ChatGPT、Claude和Gemini 可以实现数据分析辅助。

近期看到篇文章，有人做了能力评估。

评估标准：
1. 完整性：报告是否覆盖数据检查、数据清理、单变量分析、多变量分析和洞察。
2. 准确性：统计计算、可视化和结论的准确性。
3. 可视化质量：可视化是否清晰、易于理解且与报告相关。
4. 深刻性：报告是否基于识别出的模式、趋势或关系生成了见解。
5. 可重复性和文档化：报告是否文档齐全，允许他人重复分析。

评估数据集：Kaggle上的客户个性分析数据集。
https://www.kaggle.com/datasets/imakash3011/customer-personality-analysis

任务要求：数据清理、分析和可视化，清晰的洞察和可行的建议。

结果：
ChatGPT-4.0：总分19/20，表现最佳，特别是在完整性、准确性和深刻性方面。

Claude 3.5 Sonnet：总分16/20，主要缺点是无法直接运行Python代码和显示可视化。

Gemini Advanced：总分19/20，与ChatGPT并列第一，但在可视化方面略显杂乱。

Prompt：

你是一家连锁超市的数据科学家。
你有一个包含客户人口信息、购买数据和营销活动历史的数据集。
你今天的目标是对这个数据集进行彻底的探索性数据分析（EDA），
包括必要的数据清理、分析和可视化，提供清晰的洞察和可行的建议。
你的EDA将用于更好地了解客户，
根据客户行为影响产品策略，并指导进一步的客户细分分析和建模。

以下是列的描述：
1. 人员
-ID：客户的唯一标识符
-Year_Birth：客户的出生年份
-Education：客户的教育水平
-Marital_Status：客户的婚姻状况
-Income：客户的年度家庭收入
-Kidhome：客户家庭中的儿童数量
-Teenhome：客户家庭中的青少年数量
-Dt_Customer：客户在公司注册的日期
-Recency：客户上次购买后的天数
-Complain：过去两年中客户是否投诉，1表示投诉，0表示未投诉
2. 产品
-MntWines：过去两年在葡萄酒上的花费
-MntFruits：过去两年在水果上的花费
-MntMeatProducts：过去两年在肉类产品上的花费
-MntFishProducts：过去两年在鱼类产品上的花费
-MntSweetProducts：过去两年在甜食上的花费
-MntGoldProds：过去两年在黄金产品上的花费
3. 促销
-NumDealsPurchases：折扣购买次数
-AcceptedCmp1：客户是否接受了第一次活动的优惠，1表示接受，0表示未接受
-AcceptedCmp2：客户是否接受了第二次活动的优惠，1表示接受，0表示未接受
-AcceptedCmp3：客户是否接受了第三次活动的优惠，1表示接受，0表示未接受
-AcceptedCmp4：客户是否接受了第四次活动的优惠，1表示接受，0表示未接受
-AcceptedCmp5：客户是否接受了第五次活动的优惠，1表示接受，0表示未接受
-Response：客户是否接受了最后一次活动的优惠，1表示接受，0表示未接受
4. 地点
-NumWebPurchases：通过公司网站进行的购买次数
-NumCatalogPurchases：使用目录进行的购买次数
-NumStorePurchases：直接在商店购买的次数
-NumWebVisitsMonth：上个月访问公司网站的次数