TableAgent数据分析智能体使用之教育数据分析

前言

在当今数据驱动的时代，有效管理和处理大规模数据变得至关重要。面对这一挑战，九章云极DataCanvas推出了其革命性的产品——TableAgent数据分析智能体，标志着数据处理和分析进入了一个新的时代。在这篇博文中，我们将深入探讨 TableAgent 如何为教育数据分析提供前所未有的便利和效率。

TableAgent 不仅仅是一个数据处理工具，它是一个全面的解决方案，旨在简化复杂的数据工作流程。无论是数据的采集、存储、处理还是分析，TableAgent 都能以其先进的技术和直观的操作界面提供卓越的支持。这使得即使是最复杂的数据任务也变得简单易行，极大地提升了数据处理的效率和准确性。

在接下来的文章中，我们将通过对教育数据的分析进行深入探讨 TableAgent 的核心特性、应用场景。

九章云极（DataCanvas）介绍

数字化时代，数据分析的重要性犹如空气般无处不在。九章云极DataCanvas公司自主研发的TableAgent数据分析智能体是建立在DataCanvas Alaya九章元识大模型之上，它为企业提供了强大的私有化部署能力。Alaya元识大模型为TableAgent提供了关键性的技术支持。这些模型通过协同工作，能够完成复杂的分析任务。

TableAgent具有出色的意图理解能力、分析建模能力和洞察力。在充分理解用户意图后，TableAgent能够自主地利用统计科学、机器学习、因果推断等高级建模技术从数据中挖掘价值。同时，TableAgent还能提供深刻的分析观点和指导行动的见解，使每个人都能成为高级数据分析师。

此外，TableAgent支持企业级数据分析，无论是大规模还是高性能的需求都能满足。它还支持领域微调，可以实现专业化的数据分析。在保证数据安全的同时，TableAgent实现了会话式数据分析，满足了"所需即所得"的需求。值得一提的是，TableAgent提供了透明化的过程，方便审计监督。

TableAgent的发布，让人人都是数据分析师从梦想照进现实。

TableAgent具有以下特点：

• 会话式数据分析，所需即所得
• 私有化部署，数据安全
• 支持企业级数据分析，大规模、高性能
• 支持领域微调，专业化
• 透明化过程，审计监督

前期准备

1. 注册账号，可以点击链接前往注册，这里只需要通过手机号验证码就可以直接注册，无需乱七八糟的填写。
2. 目前注册完成每天可以免费使用5次，如果不够的还，可以申请认证一下，认证通过就可以每天体验15次啦。

样例数据集体验

1. 样例数据集-Airbnb民宿价格&评价 体验

目前在在TableAgent上有多个样例数据集（Airbnb民宿价格&评价、swiggy外卖平台数据、银行客户流失预警、全球大学排名信息、全球大城市人口2022-2023、电影点评、咖啡馆商品信息、某平台商品订单记录、Top250连锁餐饮的销售数据）来供大家使用去体验。下面我们就选择Airbnb民宿价格&评价这个样例数据集去先体验一下。

1.1 体验一

首先我先根据提示提问了：

我准备全家去东南亚旅行，我每天的预算在200～500美元之间，需要3～6个床位，目的地是Thailand和Malaysia，去哪更划算呢？帮我画个图比较下性价比哈。

TableAgent正确的画出了柱状图，并给出最后的结论：

总的来说，如果预算有限，您可能更倾向于选择Malaysia，因为每个房源的价格相对较低。但请注意，床位数可能是影响价格的关键因素，所以如果床位数是您的重要考虑因素，您可能需要在Thailand选择6床位的房源。

1.2 体验二

接着我问了：

我准备冬季去海南旅行，预算200~400人民币之间，需要两个床位，有哪些性价比高的民宿？给出数据对比图

然后TableAgent两轮尝试之后，并没有给出答案，后续我查看了一下当前的数据集中不包含中国城市，包含的国家城市如下图，这里大家实验的时候要注意。

后续又根据TableAgent推荐的问题，进行了部分尝试，也都能够正常的给出答案和数据图。也能够打开详情，看到TableAgent进行数据分析以及代码操作，十分直观。

教育数据的分析（TableAgent&ChatGLM对比）

1. 上传文件

首先我们将昌平区各校平台数据.csv上传到两个平台。

注意：

1. 目前线上的TableAgent版本仅支持CSV格式的数据文件。
2. cvs文件大小不要超过5M。

上传成功后，会在对话中看到成功加载。并可以打开详情查看数据表。

数据集包含以下内容：
区域：学校所在的区域
学校：学校的名称
学生年级：学生所在的年级
一对一辅导人数：参与一对一辅导的学生人数
学生提问人数：提交提问的学生人数
一对多辅导人数：参与一对多辅导的学生人数
微课观看人数：观看微课的学生人数
总参与人数：参与各种活动（包括一对一辅导、提问、一对多辅导和微课观看）的学生总人数
发起一对一辅导次数：发起的一对一辅导次数
提问数：提交的提问数量
参与互动课堂次数：参与互动课堂的次数
微课观看次数：观看微课的次数
参与总次数：参与各种活动（包括一对一辅导、提问、一对多辅导、互动课堂和微课观看）的总次数
年级人数：各年级的学生人数
参与率：参与各种活动的学生占年级总人数的百分比
人均参与次数：每个学生平均参与活动的次数
校均参与次数：各学校平均参与活动的次数
各校累计参与情况（9.01–）：各学校从9月1日到当前日期的累计参与情况百分比

2. 数据分析与对比

需求一：首先我们想通过数据集分析得出平台参与率前五的学校，可以通过参与率对学校进行更加细致化的推广平台。

2.1 分析一

问：数据集中共有多少所学校，参与人数是多少，帮我把各个学校简单分析解读一下，参与人数最高的5个学校画个图看看

2.1.1 TableAgent与ChatGLM柱状图展示

TableAgent:

ChatGLM:

2.1.2 TableAgent与ChatGLM分析对比

2.1.3 结论对比

需求二：我们想通过数据集分析得出每个学校每个年级一对一辅导的参与率，最终得出哪个年级的参与率最高，从而加强该年级的师资投入。

2.2 分析二

问：分析每个年级的一对一辅导参与人数并进行排序，并最终汇总给出哪个年级参与人数最高，并画出图

2.2.1 TableAgent与ChatGLM柱状图展示

TableAgent:
ChatGLM:

2.2.2 TableAgent与ChatGLM分析对比

2.2.3 结论对比

需求三：我们想通过数据集分析得出学生更喜欢通过哪种方式进行学习。

2.3 分析三

问：总结一对一辅导人数、学生提问人数、一对多辅导人数、微课观看人数，画出折线图，并总结出学生更爱通过那种方式进行学习

2.3.1 TableAgent与ChatGLM柱状图展示

TableAgent：
ChatGLM：

2.3.2 TableAgent与ChatGLM分析对比

2.3.3 结论对比

总结

到此我们对TableAgent的使用与体验基本就完成了，我们通过和ChatGLM进行了比对，两个模型给出的的可视化视图基本上是一致的。最后一个分析三有些区别是TableAgent折线图增加了年级元素，更能让我了解每个年级段学生的学习方式倾向。两个模型给出的数据分析思路也十分的实用，对数据分析有很大的参考价值。给出的结论个人更倾向于TableAgent，它能够给出你答案的同时分析出该结论产生的可能原因，并且能够给出拓展查询的建议，比较nice。同时在使用两个平台的时候，TableAgent相比之下表现更加出色：

1. ChatGLM出现了多次新建沙盒上传了数据集被销毁的问题，而不得重新新建沙盒并上传数据集。对比TableAgent上传数据集之后，可以一直使用，比较稳定。
2. 简单易用：TableAgent提供了直观的用户界面和简单的操作流程，使得用户无需具备专业的编程或统计知识即可进行数据分析
3. 易于理解：TableAgent通过展示思维流程图的方式，帮助用户更好地理解整个数据分析与思考的过程。这种可视化的方式不仅让开发人员更加易于理解，还提供了相应的执行代码，使得开发人员可以更加高效地进行数据分析和处理。
4. 可视化分析功能。TableAgent可以将分析结果以图表的形式呈现，让用户更直观地了解数据的分布和趋势，帮助用户做出更准确的决策。

TableAgent的推出，让数据分析不再是专业人士的专利。它使得每个人都能轻松地成为数据分析师，不再需要掌握复杂的编程技能和统计学知识。通过简单的提问，TableAgent就能为用户提供深入的数据分析结果和见解。
这一创新不仅降低了数据分析的门槛，还极大地提高了数据处理和分析的效率。在过去，数据分析往往需要耗费大量的时间和精力，而现在，借助TableAgent的强大功能，人们可以在短时间内完成复杂的数据分析任务。
此外，TableAgent还推动了数据处理和分析领域的技术进步。它的出现激发了更多的创新和研究，使得数据分析工具不断优化和完善。同时，随着更多的人参与到数据分析中来，数据的利用价值也得到了更好的发挥，为各行各业带来了更多的可能性。
总之，TableAgent的推出标志着数据处理和分析进入了一个新的时代。在这个时代里，每个人都可以轻松地成为数据分析师，共同探索数据背后的奥秘。