宋天龙（TonySong）
数据领域资深技术专家，触脉咨询合伙人，前Webtrekk（德国最大在线数据分析服务提供商）中
国区前技术和咨询负责人。
在数据领域工作15年，积累了大量的数据工作经验、案例、场景和方法，并且在数据分析领域颇有口碑。擅长数据挖掘、建模、分析与运营，精通端到端数据价值场景设计、业务需求转换、数据结构梳理、数据建模与学习以及数据工程交付。在跨境、电子商务、零售、银行、保险等多个行业拥有丰富的数据项目工作经验，参与过集团和企业级数据体系规划、DMP与数据仓库建设、标签和画像系统建设、大数据产品开发、网站流量系统建设、个性化智能推荐与精准营销、企业大数据智能营销与应用等。服务客户包括SHEIN、联合利华、Webpower、德国OTTO集团电子商务（中国），Esprit中国、顺丰优选、猪八戒网、乐视商城、泰康人寿、酒仙网，国美在线、迪信通等。
主要研究项目及领域
数据化运营 × AI、数据分析、数据挖掘、机器学习、个性化推荐、精准营销、互联网和网站分析。
社会资源和身份
中国商业联合会数据分析专业委员会《中国大数据人才培养体系标准》专家组成员，虎啸奖评委会委员，DMT数字营销人才认证委员会认证委员。
著作成果
《Python大数据架构全栈开发与应用》（2023年）
《电商流量数据化运营》（2021年）
《Python数据处理、分析、可视化与数据化运营》（2020年）
《Python数据分析与数据化运营（第2版）》（2019年）
《Python数据分析与数据化运营》（2017年）
《企业大数据系统构建实战：技术、架构、实施与应用》（2017年）
《网站数据挖掘与分析：系统方法与商业实践》（2015年）

这是一本能指导数据分析师和数据挖掘工程师在AIGC时代快速实现能力跃迁的著作，教会他们使用ChatGPT等AIGC工具，大幅提升数据分析与挖掘的能力和效率。
全书围绕Excel、SQL和Python这3大常用的数据分析和挖掘工具展开，从方法和实践2个维度系统讲解了如何使用ChatGPT和Bing Copilot等AIGC工具来辅助提升效率。
全书一共8章，内容可以分为四个部分：
1.AIGC工具使用和Prompt撰写
首先详细介绍了数据分析与挖掘能用到的各种AIGC工具的使用方法和注意事项，然后全面讲解了如何面向数据分析与挖掘场景构建高质量的Prompt，包括大量的方法和最佳实践。
2.AIGC辅助Excel数据分析与挖掘
方法角度，详细阐述了AIGC工具如何辅助Excel数据分析与挖掘，包括数据集生成、数据管理、数据处理、数据分析和数据展示等；实践角度，通过RFM分析、时间序列分析和相关性分析等3个方面的案例讲解了AIGC工具与Excel在不同场景中的结合使用。
3.AIGC辅助SQL数据分析与挖掘
方法角度，详细讲解了AIGC工具如何辅助SQL数据分析与挖掘，包括数据准备、查询、清洗、转换、分析等；实践角度，通过广告渠道评估、归因报表、留存报表等3个方面的案例讲解了AIGC工具与SQL在不同场景中的结合使用。
4.AIGC辅助Python数据分析与挖掘
方法角度，详细讲解了AIGC工具如何辅助Python数据分析与挖掘，包括环境构建、数据探索、数据处理、AutoML等；实践角度，通过广告预测、商品分析和KPI监控等3个方面的案例讲解了AIGC工具与Python在不同场景中的结合使用。

除此之外，本书还全面总结了用AIGC辅助这3种数据分析与挖掘工具时会遇到哪些问题以及有哪些注意事项。

序
前言
第一部分　AIGC基础知识
第1章　AIGC赋能数据分析与挖掘2
1.1　探索主流的AIGC产品2
1.1.1　ChatGPT：AIGC的行业标杆2
1.1.2　New Bing Chat：Bing聊天助手3
1.1.3　GitHub Copilot：智能编程伙伴3
1.1.4　Microsoft 365 Copilot：Microsoft
　　　一站式办公AI4
1.1.5　Azure OpenAI：Azure云平台
　　　服务4
1.1.6　Claude：Anthropic AI工具5
1.1.7　Google Bard：Google AI对话
　　　工具5
1.1.8　文心一言：百度AI工具6
1.1.9　通义千问：阿里AI工具6
1.2　选择适合数据工作的AIGC产品6
1.2.1　产品选择攻略：应用场景与
　　　关键要素6
1.2.2　应用集成AIGC：一站式AI助手7
1.2.3　SaaS模式AIGC：灵活的
　　　AI as a Service7
1.2.4　私有化部署AIGC：企业定制
　　　版AI9
1.3　ChatGPT实操指南9
1.3.1　ChatGPT的常用技巧9
1.3.2　ChatGPT的高级功能12
1.4　New Bing Chat实操指南14
1.4.1　New Bing Chat的常用技巧14
1.4.2　New Bing Chat的高级功能15
1.5　AIGC驱动数据分析与挖掘变革18
1.5.1　技能要求：数据从业者的
　　　技能演进18
1.5.2　应用场景：数据工作的加速器19
1.5.3　人机协作：数据工作的新范式19
1.6　AIGC在数据工作中的注意事项20
1.6.1　基于最新知识的推理限制20
1.6.2　“一致性”观点的挑战20
1.6.3　数据结果审查与验证21
1.6.4　数据安全、数据隐私与合规
　　　问题21
1.6.5　知识产权及版权问题22
1.6.6　社会认知偏差影响数据推理22
1.6.7　难以解决大型任务的统筹与
　　　复杂依赖问题22
1.6.8　垂直领域数据和知识缺失问题22
1.6.9　上下文数据容量限制23
1.6.10　多模态语境的输入限制23
1.6.11　编造事实24
1.6.12　合理设置AIGC使用期望24
第2章　构建高质量Prompt的科学
　　　　方法与最佳实践25
2.1　Prompt的基本概念25
2.2　Prompt对AIGC的影响和价值25
2.2.1　模型的输入来源25
2.2.2　控制模型复杂度26
2.2.3　提高内容生成质量26
2.2.4　个性化体验和内容定制27
2.3　Prompt输入的限制规则27
2.3.1　信息类型的限制27
2.3.2　数据格式的约束规则27
2.3.3　内容长度的合理限制28
2.3.4　对话主题的限制原则28
2.3.5　语法和语义的严格限制28
2.4　高质量Prompt的基本结构29
2.4.1　角色设定：明确AI角色与
　　　工作的定位29
2.4.2　任务类型：明确AI任务的
　　　类别与性质29
2.4.3　细节定义：准确定义期望
　　　AI返回的输出30
2.4.4　上下文：让AI了解更多
　　　背景信息30
2.4.5　约束条件：限制AI返回的
　　　内容31
2.4.6　参考示例：优质示例的参考
　　　借鉴31
2.5　提升Prompt质量的关键要素32
2.5.1　指令动词：精确引导模型行动32
2.5.2　数量词：明确量化任务要求33
2.5.3　函数和公式：运用数学逻辑
　　　的威力34
2.5.4　标记符号：有效提示引用信息34
2.5.5　条件表达：准确限定输出条件35
2.5.6　地理名词：地理位置信息的
　　　界定35
2.5.7　日期和时间词：数据周期的
　　　明确表达36
2.5.8　比较词：精确比较与对比要求36
2.5.9　参考示例词：基于样板输出
　　　内容36
2.5.10　语言设置：设定合适的输出
　　　语言37
2.5.11　否定提示词：反向界定与
　　　排除歧义37
2.6　构建Prompt的最佳实践38
2.6.1　明确目标和场景：精准设定
　　　任务目标38
2.6.2　任务分解：拆解大型、复杂
　　　任务39
2.6.3　交互反馈：基于正负向反馈的
　　　优化40
2.6.4　让AI提问：引导模型主动
　　　提问41
2.6.5　控制上下文：合理管理对话
　　　信息量41
2.6.6　引导、追问和连续追问：优化
　　　对话交互42
2.6.7　语言简明扼要：语言表达精炼43
2.6.8　使用英文Prompt：借助英文
　　　提升质量43
2.6.9　输入结构化数据：让AI充分
　　　理解数据44
2.6.10　提供参考信息：确保信息完
　　　　整性44
2.6.11　增加限制：避免输出宽泛
　　　　内容45
2.6.12　明确告知AI：不知道时请
　　　回答“不知道”45
2.7　精调Prompt示例：引爆AIGC
　　 优质内容46
2.7.1　逐步启发和引导式的Prompt
　　　精调46
2.7.2　从广泛到收缩的Prompt精调47
2.7.3　利用反转角色的Prompt精调48
2.7.4　基于少样本的先验知识的
　　　Prompt精调49
2.7.5　基于调整模型温度参数的
　　　Prompt精