| 单元 | | |
| | |
| | 1. 传统分析困境 1.1）耗时耗力的数据清洗 2. AI分析新范式 2.1）自然语言交互分析 2.2）智能特征工程 讨论课题：识别传统分析中的AI替代点 |
| | 1. 工具矩阵解析 1.1）小浣熊：智能数据清洗 1.2）DXXI：可视化分析 1.3）Cursor：代码生成 2. 工具实战演示 2.1）用AFAI预测销售趋势 2.3) 用CURSOR生成WEB数据大屏 案例：某车企用工具矩阵实现日报自动生成 讨论课题：设计你的AI工具组合方案
|
| | 1.1）层次聚类，线性回归，决策树等等还是要理解其内核 1. 分析流程重构 1.1）需求理解：将传统的业务理解和方法论在AI大模型上重构和增速 1.2）结果验证：AI交叉校验 2. 人机协作模式 2.1）分析师提示词工程 2.2）模型微调策略 讨论课题：设计智能分析工作流 |
| | 1. 需求翻译公式 1.1）业务问题→分析任务→AI指令 1.2）案例：库存优化需求转化 2. 领域知识注入 2.1）业务术语表构建 案例：某医院用AI分析提升床位周转率 讨论课题：将业务需求转化为AI分析任务 |
| | 1. 数据有风险的方式：云端 数据分析大模型的直接上传 2. 数据无风险的方式： 2.1）零成本更灵活的本地CURSOR生成数据分析 |
| | 1. 能力模型升级 1.1）技术理解力：读懂模型输出，prompt提示词的能力，微调的能力 1.2）业务洞察力：发现分析价值 2. 培养路径 2.1）AI协作能力训练 2.2）领域知识积累 |
