不會寫程式也能分析資料：ChatGPT 進階資料分析怎麼用

如果說一般的 ChatGPT 對話是「請它用講的」，進階資料分析（Advanced Data Analysis，早期叫 Code Interpreter）就是「請它動手做」。你把檔案丟給它，它寫程式、跑程式、把結果和圖表拿回來給你看。我修 Vanderbilt 大學這門課時的感想是：這是整個 ChatGPT 生態裡，最值得非工程師花時間學的一塊。

原因很簡單：它把「會不會寫程式」跟「能不能做資料分析」脫鉤了。你需要的不是語法，而是知道要問什麼問題、以及怎麼驗收結果。這篇就照這個順序講：它是什麼、典型的工作流程長怎樣、適合與不適合的任務、還有幾個一定要知道的限制。

它到底是什麼：會寫程式的分析助手

進階資料分析的核心機制一句話講完：你用白話提需求，模型把需求翻譯成 Python 程式，在一個隔離的執行環境裡真的跑一遍，再把結果整理給你。中間每一步都看得到，你可以展開它寫的程式碼，看它到底做了什麼。

這跟純聊天有本質差別。你直接問「這份名單的平均年齡是多少」，聊天模式的模型只能憑印象生一個數字；進階資料分析卻是真的讀了檔案、真的算了一次。能被程式算出來的答案，就不必依賴模型的記憶與想像，這是它值得信賴的根本原因。

典型的工作流程

1. 上傳檔案：把 CSV、Excel 或其他資料檔拖進對話。多個檔案可以一起傳。
2. 先請它描述資料：「這份檔案有哪些欄位、幾筆資料、有沒有缺值」。先確認它讀對了，再談分析。
3. 用白話提需求：「幫我算各分店的月營收並排序」「找出退貨率異常的品項」。
4. 看結果、追問、修正：數字不合理就質疑它、圖不好看就請它改，跟同事協作一樣來回。
5. 匯出成果：整理好的資料表或圖檔可以請它輸出成檔案下載。

它特別擅長的幾類任務

實際用下來，最有感的是那些「不難、但很煩」的資料雜務。資料清理：統一日期格式、去重複、補缺值、拆欄合欄。敘述統計與分組彙總：平均、分布、各分類的加總與排名，等於用講的做樞紐分析表。

圖表：長條、折線、散布、直方圖，一句話生一張，還能來回調整。格式轉換：JSON 轉表格、多個檔案合併、寬表轉長表。

課程裡讓我印象深刻的一個角度是：它也能拿來處理「非典型資料」。問卷的開放式回答，可以請它讀完後歸類分群；一疊簡報或文件，可以請它抽出所有未定義的術語。這些過去要人工逐筆做的苦工，現在是一句提示的事。

限制與陷阱：先知道，才不會踩

• 執行環境是暫時的：對話閒置一段時間後，環境會重置，上傳的檔案與跑到一半的變數會消失，要重新上傳。重要成果請隨手下載。
• 檔案與記憶體有上限：幾十萬列的資料多半沒問題，但真正的大資料它吃不下，該用資料庫的場景還是得用資料庫。
• 程式會跑對，理解可能跑偏：程式執行的結果是真的，但它對「你要什麼」的理解可能是錯的。欄位認錯、篩選條件理解偏差，都會產出「正確計算出來的錯誤答案」。
• 解讀仍然是生成的：數字是算的，但它對數字的解讀與推論是生成的文字，因果推論尤其要自己把關。
• 資料隱私：上傳前想清楚這份資料能不能離開你的電腦。

我的上手建議

從一份你已經很熟的資料開始。因為你知道正確答案長什麼樣，所以它哪裡做對、哪裡做歪，你一眼就看得出來，這是建立信任感最快的方式。接著再把它推向你原本「想做但嫌麻煩」的分析：那些你每個月手動重複的報表、那份一直沒空整理的問卷。

心法只有一條：把它當成一位手腳很快、但需要你驗收的分析助理。它負責寫程式跟跑腿，你負責問對問題、檢查結果、下判斷。分工清楚，這個工具就會是你資料工作裡回報率最高的一項投資。