文章目录
- 前言
- 九章云极(DataCanvas)介绍
- 前期准备
- 样例数据集体验
- 1. 样例数据集-Airbnb民宿价格&评价 体验
- 1.1 体验一
- 1.2 体验二
- 教育数据的分析(TableAgent&ChatGLM对比)
- 1. 上传文件
- 2. 数据分析与对比
- 2.1 分析一
- 2.1.1 TableAgent与ChatGLM柱状图展示
- 2.1.2 TableAgent与ChatGLM分析对比
- 2.1.3 结论对比
- 2.2 分析二
- 2.2.1 TableAgent与ChatGLM柱状图展示
- 2.2.2 TableAgent与ChatGLM分析对比
- 2.2.3 结论对比
- 2.3 分析三
- 2.3.1 TableAgent与ChatGLM柱状图展示
- 2.3.2 TableAgent与ChatGLM分析对比
- 2.3.3 结论对比
- 总结
前言
在当今数据驱动的时代,有效管理和处理大规模数据变得至关重要。面对这一挑战,九章云极DataCanvas推出了其革命性的产品——TableAgent数据分析智能体,标志着数据处理和分析进入了一个新的时代。在这篇博文中,我们将深入探讨 TableAgent 如何为教育数据分析提供前所未有的便利和效率。
TableAgent 不仅仅是一个数据处理工具,它是一个全面的解决方案,旨在简化复杂的数据工作流程。无论是数据的采集、存储、处理还是分析,TableAgent 都能以其先进的技术和直观的操作界面提供卓越的支持。这使得即使是最复杂的数据任务也变得简单易行,极大地提升了数据处理的效率和准确性。
在接下来的文章中,我们将通过对教育数据的分析进行深入探讨 TableAgent 的核心特性、应用场景。
九章云极(DataCanvas)介绍
数字化时代,数据分析的重要性犹如空气般无处不在。九章云极DataCanvas公司自主研发的TableAgent数据分析智能体是建立在DataCanvas Alaya九章元识大模型之上,它为企业提供了强大的私有化部署能力。Alaya元识大模型为TableAgent提供了关键性的技术支持。这些模型通过协同工作,能够完成复杂的分析任务。
TableAgent具有出色的意图理解能力、分析建模能力和洞察力。在充分理解用户意图后,TableAgent能够自主地利用统计科学、机器学习、因果推断等高级建模技术从数据中挖掘价值。同时,TableAgent还能提供深刻的分析观点和指导行动的见解,使每个人都能成为高级数据分析师。
此外,TableAgent支持企业级数据分析,无论是大规模还是高性能的需求都能满足。它还支持领域微调,可以实现专业化的数据分析。在保证数据安全的同时,TableAgent实现了会话式数据分析,满足了"所需即所得"的需求。值得一提的是,TableAgent提供了透明化的过程,方便审计监督。
TableAgent的发布,让人人都是数据分析师从梦想照进现实。
TableAgent具有以下特点:
- 会话式数据分析,所需即所得
- 私有化部署,数据安全
- 支持企业级数据分析,大规模、高性能
- 支持领域微调,专业化
- 透明化过程,审计监督
前期准备
- 注册账号,可以点击链接前往注册,这里只需要通过手机号验证码就可以直接注册,无需乱七八糟的填写。
- 目前注册完成每天可以免费使用5次,如果不够的还,可以申请认证一下,认证通过就可以每天体验15次啦。
样例数据集体验
1. 样例数据集-Airbnb民宿价格&评价 体验
目前在在TableAgent上有多个样例数据集(Airbnb民宿价格&评价、swiggy外卖平台数据、银行客户流失预警、全球大学排名信息、全球大城市人口2022-2023、电影点评、咖啡馆商品信息、某平台商品订单记录、Top250连锁餐饮的销售数据)来供大家使用去体验。下面我们就选择Airbnb民宿价格&评价这个样例数据集去先体验一下。
1.1 体验一
首先我先根据提示提问了:
我准备全家去东南亚旅行,我每天的预算在200~500美元之间,需要3~6个床位,目的地是Thailand和Malaysia,去哪更划算呢?帮我画个图比较下性价比哈。
TableAgent正确的画出了柱状图,并给出最后的结论:
总的来说,如果预算有限,您可能更倾向于选择Malaysia,因为每个房源的价格相对较低。但请注意,床位数可能是影响价格的关键因素,所以如果床位数是您的重要考虑因素,您可能需要在Thailand选择6床位的房源。
1.2 体验二
接着我问了:
我准备冬季去海南旅行,预算200~400人民币之间,需要两个床位,有哪些性价比高的民宿?给出数据对比图
然后TableAgent两轮尝试之后,并没有给出答案,后续我查看了一下当前的数据集中不包含中国城市,包含的国家城市如下图,这里大家实验的时候要注意。
后续又根据TableAgent推荐的问题,进行了部分尝试,也都能够正常的给出答案和数据图。也能够打开详情,看到TableAgent进行数据分析以及代码操作,十分直观。
教育数据的分析(TableAgent&ChatGLM对比)
1. 上传文件
首先我们将昌平区各校平台数据.csv上传到两个平台。
注意:
- 目前线上的TableAgent版本仅支持CSV格式的数据文件。
- cvs文件大小不要超过5M。
上传成功后,会在对话中看到成功加载。并可以打开详情查看数据表。
数据集包含以下内容:
区域:学校所在的区域
学校:学校的名称
是否公立学校:学校是否为公立学校
学生年级:学生所在的年级
一对一辅导人数:参与一对一辅导的学生人数
学生提问人数:提交提问的学生人数
一对多辅导人数:参与一对多辅导的学生人数
微课观看人数:观看微课的学生人数
总参与人数:参与各种活动(包括一对一辅导、提问、一对多辅导和微课观看)的学生总人数
发起一对一辅导次数:发起的一对一辅导次数
提问数:提交的提问数量
参与互动课堂次数:参与互动课堂的次数
微课观看次数:观看微课的次数
参与总次数:参与各种活动(包括一对一辅导、提问、一对多辅导、互动课堂和微课观看)的总次数
年级人数:各年级的学生人数
参与率:参与各种活动的学生占年级总人数的百分比
人均参与次数:每个学生平均参与活动的次数
校均参与次数:各学校平均参与活动的次数
各校累计参与情况(9.01–):各学校从9月1日到当前日期的累计参与情况百分比
2. 数据分析与对比
需求一:首先我们想通过数据集分析得出平台参与率前五的学校,可以通过参与率对学校进行更加细致化的推广平台。
2.1 分析一
问:数据集中共有多少所学校,参与人数是多少,帮我把各个学校简单分析解读一下,参与人数最高的5个学校画个图看看
2.1.1 TableAgent与ChatGLM柱状图展示
TableAgent:
ChatGLM:
2.1.2 TableAgent与ChatGLM分析对比
TableAgent | ChatGLM | |
---|---|---|
分析对比 |
2.1.3 结论对比
TableAgent | ChatGLM | |
---|---|---|
结论 | 1. 数据集中共有60所学校。这些学校的参与人数总和为260。2. 从这些数据中,我们可以看到,参与人数最多的学校是北京市第一六一中学回龙观学校,该学校的参与人数为37,其次是北京市昌平区西府冠华学校,参与人数为26。第三名是北京市昌平区亭自庄学校,参与人数为23。第四名是北京市昌平区第二中学,参与人数为12。第五名是某学校,参与人数为9。3. 从图中可以看出,北京市第一六一中学回龙观学校的参与人数最多,其次是北京市昌平区西府冠华学校,第三名是北京市昌平区亭自庄学校,第四名是北京市昌平区第二中学,第五名是某学校。这可能与这些学校的地理位置、学校规模、学校设施等因素有关。同时,也可能与这些学校的教学内容、教学方法等因素有关,以吸引更多的学生参与 | 1. 数据集中共有 60 所学校。2. 数据集中共有 260 名学生参与了活动。3. 北京市昌平区上地实验学校:参与人数为 62;北京市上地实验学校(中学部):参与人数为 52;北京市海淀实验中学(中学部):参与人数为 40;北京市海淀实验中学(小学部):参与人数为 38;北京市上地实验学校(小学部):参与人数为 36。 |
需求二:我们想通过数据集分析得出每个学校每个年级一对一辅导的参与率,最终得出哪个年级的参与率最高,从而加强该年级的师资投入。
2.2 分析二
问:分析每个年级的一对一辅导参与人数并进行排序,并最终汇总给出哪个年级参与人数最高,并画出图
2.2.1 TableAgent与ChatGLM柱状图展示
TableAgent:
ChatGLM:
2.2.2 TableAgent与ChatGLM分析对比
TableAgent | ChatGLM | |
---|---|---|
分析对比 |
2.2.3 结论对比
TableAgent | ChatGLM | |
---|---|---|
结论 | 1. 根据我们的数据分析,一对一辅导参与人数最多的年级是八年级。以下是我们统计的每个年级的一对一辅导参与人数的详细数据:七年级:47;九年级:16;八年级:52;2. 从这个数据中,我们可以看出八年级年级的学生参加一对一辅导的次数最多,这可能是因为八年级年级的学生在学校的时间较长,对老师的依赖性较强,因此更愿意参加一对一的辅导。 | 从上图中,我们可以清晰地看到每个年级的一对一辅导参与人数。从图表中,我们可以看出八年级的一对一辅导参与人数最高。 |
需求三:我们想通过数据集分析得出学生更喜欢通过哪种方式进行学习。
2.3 分析三
问:总结一对一辅导人数、学生提问人数、一对多辅导人数、微课观看人数,画出折线图,并总结出学生更爱通过那种方式进行学习
2.3.1 TableAgent与ChatGLM柱状图展示
TableAgent:
ChatGLM:
2.3.2 TableAgent与ChatGLM分析对比
TableAgent | ChatGLM | |
---|---|---|
分析对比 |
2.3.3 结论对比
TableAgent | ChatGLM | |
---|---|---|
结论 | 从图中,我们可以看到,一对一辅导人数、学生提问人数、一对多辅导人数和微课观看人数在不同年级和学校之间的变化趋势。这有助于我们更好地理解学生们的学习习惯和偏好。总的来说,学生们更喜欢通过一对一辅导进行学习,这可能是因为一对一的辅导方式更能满足学生的个别化需求。同时,学生们也可能更倾向于使用微课等方式进行远程学习,这可能是因为微课的形式更灵活,可以满足不同学生的学习需求。 | 从上图中,我们可以看到以下几点:一对一辅导人数:在一开始就有一个明显的增长,之后保持相对稳定的水平。学生提问人数:参与人数相对较少,并且随着时间的推移,增长缓慢。一对多辅导人数:参与人数有一个轻微的增长,但整体水平仍然较低。微课观看人数:参与人数随着时间的推移而增长,并且在某个时间点有一个显著的增加。根据这些趋势,我们可以得出以下结论:学生更倾向于使用一对一辅导和微课观看的方式进行学习。一对一辅导和微课观看的参与人数随着时间的推移而增长,而学生提问和一对多辅导的参与人数增长缓慢。在某个时间点之后,微课观看的参与人数超过了其他方式的参与人数,这可能是因为微课观看在某些学校中得到了更多的推广和应用。综上所述,学生更爱通过一对一辅导和微课观看的方式进行学习。 |
总结
到此我们对TableAgent的使用与体验基本就完成了,我们通过和ChatGLM进行了比对,两个模型给出的的可视化视图基本上是一致的。最后一个分析三有些区别是TableAgent折线图增加了年级元素,更能让我了解每个年级段学生的学习方式倾向。两个模型给出的数据分析思路也十分的实用,对数据分析有很大的参考价值。给出的结论个人更倾向于TableAgent,它能够给出你答案的同时分析出该结论产生的可能原因,并且能够给出拓展查询的建议,比较nice。同时在使用两个平台的时候,TableAgent相比之下表现更加出色:
- ChatGLM出现了多次新建沙盒上传了数据集被销毁的问题,而不得重新新建沙盒并上传数据集。对比TableAgent上传数据集之后,可以一直使用,比较稳定。
- 简单易用:TableAgent提供了直观的用户界面和简单的操作流程,使得用户无需具备专业的编程或统计知识即可进行数据分析
- 易于理解:TableAgent通过展示思维流程图的方式,帮助用户更好地理解整个数据分析与思考的过程。这种可视化的方式不仅让开发人员更加易于理解,还提供了相应的执行代码,使得开发人员可以更加高效地进行数据分析和处理。
- 可视化分析功能。TableAgent可以将分析结果以图表的形式呈现,让用户更直观地了解数据的分布和趋势,帮助用户做出更准确的决策。
TableAgent的推出,让数据分析不再是专业人士的专利。它使得每个人都能轻松地成为数据分析师,不再需要掌握复杂的编程技能和统计学知识。通过简单的提问,TableAgent就能为用户提供深入的数据分析结果和见解。
这一创新不仅降低了数据分析的门槛,还极大地提高了数据处理和分析的效率。在过去,数据分析往往需要耗费大量的时间和精力,而现在,借助TableAgent的强大功能,人们可以在短时间内完成复杂的数据分析任务。
此外,TableAgent还推动了数据处理和分析领域的技术进步。它的出现激发了更多的创新和研究,使得数据分析工具不断优化和完善。同时,随着更多的人参与到数据分析中来,数据的利用价值也得到了更好的发挥,为各行各业带来了更多的可能性。
总之,TableAgent的推出标志着数据处理和分析进入了一个新的时代。在这个时代里,每个人都可以轻松地成为数据分析师,共同探索数据背后的奥秘。