我的私人助理 | 办公小浣熊
- 办公小浣熊
- 上手实操
- 业务场景分析一（数据处理）
- demo 本地数据库操作
- 业务场景分析二（数据处理）
- Excel 本地文件操作
- 业务场景分析三（数据可视化）
- 业务场景分析四（趋势判断）
- 其他 AI 场景
- 历史回溯
- 数据管理
- 人设管理
- 写在最后
大家在日常工作中是不是经常会遇到数据分析的场景，比如随着公司业务的发展，为了更好的拓展公司业务，领导需要及时掌握公司的各种数据，从而制定详细策略应对，从而创造更多的效益。那么基于此，办公小浣熊就有了大展手脚的机会。
那么什么是办公小浣熊呢？
办公小浣熊
办公小浣熊是一款可以帮助你快速进行数据清洗、数据运算、趋势分析、预测性分析、比较分析、关联性分析等能力的一款 AI 办公工具，通过办公小浣熊，你只需要提供用到的数据，办公小浣熊可以以对话的方式帮你分析出你想知道的任何数据，办公小浣熊地址：https://raccoon.sensetime.com/office
上手实操
业务场景分析一（数据处理）
现在有这样一个业务场景，需要基于商品表、订单表、用户表等三张表的数据来梳理出具体哪位销售人员订单的金额最高以及哪种商品的销量更好，从而调整企业的销售策略，及时的更新商品，增大销量，提高企业经营利润。
demo 本地数据库操作
进入办公小浣熊控制台后，点击【导入数据库文件】
这里需要注意的是，这里说的本地数据库并不是可以连接到你自己本地数据库，而是办公小浣熊为了操作方便提供的可供免费使用的 demo 数据库，同时在这里也希望后续办公小浣熊可以支持接入企业自己的本地数据库，这样进行数据分析也就更有应用场景了。下面来看导入数据库文件的页面
点击【连接】勾选所有的表后，点击【开始导入】
导入成功后可以在右侧页面看到导入的各个表的数据预览
在 AI 对话框中输入【帮我分析一下每个人的订单数、总金额以及所属地域，按金额从高到低排序】，办公小浣熊 会根据我提出的问题进行数据分析并给出数据执行步骤
然后依次按照步骤进行自动操作，操作完成后给出 办公小浣熊 的数据分析报告，
这里可以看到输出的数据分析报告正是我问题中想要知道的内容。
下面继续问第二个问题，想要知道哪种商品的销量好，就可以通过哪种商品的成单量来推算出来，那么问题来了【帮我分析一下每种商品的成单量，按照成单量从高到低排序】，我们这次直接来看 办公小浣熊 的分析结果
同样分析结果完全正确，没有任何问题。并且在本次数据分析的过程中，办公小浣熊自动进行了错误纠正
办公小浣熊在第一次进行分析时没有找到商品表 Products 的 name 列，然后自动读取商品表 Products 的表结构，更改成了 product_name ，完成了数据分析任务。
那么到这里，大家是不是也觉得 办公小浣熊 很适用，特别适合经常和表格数据分析打交道的我们，省去了我们通过自己编写 Excel 公式统计数据的麻烦且容易出错的情况，提高了数据分析、数据预测、数据统计人员的工作效率。
业务场景分析二（数据处理）
现在有这样一个 Excel 表格数据，记录了某平台官网订单在 9 月的销售数据，此数据非真实数据，而是模拟的虚假数据，这里仅用于数据分析之用，整体 Excel 表格的数据大致有以下内容，
那么基于此表格，有以下数据需要分析：
统计出不同分类下的订单金额，并按照金额大小从高到低排序；
统计出不同订单类型的订单金额，并按照金额大小从高到低排序；
统计出不同坐席下的订单金额，并按照金额大小从高到低排序；
统计出不同商品 ID 的订单金额，并按照金额大小从高到低排序；
Excel 本地文件操作
这里选择上传本地 Excel 文件，那么在 办公小浣熊 控制台，
点击【选择本地文件】，选择需要上传的 Excel 文件，上传成功后如图
下面我们开始在 AI 对话框中依次提出我们的问题，问题一【统计出不同分类下的订单金额，并按照金额大小从高到低排序；】可以看到很准确的统计处了每一种分类下的订单总金额，生成的数据分析报告
下面继续提出我们的第二个问题，问题二【统计出不同订单类型的订单金额，并按照金额大小从高到低排序；】这里也可以看到给出的统计结果符合我们的预期，生成的数据分析报告
同样的我们继续进行下一个问题的数据分析，问题三【统计出不同坐席下的订单金额，并按照金额大小从高到低排序；】看看给出的统计结果是否符合我们的预期，生成的数据分析报告
最后一个问题，问题四【统计出不同商品 ID 的订单金额，并按照金额大小从高到低排序；】，根据给出的统计结果我们可以看到哪一种商品 ID 的总体销售金额更好，从而调整后续的营销策略，提高企业收入
到这里，关于 办公小浣熊 的核心数据分析功能我们已经体验完了，整体上体验效果是不是很不错，每一次的数据分析都能给出让我们满意的答案。
当然，除了上面返回的数据分析报告的格式外，还有多种返回形式，毕竟返回一堆文字看着也不太智能化，并且不便于快速直观的获取数据信息。那么这就到了另一个场景
业务场景分析三（数据可视化）
现在我有一张 Excel 关于商品的销售数据，比如业务场景分析二中用到的 Excel 表格，那么我想很直观的从这个表格的一堆数据中看到每一种分类下的成单量，或者是哪一个销售人员业绩更好，通过业务场景分析二的方式（文字版）看着也太费劲了，虽然是排序了，但是看着一点也不直观。那么这就用到 办公小浣熊 的数据可视化能力了。
比如说我想知道那种分类的成单量更好，更值的投入更多的人力去推广，我可以这样问 【统计不同分类下的订单数量，按照订单数量从高到低排序取前 8，并绘制成一个柱状图】，这里可以很直观的看到销量最好的是 注册会计师
这个时候我又想知道到底是哪位坐席员工的销售金额更多呢，对于销售金额多的坐席员工可以及时的给出反馈，从而激励员工更好的为公司业务去奋斗，那么我这样问【统计不同坐席下的订单总金额，按照订单总金额从高到低排序取前 8，绘制成一张图表】
这样就可以很直观的看到坐席号 10060045 本月的销售金额最高，值的奖励。
到这里我们已经基于了 办公小浣熊 进行了数据处理，又针对比较关心的问题进行了数据可视化的直观展示，那么后面呢？不管是数据处理、数据可视化展示，其实最终的目的还是基于过去的数据为以后的决策提供支撑，那么这就到了真正的趋势判断、决策分析了。
业务场景分析四（趋势判断）
当前 Excel 表格提供的是模拟的 9 月份商品的销售数据，那么基于以上数据的各种处理和数据分析之后，未来该如何排兵布阵，从而在市场上占据主动，为企业带来更多的长久的利润来源呢？这就需要用到 办公小浣熊 的数据趋势判断了。
为了实现这个趋势判断，我需要再模拟前面 6、7、8 月的数据，这里在会话框中选择上传 Excel ，选择准备好的四个月的模拟数据
但是给出了一个错误提示
这里我上传 7、8、9 月三个月的数据，进行了数据预测，在 AI 对话框输入问题【基于以上 7、8、9 月三个月数据，预测 10 月份不同分类的销量情况，选择前 8 分类绘制折线图，并提供分析依据】
这里由于我提供的模拟商品销售数据都是基于 9 月数据改了一下月份得来的，因此预测的不是太有意义。这里我选择 demo 数据库中的数据再次尝试，导入本地数据库之后，在 AI 对话框中输入问题【根据现有数据预测 12 月份哪种商品的销量数据更好，绘制成柱状图，并提供预测分析依据】可以看到和我们预测的差不多 iphone 12
查看原始表数据也可以看到 iphone12 在 10 月份有一个较大的销量波动
因此预测 iphone12 在 12 月份销量看涨也就不足为怪了，这也同样为决策者提供了决策建议，可以加大对 iphone12 的投入。下面我们再来看一下 AI 提供的预测依据
根据您提供的数据，我已经完成了以下工作：
我计算了每种商品在 2023 年每个月的销量，并使用线性回归模型预测了 12 月的销量。
我绘制了一个折线图，展示了每种商品在 2023 年每个月的销量，并标注了 12 月的预测销量。
我创建了一个表格，列出了每种商品在 2023 年每个月的销量以及 12 月的预测销量。
我绘制了一个柱状图，展示了每种商品在 2023 年 12 月的预测销量，并突出显示了预测销量最高的商品。
预测分析依据:
我们使用了 2023 年 10 月和 11 月的销量数据作为基础，因为这两个月的数据显示了明显的增长趋势。
使用线性回归模型，我们基于这两个月的数据预测了 12 月的销量。
需要注意的是，这种预测方法相对简单，并没有考虑其他可能影响销量的因素，如市场营销活动、库存情况、节假日等。因此，实际的销量可能会与预测值有所不同。可以说，理由很充分，足够作为趋势判断为决策者提供决策依据了。
其他 AI 场景
办公小浣熊除了可以基于上传的源数据文件进行分析外，还可以基于 AI 对话 来生成一些有趣的东西，比如【帮我画一个莫比乌斯环，并用粉色填充】生成的效果如图
当然，办公小浣熊除了数据分析，还有一些其他的辅助功能，比如…
历史回溯
点击菜单栏的【历史回溯】可以看到刚才基于 办公小浣熊 的全部数据分析的操作记录，也可以将名称修改为和业务相关的名称，方便后续想要再次查看当时的分析结果时，可以快速的找到
数据管理
可以通过数据管理功能上传比如刚才用到的 Excel 数据分析源文件，然后再进行数据分析时可以直接选择第三种方式来进行数据分析，那么下面先来上传数据，点击【数据管理】-【上传】
选择上传文件，选中需要上传的数据文件之后，点击【开始上传】
上传成功后可以看到我们的数据文件
这时再回到 办公小浣熊 的 AI 对话页面，选择【来自数据管理】
选中刚才在数据管理上传的数据 Excel 源文件，点击【选择】
在 办公小浣熊 AI 对话框中输入问题【统计出不同商品 ID 的订单金额，并按照金额大小从高到低排序；】进行分析，等待数据分析返回的数据分析报告
可以看到，和通过第一种方式选择本地 Excel 文件上传后的数据分析报告结果是一致的。只是选择的数据源文件的方式有所差异而已。
人设管理
人设管理类似于不同人物形象，可以设定不同的人物风格，比如数据分析师，或者销售咨询师等内容
个人没有发现其对于 办公小浣熊 在 AI 数据分析过程中的作用，可能暂时还没有这方面的区分吧。
同时，到这里，关于 办公小浣熊 的数据分析能力也整体体验完了，下面来谈谈这次体验的一些感受。
写在最后
首先来说一下本次 办公小浣熊 的数据分析能力的体验感受，整个控制台操作界面风格简约，操作步骤清晰，基本上不需要任务的数据分析功底就可以胜任，可以说在很大程度上降低了企业人员的学习成本，同时可以帮助企业人员快速熟悉掌握数据分析的一些基础操作。
在体验过程中，也发现了一些可以优化的地方，比如在 对话分析数据时选择本地 Excel 文件，如果文件超过限定的大小就无法上传成功，比如这样
而实际工作场景中，对于数据文件的大小，还是有可能超过 20M 的，因此这里建议是否可以调整一下这个数据文件的上限。当数据文件较多的时候，单一文件超过 20M 无法上传，分割后的文件按照多个月分割后，单次只能上传最大 3 个文件
那么当年中想要分析前面几个月的销售趋势，为下半年进行趋势分析，决策支撑时就无法获得较准确的结果，而只能分析临近 3 个月的数据，对于趋势的判断上可能不太准确了。另外在选择第二种方式导入数据库文件的时候，目前只能选择 demo 数据库，也就是官方提供的示例数据库，希望后期可以提供支持配置企业自己的数据库，包括内网数据库、公网数据库、云数据库等多种形式
