可视化销售数据分析
文章标签:销售数据集, VegaLite, 总销售额, 品牌
尝试使用ChatGPT通过自然语言快速绘制图表,实验的对象是文献[1]中数据分析常用的十种数据事实,使用的可视化语法是VegaLite。以下是测试的内容。
01 数值型数据事实(value)
“假设有一个销售数据集。请用VegaLite来显示这个事实:总销售额的数值是10000。”
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168493204.jpg)
数值型数据事实自然语言查询
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168493622.jpg)
数值类数据事实可视化结果
02 比较型数据事实(Difference)
在当前的销售数据集中,我们可以通过运用VegaLite工具来对比分析两个不同品牌的销售状况。
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168493977.jpg)
比较型数据事实自然语言查询
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168494253.jpg)
比较型数据事实可视化结果
03 占比型数据事实(Proportion)
基于该上下文继续提问:“考虑在数据集中有多个品牌,请显示一个品牌在销售中的比例。”
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168494533.jpg)
占比型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168494748.jpg)
占比型数据事实可视化结果
04 趋势型数据事实(Trend)
“该数据集有一列年份。请按年份显示销售的趋势。”
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168495148.jpg)
趋势型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168495415.jpg)
趋势型数据事实可视化结果
05 分类型数据事实(Categorization)
“请列举出数据中包含的所有城市”
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168496035.jpg)
分类型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168496329.jpg)
分类型数据事实可视化结果
06 分布型数据事实(Distribution)
“不同国家的销售分布情况如何?”
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168496745.jpg)
分布型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168496931.jpg)
分布型数据事实可视化结果
07 排序型数据事实(Rank)
“请对这些国家用销售量进行排序”
![可视化销售数据分析 可视化销售数据分析](https://chatgptdh666cn.oss-cn-shenzhen.aliyuncs.com/1692168497314.jpg)
排序型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgpt.dh666.cn/wp-content/themes/onenav/images/t.png)
排序型数据事实可视化结果
08 相关型数据事实(Association)
“销量和收入之间是否存在相关性?”
![可视化销售数据分析 可视化销售数据分析](https://chatgpt.dh666.cn/wp-content/themes/onenav/images/t.png)
相关型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgpt.dh666.cn/wp-content/themes/onenav/images/t.png)
相关型数据事实可视化结果
09 极值型数据事实(Extreme)
“请展示销量最高的国家”
![可视化销售数据分析 可视化销售数据分析](https://chatgpt.dh666.cn/wp-content/themes/onenav/images/t.png)
极值型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgpt.dh666.cn/wp-content/themes/onenav/images/t.png)
极值型数据事实可视化结果
10 异常型数据事实(Outlier)
“请找出所有国家中的异常点”
![可视化销售数据分析 可视化销售数据分析](https://chatgpt.dh666.cn/wp-content/themes/onenav/images/t.png)
异常型数据事实
![可视化销售数据分析 可视化销售数据分析](https://chatgpt.dh666.cn/wp-content/themes/onenav/images/t.png)
异常型数据事实可视化结果
小结
经过分析,本文发现ChatGPT在解答问题和生成可视化代码方面表现出色,具有较高的准确性和可靠性。然而,在占比任务中,ChatGPT未选择更为常见的饼状图,这使得可视化效果略显不足。同时,在排序任务中,ChatGPT未能对可视化结果进行排序,这也是一个小小的疏漏。尽管如此,从整体上看,大语言模型已具备较强的语义理解能力和选择合适图表的能力,对于可视化分析任务有着较为出色的表现。
文献
在2020年,Shi, D., Xu, X., Sun, F., Shi, Y. 和 Cao, N. 这五位作者在《IEEE Transactions on Visualization and Computer Graphics》杂志的27卷第2期中,发表了一篇名为“Calliope:从电子表格中自动生成视觉数据故事”的研究论文。该论文提出了一种名为Calliope的新方法,能够利用电子表格中的数据,通过计算机图形学技术生成具有丰富视觉效果的数据故事。
在2016年,Satyanarayan, Moritz, Wongsuphasawat, 和 Heer合作发表了一篇名为《Vega-lite:一个交互式图形语法》的论文。该论文以IEEE Transactions on Visualization and Computer Graphics为平台,探讨了交互式图形的设计与构建方式。其中,作者们提出了一种名为Vega-lite的新方法,通过这种方法,开发者可以更方便、高效地创建和渲染复杂的交互式图形。具体而言,该方法利用一系列预定义的图形元素和规则,以及用户提供的数据,生成并显示符合特定标准的交互式图形。这项技术在可视化、计算机图形学等领域有着广泛的应用前景。
销售数据集, VegaLite, 总销售额, 品牌