用 Gen AI 提升資料分析力：Google Prompting Essentials 課後筆記 Part 3

 資料分析是不是讓你感到壓力山大？別擔心，Generative AI（生成式 AI）正在改變我們處理資料的方式。這篇文章是我在 Google《Prompting Essentials》第三堂課的重點筆記，整理出最實用的技巧與觀念，讓你無論是數據新手還是略懂皮毛，都能快速上手，解鎖 Gen AI 的資料分析潛力。

---

🔍 Gen AI 在資料分析的六大應用

1. 文字分析

   • 自動萃取主題、分析語氣、分類意見。例如分析顧客留言、問卷回饋。

2. 資料增補

   • 在資料量不足時，生成擬真的數據來訓練模型（像詐欺偵測），但別忘了標註來源，因為這些資料只是趨勢參考，不是事實。

3. 問答系統

   • 你可以用自然語言提問：「上季銷售最好的產品是什麼？」AI 幫你找出答案。

4. 情境模擬

   • 根據歷史資料預測未來可能走向，像是預估人潮、辦公室訪客數等。

5. 圖像與視覺分析

   • AI 可解讀圖表趨勢，幫助你從銷售圖表中快速找出關鍵訊息。

6. 市場與顧客研究

   • 利用 AI 探索社群平台、問卷與產業報告中的潛在商機與趨勢變化。

---

🛠 Gen AI 的極限與調整策略

不是所有分析都適合交給 Gen AI。

• ❌ 不擅長：複雜統計、精準運算、強結構資料分析。

• ✅ 建議方式：請 AI 提供方法建議或操作步驟（prompt:「請說明我可以用哪些方法進行變異數分析？」）

這種「間接使用」策略讓你把 AI 當顧問，而不是資料科學家。

---

📊 AI 輔助資料清理與準備

1. 錯誤偵測與修正

   • prompt 示範：「這是我的原始資料，請指出潛在錯誤並建議修正方式。」

2. 資料標準化

   • 格式統一、欄位一致性、日期格式轉換等。

3. 多工具搭配

   • 使用不同的 Gen AI 工具負責不同工作（格式轉換、查詢、欄位補齊），才能建立乾淨又有用的資料基礎。

---

🧠 如何讓 AI 更懂你的需求？學會調整 Sampling 參數

生成式 AI 的回應來自機率抽樣，而你可以透過三個參數來「調教」它的創意與準確性。

1. Temperature（溫度）

控制 AI 回應的創意程度：

• `0.1`：保守，選擇最可能的答案，適合數據分析、資訊查詢。

• `1.0+`：開放性高，適合創意寫作、腦力激盪。

2. Top-k

只從前 k 個最可能的選項中選擇：

• `k=1`：保證每次都選最常見的答案（又稱 greedy decoding）

• `k=100`：增加多樣性，適合創意性任務。

3. Top-p

只從總機率累積達 p 的 token 中抽選：

• `p=0.1`：偏向高信賴回應。

• `p=0.8`：更多元、有驚喜，但需注意幻覺風險。

📌 小技巧：想減少胡說八道（hallucination）？降低 temperature 和 top-p。

---

🎯 想用 Gen AI 幫助自己快速理解新事物？這些 prompt 請收好！

• 解釋術語：「請用簡單中文解釋什麼是 compound interest？」

• 翻譯與語境說明：「'saru mo ki kara ochiru' 是什麼意思？」

• 解讀圖表：「請簡單解釋這張圖的主要趨勢」

• 拆解 spreadsheet：「B12 的公式是什麼意思？」

• 錯誤訊息排查：「'kernel panic' 是什麼錯？」

---

🗣 延伸應用：幫你準備簡報講稿

透過 long context window 的工具（如 Google AI Studio），你可以：

• 根據簡報內容自動產出講稿

• 根據觀眾身分（如主管）調整語氣

• 錄音後請 AI 回饋語速、語氣等演說技巧

---

✅ 小結：Gen AI 是助力不是萬能

Gen AI 在資料分析與理解陌生資訊方面提供了超強輔助，但別忘了：

• 要驗證它的輸出（尤其是數據）

• 要揭露你是否用了 AI 工具

• 要選對場合，正確使用 prompt 與 sampling 參數

---

📬 喜歡這類內容？記得訂閱部落格，未來還會分享更多 Gen AI 實戰技巧！