù)案例,讓你學(xué)了就能用 本書(shū)不是一本純技術(shù)手冊(cè),而是一本實(shí)戰(zhàn)指南。我們將通過(guò)電商、金融、互聯(lián)網(wǎng)等多個(gè)行業(yè)的典型案例,展示如何利用生成式AI輔助完成從數(shù)據(jù)探索到?jīng)Q策支持的全流程。例如:如何用AI優(yōu)化用戶分層分析?如何讓ChatGPT輔助信用評(píng)分建模?這些案例將幫助你在真實(shí)場(chǎng)景中學(xué)會(huì)如何高效應(yīng)用AI,而不是“紙上談兵”。 幫助你在AI時(shí)代構(gòu)建職業(yè)競(jìng)爭(zhēng)力 AI正在重新定義數(shù)據(jù)分析師的能力模型,本書(shū)不僅教授技術(shù),更關(guān)注你的職業(yè)發(fā)展。你將學(xué)會(huì)如何利用生成式AI優(yōu)化簡(jiǎn)歷、準(zhǔn)備技術(shù)面試、制定長(zhǎng)期職業(yè)規(guī)劃,讓自己在求職、跳槽、晉升的過(guò)程中脫穎而出,避免被行業(yè)變革甩在后面。 AI不僅是一種工具,更是一種思維方式 生成式AI的出現(xiàn),不僅為數(shù)據(jù)分析提供了更強(qiáng)大的工具,而且改變了整個(gè)數(shù)據(jù)行業(yè)的工作方式。本書(shū)的核心理念就是讓你掌握如何借助AI提升工作效率、優(yōu)化分析方法、增強(qiáng)業(yè)務(wù)洞察力,最終讓數(shù)據(jù)分析從單一的技術(shù)執(zhí)行真正升級(jí)為業(yè)務(wù)決策的驅(qū)動(dòng)力。 無(wú)論你是剛?cè)腴T(mén)的數(shù)據(jù)分析師,還是希望在行業(yè)變革中保持競(jìng)爭(zhēng)力的資深從業(yè)者,本書(shū)都將為你提供最前沿、最實(shí)用的AI數(shù)據(jù)分析方法。希望這本書(shū)能成為你在AIGC時(shí)代的得力助手,讓你不只是適應(yīng)變化,更是站在技術(shù)變革的前沿,主動(dòng)塑造自己的職業(yè)未來(lái)。 3. 本書(shū)的核心亮點(diǎn) 這本書(shū)不只是一本單純的技術(shù)手冊(cè),更是幫你真正用上生成式AI、提升數(shù)據(jù)分析效率的“實(shí)戰(zhàn)指南”。它既教技術(shù),也教你如何在AI時(shí)代更有競(jìng)爭(zhēng)力。以下是幾個(gè)核心亮點(diǎn)。 完整覆蓋數(shù)據(jù)分析全流程 從業(yè)務(wù)知識(shí)、指標(biāo)體系,到數(shù)據(jù)清洗、建模、可視化,再到行業(yè)案例,本書(shū)系統(tǒng)地講解了數(shù)據(jù)分析的全過(guò)程。例如,電商的用戶生命周期分析、金融的信用評(píng)分模型,都有實(shí)戰(zhàn)拆解,讓你學(xué)得透、用得上。 學(xué)會(huì)如何讓AI高效“干活” 生成式AI的關(guān)鍵在于提示詞(Prompt),本書(shū)手把手教你如何精準(zhǔn)提問(wèn),讓AI幫忙生成SQL查詢、優(yōu)化數(shù)據(jù)分析、自動(dòng)化清洗數(shù)據(jù),而不是“隨便回復(fù)”。只有學(xué)會(huì)高效對(duì)話,你才能真正掌控AI。 真實(shí)業(yè)務(wù)案例,學(xué)了就能用 書(shū)中覆蓋多個(gè)行業(yè)的實(shí)際案例,比如: 電商:如何通過(guò)數(shù)據(jù)分析提高轉(zhuǎn)化率? 金融:如何構(gòu)建信用評(píng)分模型? 互聯(lián)網(wǎng):如何發(fā)現(xiàn)業(yè)務(wù)指標(biāo)異動(dòng)? 這些案例讓你掌握技術(shù)的同時(shí),也能在實(shí)際工作中靈活運(yùn)用。 不僅學(xué)技能,還幫你職業(yè)進(jìn)階 AI正在改變數(shù)據(jù)分析師的職業(yè)路徑,本書(shū)不僅教你技能,還會(huì)幫你用AI提升個(gè)人競(jìng)爭(zhēng)力。 簡(jiǎn)歷優(yōu)化:用ChatGPT提煉項(xiàng)目亮點(diǎn),讓簡(jiǎn)歷更有吸引力。 面試模擬:練習(xí)SQL、Python、數(shù)據(jù)思維等常見(jiàn)面試問(wèn)題。 職業(yè)規(guī)劃:如何從傳統(tǒng)分析師進(jìn)階到“數(shù)據(jù)+AI工程師”? 這些內(nèi)容能幫你在求職、跳槽、職業(yè)發(fā)展上搶占先機(jī)。 實(shí)操為主,提供可直接復(fù)用的提示詞(Prompt)模板 本書(shū)不是純理論,而是“學(xué)了就能用”。每章都有可復(fù)制的提示詞(Prompt)模板,幫你快速上手,比如: 如何優(yōu)化SQL查詢? 如何讓ChatGPT生成完整的數(shù)據(jù)分析報(bào)告? 如何用AI提升數(shù)據(jù)可視化效果? 你不需要死磕代碼,只要跟著練習(xí),就能讓AI高效地輔助數(shù)據(jù)分析。 緊跟行業(yè)趨勢(shì),避免被淘汰 AI發(fā)展太快,今天的“高科技”可能明天就成了行業(yè)標(biāo)配。本書(shū)會(huì)幫你看清趨勢(shì),提前布局,比如: 哪些數(shù)據(jù)分析能力是AI替代不了的? 未來(lái)的數(shù)據(jù)分析師應(yīng)該具備什么新技能? 如何利用AI提升自身價(jià)值,而不是被AI取代? 通過(guò)這些內(nèi)容,你能更好地應(yīng)對(duì)變化,在AI時(shí)代穩(wěn)住腳跟,甚至走在前列。 4. 目標(biāo)讀者群體 這本書(shū)適合所有希望提升數(shù)據(jù)分析能力,并借助生成式AI優(yōu)化工作方式的讀者。 對(duì)于在職數(shù)據(jù)分析師與數(shù)據(jù)科學(xué)家,本書(shū)不僅幫助你掌握ChatGPT等AI工具,還能提升你的SQL、Python、統(tǒng)計(jì)建模等核心技能,優(yōu)化數(shù)據(jù)清洗、分析和可視化的流程,讓你把更多精力放在業(yè)務(wù)洞察和復(fù)雜問(wèn)題的解決上,而不是被煩瑣的代碼和報(bào)表困住。同時(shí),書(shū)中還會(huì)探討AI在用戶增長(zhǎng)、 李朝成,本科和研究生畢業(yè)于同濟(jì)大學(xué),畢業(yè)至今一直從事數(shù)據(jù)分析工作,8年數(shù)據(jù)分析經(jīng)驗(yàn)、資深數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家。近一年也在深度參與AIGC產(chǎn)品的開(kāi)發(fā),對(duì)AIGC產(chǎn)品非常熟悉。作者主導(dǎo)了多個(gè)從0到1產(chǎn)品的數(shù)據(jù)分析項(xiàng)目,并負(fù)責(zé)過(guò)千萬(wàn)級(jí)月活產(chǎn)品的數(shù)據(jù)分析項(xiàng)目。在互聯(lián)網(wǎng)、電商零售、在線教育、廣告營(yíng)銷(xiāo)等ToB、ToC領(lǐng)域有著豐富的數(shù)據(jù)分析及業(yè)務(wù)驅(qū)動(dòng)經(jīng)驗(yàn),尤其擅長(zhǎng)數(shù)據(jù)分析思維方法、數(shù)據(jù)分析工具以及數(shù)據(jù)分析項(xiàng)目的落地。此外,作者還是公眾號(hào)/小紅書(shū)/知乎/B站等平臺(tái)優(yōu)質(zhì)創(chuàng)作者,全網(wǎng)約8w粉絲,作品點(diǎn)贊收藏分享次數(shù)超100w。
目錄
第1章?智識(shí)初窺:AIGC與ChatGPT基礎(chǔ)認(rèn)知 1.1 AIGC的簡(jiǎn)介與發(fā)展 1.1.1 AIGC的定義與背景 1.1.2 AIGC的發(fā)展歷程與技術(shù)演進(jìn) 1.2 主流AIGC產(chǎn)品簡(jiǎn)介及對(duì)比 1.3 ChatGPT在數(shù)據(jù)分析中的應(yīng)用場(chǎng)景 1.4 ChatGPT賬號(hào)注冊(cè)及使用基本流程 1.4.1 注冊(cè)ChatGPT賬號(hào) 1.4.2 使用ChatGPT的基本流程 1.5 互動(dòng)練習(xí)題 第2章?精要Prompt:構(gòu)建優(yōu)質(zhì)指令策略與應(yīng)用 2.1 Prompt的基本概念和作用 2.2 構(gòu)建高質(zhì)量Prompt的策略 2.3 Prompt在數(shù)據(jù)分析中的實(shí)踐 2.4 Prompt實(shí)踐案例 2.5 自動(dòng)生成Prompt的工具及使用示例 2.6 互動(dòng)練習(xí)題 第3章?行業(yè)洞察:用ChatGPT學(xué)習(xí)業(yè)務(wù)知識(shí)和指標(biāo)體系 3.1 利用ChatGPT學(xué)習(xí)行業(yè)知識(shí) 3.2 各行業(yè)Prompt示例 3.3 構(gòu)建科學(xué)的業(yè)務(wù)指標(biāo)體系 3.4 ChatGPT在業(yè)務(wù)指標(biāo)優(yōu)化中的應(yīng)用 3.5 互動(dòng)練習(xí)題 第4章?方法研習(xí):用ChatGPT學(xué)習(xí)數(shù)據(jù)思維和分析方法 4.1 數(shù)據(jù)思維 4.2 指標(biāo)異動(dòng)分析 4.3 描述性分析 4.4 對(duì)比分析 4.5 細(xì)分分析 4.6 預(yù)測(cè)分析 4.7 相關(guān)性分析 4.8 漏斗分析 4.9 RFM用戶分層分析 4.10 同期群分析 4.11 假設(shè)檢驗(yàn) 4.12 互動(dòng)練習(xí)題 第5章?統(tǒng)計(jì)進(jìn)階:用ChatGPT探索統(tǒng)計(jì)學(xué)知識(shí) 5.1 描述性統(tǒng)計(jì) 5.1.1 描述性統(tǒng)計(jì)的概念 5.1.2 集中趨勢(shì) 5.1.3 離散程度 5.1.4 分布特性 5.1.5 數(shù)據(jù)可視化 5.1.6 ChatGPT案例:描述性統(tǒng)計(jì)分析 5.1.7 小結(jié) 5.2 概率論基礎(chǔ) 5.2.1 什么是概率論 5.2.2 基本概率規(guī)則 5.2.3 常見(jiàn)概率分布 5.2.4 ChatGPT案例:正態(tài)分布的繪制與概率計(jì)算 5.2.5 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.2.6 小結(jié) 5.3 抽樣與估計(jì) 5.3.1 抽樣方法 5.3.2 區(qū)間估計(jì)與點(diǎn)估計(jì) 5.3.3 大數(shù)定律與中心極限定理 5.3.4 ChatGPT案例:置信區(qū)間計(jì)算 5.3.5 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.3.6 小結(jié) 5.4 假設(shè)檢驗(yàn) 5.4.1 什么是假設(shè)檢驗(yàn) 5.4.2 假設(shè)檢驗(yàn)的步驟 5.4.3 常見(jiàn)的假設(shè)檢驗(yàn)方法 5.4.4 ChatGPT案例:t檢驗(yàn)示例 5.4.5 ChatGPT案例:卡方檢驗(yàn)示例 5.4.6 ChatGPT案例:方差分析(ANOVA)示例 5.4.7 一類(lèi)錯(cuò)誤和二類(lèi)錯(cuò)誤 5.4.8 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.4.9 小結(jié) 5.5 相關(guān)性分析與回歸分析 5.5.1 相關(guān)性分析 5.5.2 常見(jiàn)相關(guān)性系數(shù) 5.5.3 ChatGPT案例:皮爾遜相關(guān)系數(shù)計(jì)算 5.5.4 回歸分析 5.5.5 常見(jiàn)的回歸分析方法 5.5.6 ChatGPT案例:簡(jiǎn)單線性回歸分析 5.5.7 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.5.8 小結(jié) 5.6 時(shí)間序列分析 5.6.1 什么是時(shí)間序列 5.6.2 平穩(wěn)性與平穩(wěn)性檢驗(yàn) 5.6.3 時(shí)間序列建模方法 5.6.4 ChatGPT案例:時(shí)間序列分析與ARIMA模型 5.6.5 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.6.6 小結(jié) 5.7 A/B測(cè)試與因果推斷 5.7.1 什么是A/B測(cè)試 5.7.2 A/B測(cè)試的步驟 5.7.3 ChatGPT案例:A/B測(cè)試的t檢驗(yàn) 5.7.4 因果推斷 5.7.5 ChatGPT案例:Uplift模型構(gòu)建 5.7.6 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.7.7 小結(jié) 5.8 數(shù)據(jù)分布與假設(shè)檢查 5.8.1 數(shù)據(jù)分布及常見(jiàn)分布類(lèi)型 5.8.2 常見(jiàn)的假設(shè)檢查 5.8.3 ChatGPT案例:正態(tài)性和同方差性檢驗(yàn) 5.8.4 多重共線性檢測(cè) 5.8.5 ChatGPT案例:VIF檢測(cè)多重共線性 5.8.6 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.8.7 小結(jié) 5.9 數(shù)據(jù)降維 5.9.1 什么是數(shù)據(jù)降維 5.9.2 常見(jiàn)的降維方法 5.9.3 優(yōu)缺點(diǎn)與適用場(chǎng)景 5.9.4 小結(jié) 5.10 互動(dòng)練習(xí)題 第6章?玩轉(zhuǎn)SQL:用ChatGPT展開(kāi)SQL學(xué)習(xí)與實(shí)戰(zhàn) 6.1 數(shù)據(jù)分析中要掌握的SQL技能 6.2 SQL Prompt的技巧 6.3 ChatGPT Prompt for SQL:案例設(shè)計(jì)與實(shí)現(xiàn) 6.4 SQL生成的插件與工具 6.5 互動(dòng)練習(xí)題 第7章?玩轉(zhuǎn)Python:用ChatGPT展開(kāi)Python學(xué)習(xí)與實(shí)戰(zhàn) 7.1 數(shù)據(jù)分析中要掌握Python的哪些技能 7.2 Python Prompt技巧 7.3 ChatGPT Prompt for Python:案例設(shè)計(jì)與實(shí)現(xiàn) 7.4 Python AI輔助工具:PandasAI和JupyterAI 7.4.1 PandasAI使用指南 7.4.2 JupyterAI使用指南 7.5 互動(dòng)練習(xí)題 第8章?可視解讀:用ChatGPT實(shí)現(xiàn)數(shù)據(jù)可視化與分析 8.1 數(shù)據(jù)可視化的核心概念 8.2 使用ChatGPT生成數(shù)據(jù)可視化代碼 8.3 數(shù)據(jù)結(jié)果解讀 8.4 完整可視化項(xiàng)目:銷(xiāo)售數(shù)據(jù)分析 8.5 互動(dòng)練習(xí)題 第9章?項(xiàng)目實(shí)戰(zhàn):多場(chǎng)景數(shù)據(jù)分析項(xiàng)目解析 9.1 DAU異動(dòng)分析項(xiàng)目 9.2 用戶行為路徑分析項(xiàng)目 9.3 用戶生命周期分析項(xiàng)目 9.4 運(yùn)營(yíng)活動(dòng)效果分析項(xiàng)目 9.5 手游廣告投放效果分析項(xiàng)目 9.6 內(nèi)容消費(fèi)偏好分析項(xiàng)目 9.7 產(chǎn)品功能使用分析項(xiàng)目 9.8 用戶社交行為分析 9.9 金融信用評(píng)分卡預(yù)測(cè) 9.10 傳統(tǒng)制造業(yè)產(chǎn)品銷(xiāo)量預(yù)測(cè) 9.11 滴滴出行A/B Test效果分析 9.12 美團(tuán) DID因果推斷項(xiàng)目 9.13 在線教育NLP文本挖掘項(xiàng)目 第10章?求職助力:借助ChatGPT開(kāi)啟求職之路 10.1 優(yōu)質(zhì)階段:簡(jiǎn)歷準(zhǔn)備 10.2 第二階段:面試前的準(zhǔn)備 10.3 第三階段:面試后復(fù)盤(pán) 10.4 第四階段:Offer談判與選擇 第11章?未來(lái)可期:AIGC時(shí)代數(shù)據(jù)分析師的轉(zhuǎn)型與突破 11.1 數(shù)據(jù)分析師的角色轉(zhuǎn)變 11.2 數(shù)據(jù)分析師如何應(yīng)對(duì)未來(lái)
你還可能感興趣
我要評(píng)論
|