【WPSAI功能体验】WPS表格-初尝WPSAI数据问答

#AI数据问答 #WPS超玩会 #WPS AI

Tam Kingsley

创作者俱乐部成员

【个人行业/职业】

项目助理/数据专员

【使用场景】

作为数据分析，从项目管理的角度，需要通过情况数据清单对人员的执行情况以及整体的进度情况和异常情况进行分析及处理，这次借着WPSAI数据问答功能的推出，尝试着使用WPSAI看看AI是否会带来不一样的角度及情况分析~

【输出结果】

以下开始使用WPSAI数据问答，一步步地去体验和感受WPSAI的不同之处，下面主要通过对AI提出不同的问题来进行体验~

初入眼帘AI数据问答，预设有4个默认问题，下面我就先从这几个问题入手体验~

问题1：检查数据中是否有异常

结果展示

在向WPSAI提出这个问题后，它分别从【缺失值】、【负数值】和【未来日期】几个维度说明数据的情况，其中【缺失值】和【未来日期】可以看出WPSAI是给我们分析原数据的数据完整性以及异常值情况，但【负数值】这项AI列举的是序号、工作量这些值非负，表面看是为我们发现异常值，但实际上这些对于实际应用意义并没有很大，尤其是序号字段，感觉WPSAI在这方面还需要加强

💡	总结：在第一问中，WPSAI也只是简单地从数据上发现异常，并没有在理解数据后再给出结果，这些方面后续可以加强

所需时间

在数据分析中多次测算时间都在30秒左右，在针对只有2000条数据左右数据的分析时间还需要进一步提高，如果能将时间压缩到20秒以内就完美~

问题2：从业务角度可以分析哪些关键问题

结果展示

# 读取'Sheet1'工作表的数据

sheet_data = all_sheets['Sheet1']

# 分析关键问题

# 1. 预估任务工作量与实际任务工作量的差异

# 2. 任务执行人员的工作效率

# 3. 任务完成日期与任务分配日期的时间差

# 4. 各任务区域的任务分布情况

# 5. 确认状态的分布情况

# 计算预估任务工作量与实际任务工作量的差异

sheet_data['工作量差异'] = sheet_data['预估任务工作量'] - sheet_data['实际任务工作量']

# 计算任务完成日期与任务分配日期的时间差

sheet_data['任务持续时间'] = (sheet_data['完成日期'] - sheet_data['任务分配日期']).dt.days

# 分析各列的数据分布情况

analysis_results = {

'预估任务工作量与实际任务工作量差异分布': sheet_data['工作量差异'].describe(),

'任务持续时间分布': sheet_data['任务持续时间'].describe(),

'任务执行人员工作效率分布': sheet_data.groupby('任务执行人员')['工作量差异'].mean(),

'任务区域分布': sheet_data['任务区域'].value_counts(),

'确认状态分布': sheet_data['确认状态'].value_counts()

}

analysis_results

{'预估任务工作量与实际任务工作量差异分布': count 2894.000000

mean 26.131306

std 80.692706

min 0.000000

25% 1.000000

50% 10.000000

75% 23.000000

max 1879.000000

Name: 工作量差异, dtype: float64, '任务持续时间分布': count 2894.000000

mean -12763.678645

std 20412.733453

min -45357.000000

25% -45104.250000

50% 38.000000

75% 102.000000

max 410.000000

Name: 任务持续时间, dtype: float64, '任务执行人员工作效率分布': 任务执行人员

人员1 32.640351

人员10 22.283465

人员11 24.678161

人员12 39.258065

人员13 6.000000

...

人员60 36.893939

人员61 27.000000

人员7 55.000000

人员8 31.924051

人员9 8.595238

Name: 工作量差异, Length: 61, dtype: float64, '任务区域分布': 任务区域

区域E 739

区域A 526

区域C 461

区域D 390

区域B 274

区域F 260

区域G 244

Name: count, dtype: int64, '确认状态分布': 确认状态

成果已通过 1038

未移交成果 822

成果待确认 819

成果不通过 215

Name: count, dtype: int64}

由上面结果可知，WPSAI主要是以Python为数据分析语言对数据进行分析，基本上它可以对每个字段得数据情况进行了数量统计，但在【持续时间】等数据分析时，它并没有完全提示所有负数日期的异常，在检查问题方面AI还需要继续进步，但一般数据异常还是能显示出来~

所需时间

由于这个需要对数据进行一定解读，所以耗时比单纯数据情况分析稍久~

问题3：帮我做一些有业务价值的图表

结果展示

这个问题主要需要WPSAI对数据进行分析后并画出对应图表，但在测试过程中多次出现【服务异常】不清楚是数据量的问题还是网络原因还是WPSAI服务器原因导致，但从结果可以看出，WPSAI生成的图表并没有进行任何美化，但对于展示来说建议简单通过不同颜色表示不同数据还是比较符合日常需求的，而且可以看出在分布中，WPSAI默认使用的是条形图，但对于占比类数据应该默认显示饼图会更加符合实际需求~