ChatGPT、Claude的数据分析能力已经到了何种水平？

发布日期：2024-07-01 08:59:11 浏览次数： 1636

听说最近大模型的数据分析能力大幅提升，作为一名曾经的数据分析师，还是比较感兴趣。下面是针对ChatGPT 4o、Claude 3.5 Sonnet做的一个简单测试，效果如何大家自己品评。

1、数据录入

（1）Claude 3.5

Claude 3.5可以直接导入数据，并且有一个专门的Artifacts交互窗口来展示数据，如下所示：

（2）ChatGPT 4o

ChatGPT 4o调用python来导入表格数据，如下所示：

表格放大后可以弹出一个专门的交互窗口，如下所示：

在这个专门的操作窗口可以选择特定的区域提问，比如问选定列的平均值多少，这个非常便利，如下所示：

2、数据概貌

（1）Claude 3.5

针对上面导入的数据，Claude 3.5给出了对这些数据的几点观察，挺不错，如下所示：

Claude 3.5基于Artifacts交互窗口给出了概貌，如下所示：

（2）ChatGPT 4o

ChatGPT 4o调用python给出了以上数据的一些基本统计值，常规操作，如下所示。

3、数据清洗

（1）Claude 3.5

基于以上数据，Claude 3.5给出了贴心的清洗转化建议，不错，如下所示：

清洗转化后的数据的确清晰很多，如下所示：

（2）ChatGPT 4o

相对于Claude 3.5，ChatGPT 4o的表现差强人意，如下所示：

4、数据分析

（1）Claude 3.5

让Claude 3.5基于以上数据表格给出一个数据分析报告，比较惊艳，结果如下所示：

数据分析报告的图表是单独在Artifacts窗口展现的，直接可以交互，非常好，如下所示：

1.用户增长数据分析：

2.月度新增用户和流失用户对比：

3.用户增长率和流失率趋势：

4.活跃用户比率趋势：

5.日均流量趋势：

（2）ChatGPT 4o

ChatGPT 4o基于以上表格数据给出的数据分析报告，比较呆板，相比Claude 3.5有明显的差距，如下所示：

5、图表解析

（1）Claude 3.5

Claude 3.5还提供了一个强大的功能，就是解析图表。针对输入的一张带有图表的图片，Claude 3.5可以智能的将图表中的数据读成JSON格式。

案例一：各月新增离网用户发展对比

基于JSON数据，可以要求重新画出交互的漂亮图表和相关分析，强大，如下所示：

这个功能在很多场景非常有用，比如我看到某个图表很有用，希望将其中的数据嵌入自己的报告，这个时候就可以利用这个功能，下面示例了2个案例：

案例二：企业信息化程度

案例三：2012-2018上半年中国网络游戏用户规模及占比情况

（2）ChatGPT 4o

ChatGPT 4o现在也具备了该能力，但距离Claude 3.5有差距，比如针对案例一，其识别出的数据明显不准确，200602的离网用户数被识别为了52000，但肉眼可见的数据应该在70000以上。

针对案例二，把国家“埃及”识别成了“坦桑尼亚”。

简单的测试结束。应该来讲，两个大模型都表现出了一定的分析潜力，特别是Claude 3.5 Sonnet，已经有初级数据分析师的味道了，特别是Artifacts协作空间很好，可以直接展示动态图表，图表解析功能的实用性也很高。而ChatGPT 4o报错太多，表现差强人意

53AI，大模型落地应用首选服务商

定位：开箱即用的大模型落地应用平台

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

年轻人！来一起搞AI吗?

如果你看见AI对商业世界的变革，欢迎来和我们一起探索~

岗位：销售经理

查看详情

岗位：项目经理

查看详情

岗位：产品经理

查看详情

岗位：测试工程师

查看详情

160+中大型企业正在使用53AI

立即咨询申请演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

神经网络算法 - 一文搞懂模型预训练Pre-training

2024-04-24

最强 GPT 免费使用！GPT4O 开启多模态新时代！

2024-05-14

实测：本地跑llama3:70B需要什么配置

2024-04-24

超简单在本地部署Llama3的方案

2024-04-23

“大数据+”医疗

2024-04-11

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

2024-04-26

RAG系列04：使用ReRank进行重排序

2024-03-22

吴恩达站台畅聊Agent Workflow 以及 4 种主流设计模式，LLM应用开发的新热点

2024-03-29

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

2024-04-12

MaxKB：基于LLM大语言模型开箱即用的知识库问答系统

2024-04-25

大家都在问

实用指南｜如何提升 RAG Pipeline 效果？

2024-07-03

实测：开源轻量化模型Gemma 2 在 A4000 GPU 上表现如何？

2024-07-02

研发AI产品过程中，没有自研的数据处理以及机器学习平台时，可以使用哪些平台？

2024-07-02

为什么很多人都放弃LangChain了？

2024-07-01

ChatGPT、Claude的数据分析能力已经到了何种水平？

2024-07-01

【RAG论文】检索信息中的噪音是如何影响大模型生成的？

2024-07-01

AI大模型：开源还是闭源？

2024-06-30

langchain创始人分享：什么是Agent？

2024-06-30

企业大模型落地应用平台

全员+AI

业务+AI

AIx业务

大模型咨询

大模型定制

年轻人！来一起搞AI吗?

岗位：销售经理

岗位：项目经理

岗位：产品经理

岗位：测试工程师

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

神经网络算法 - 一文搞懂模型预训练Pre-training

最强 GPT 免费使用！GPT4O 开启多模态新时代！

实测：本地跑llama3:70B需要什么配置

超简单在本地部署Llama3的方案

“大数据+”医疗

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

RAG系列04：使用ReRank进行重排序

吴恩达站台畅聊Agent Workflow 以及 4 种主流设计模式，LLM应用开发的新热点

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

MaxKB：基于LLM大语言模型开箱即用的知识库问答系统

大家都在问

实用指南｜如何提升 RAG Pipeline 效果？

实测：开源轻量化模型Gemma 2 在 A4000 GPU 上表现如何？

研发AI产品过程中，没有自研的数据处理以及机器学习平台时，可以使用哪些平台？

为什么很多人都放弃LangChain了？

ChatGPT、Claude的数据分析能力已经到了何种水平？

【RAG论文】检索信息中的噪音是如何影响大模型生成的？

AI大模型：开源还是闭源？

langchain创始人分享：什么是Agent？

企业大模型落地应用平台

全员+AI

业务+AI

AIx业务

大模型咨询

大模型定制

年轻人！来一起搞AI吗?

岗位：销售经理

岗位：项目经理

岗位：产品经理

岗位：测试工程师

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

神经网络算法 - 一文搞懂模型预训练Pre-training

最强 GPT 免费使用！GPT4O 开启多模态新时代！

实测：本地跑llama3:70B需要什么配置

超简单在本地部署Llama3的方案

“大数据+”医疗

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

RAG系列04：使用ReRank进行重排序

吴恩达站台畅聊Agent Workflow 以及 4 种主流设计模式，LLM应用开发的新热点

OLLama详细的 api 介绍 不完全指南 python 直接调用 OLLama api 翻译助手演示

MaxKB：基于LLM大语言模型开箱即用的知识库问答系统

大家都在问

实用指南 ｜ 如何提升 RAG Pipeline 效果？

实测：开源轻量化模型Gemma 2 在 A4000 GPU 上表现如何？

研发AI产品过程中，没有自研的数据处理以及机器学习平台时，可以使用哪些平台？

为什么很多人都放弃LangChain了？

ChatGPT、Claude的数据分析能力已经到了何种水平？

【RAG论文】检索信息中的噪音是如何影响大模型生成的？

AI大模型：开源还是闭源？

langchain创始人分享：什么是Agent？

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

实用指南｜如何提升 RAG Pipeline 效果？