利用ChatGPT快速进行指标的异常归因

指标的异常归因是数据分析师日常工作中遇到的最高频问题之一。

关于异常归因的核心问题其实就两个：一个是从哪些维度进行指标拆解，另一个是各个维度之间的贡献度分别是多少？

我们来看看ChatGPT是怎么解决这种问题的。先来个业务问题：

上面ChatGPT给出的拆解维度还是比较全面的，那我们来看下贡献度的计算。同样给一个具体的例子：

根据经验可知，绝对值指标的贡献度计算和率值指标的贡献度计算原理是不一样的。我们来问问ChatGPT关于率指标变动的贡献度如何计算？

在上面这个样例中，ChatGPT算出来的各个类别的贡献度为0，这很明显是不对的。我们指出他的错误之处：

经过提示后的ChatGPT给出了正确的答案。我们在实际工作场景中就完全可以利用ChatGPT来提高日常归因的效率。