ChatGPT 與資料視覺化

講者簡介

彭其捷 Jack，交大資管所畢業，至今出版十本 IT 相關專書，主要著重於數據分析、資料視覺化、UI/UX 等議題。其中撰寫「大數據時代必學的超吸睛視覺化工具與技術：Excel+Tableau成功晉升資料分析師」以及同系列的「Tableau打造30個經典數據圖表」，皆為數據領域暢銷書。

• 個人網站: https://www.visualization.tw/>
• 部落格: https://www.tableau.tw/>
• 「資料視覺化 / 商業分析研究社」社群： https://www.facebook.com/groups/tw.dataviz>

講者課程資源

• 【免費課程】1111 生成式 AI 平台：ChatGPT x 資料分析
• 商業圖表製作與視覺化分析的技術
• 資料變決策！從零上手 Tableau 大數據視覺化
• ChatGPT 與 AI 工具生產力、數據應用課程

版聚回顧及重點摘要

文中節錄講者簡報部分內容（點此下載完整簡報），FB 直播（點此觀看）

講者觀察在中文世界裡，「利用 ChatGPT 產出程式碼，將資料做視覺化呈現」這類分享很多，但講者認為資料視覺化不只有程式碼， 如何利用 ChatGPT 協助產出「良好的」資訊視覺化成果？ 是今天講座主要回答的命題。

講者分享了 4 個定義「良好的」視覺化資訊的面向，並且利用 12 個提問，探索人與 ChatGPT 如何在這 4 個面向上合作，更有效率地產出視覺化資訊。

新概念：ChatGPT 讀取外部資料 + Plugin 輔助分析

講者在開場拋出一個題目與聽眾互動，這個題目用到的資料筆數根表格內容比較簡單，因此大多聽眾會回覆使用1. Excel/Google Sheet。但當資料量變更大、或是資料維度更複雜，大家會選用的工具就會不同，而上述提及的主流工具，ChatGPT 已經可以在部分流程上當作輔助工具使用。

ChatGPT 會被質疑使用過去的資料進行訓練，是否能適用於真實使用情境？免費版本的 ChatGPT 的確無法讀取外部資料，但講者分享付費版本的 ChatGPT 是可以讀取外部資料（講者直接輸入 Google Sheet 網址）再搭配合適的 Plugin，就可以依照外部的資料進行資料處理。（講者分享當下為 2023 年 6 月，ChatGPT 讀取外部資料仍不太穩定，需要多嘗試幾次才能成功）

如果讀取外部連結行不通，也可以直接輸入資料集，下 Prompt 要求 ChatGPT 直接產生圖表。但講者也提醒，如果請 ChatGPT 生成描述性統計資訊，ChatGPT 3.5 版本給出的結果可能會有錯，因為 3.5 版本是使用歷史資料去預測字與字之間該怎麼接續，但 4.0 版本搭配 Plugin，是真的去跑計算模型，提供的結果正確性較高。

四個面向解析視覺化圖表

講者接著再拋出一個題目，請大家評斷 ChatGPT 產出的視覺化資料好或不好？聽眾回應以「不好」為主。講者藉此帶出今分享的重點：我們如何評估一個資料視覺化的好壞？

講者引用一位英國記者 David McCandless 提出的結構：一個好的資料視覺化可分成4件事

1. Information 資料與訊息
2. Visual Form 視覺元素
3. Goal 符合目標功能
4. Story 資料故事

講者認為不是每個視覺化圖表都需要滿足 4 個條件才叫成功，仍需回到資訊化圖表的目的，舉例：當你需要的是 Eye Candy 的圖表，那這個圖表只要符合有資料與訊息、視覺元素即可，即使沒有資料故事也可以是一個成功的視覺化圖表。

講者分享了幾個例子，讓聽眾熟悉這 4 個判斷條件，當然每個人對於每個圖表是否符合 4 個條件也會有各自的見解，這個框架比較是提供討論的工具，講者認為不需要爭對與錯。

ChatGPT x Information 資料與訊息

Q1：可以幫忙提供資料來源嗎? YES

講者提醒 ChatGPT 提供的網址與內容還是需要確認，有可能提供 10 個網址，會有部分對部分錯，有句話說：最可怕的假資料是部分真、部分假。所以講者建議還是要檢查過，但 ChatGPT 的優勢就是能有效率的聚焦在可能的答案上，無論是找 Open Data 或是找指標，ChatGPT 都可以輔助。

講者分享幾個實用的 Prompt，像是：「可否提供一個適合進行資料視覺化練習的資料集，且具備多種資料欄位的類型？」

ChatGPT 就回覆一個經典的資料集：「Iris」，並且提出可以怎麼分析或將這個資料集視覺化。

Q2：可以幫忙生成資料嗎? YES

講者在準備資料面向的教學，會使用 ChatGPT 生成範例資料。接續第三題，講者也示範如何使用 ChatGPT 生成需要清洗的資料集。

Q3：可以幫忙清洗資料嗎? Y…ES

ChatGPT 是有能力可以列出從外部匯入的資料是否有存在缺失？或是有特殊符號？講者還測試過年齡欄位填入 120 歲，ChatGPT 也有能力指出一般人類的年齡不太會超過120歲，所以那個資料可能是錯的。

「請協助分析資料有什麼錯誤格式，並且直接進行修正」這個情境下 ChatGPT 是可以完成任務的。

但對於事實查核部分，講者認為還有待考驗，因為 ChatGPT 本身就可能吐出假資料，這個是在使用上需要特別小心的。

ChatGPT x Visual Form 視覺元素

Q1：可以協助選擇視覺化技能? YES

講者分享可以請 ChatGPT 列出視覺化軟體跟網站技術，也可以再描述你要完成的工具，詢問 ChatGPT 適不適合？

另外也可以使用 ChatGPT 詢問不同硬體環境下適用的工具，舉例 ChatGPT 可以回答 PowerBI 目前無法在 Mac 電腦上做使用，這個回答是正確的。

講者也分享自己在教學上，會將資料視覺化工具切分兩個面向：

1. 管理職，需要快速產製特定目的分析圖表
2. 技術職，需要產製客製化圖表，並與各類程式碼進行整合

Q2：可以幫忙生成資料視覺化圖表? YES

講者簡報中有分享一篇文章，將 GatGPT 橋接到colab（google所出的雲端執行python環境），程式碼完全由 GatGPT 產出，包含修正 Bug。

講者也曾測試過，請 GatGPT 將圖表轉換成烏克蘭國旗風格，GatGPT會處理色碼的挑選並且提供完整的程式碼，推薦大家可以玩玩看。

Q3：協助培養資料視覺化美感? Y…ES

由於 ChatGPT 提供的建議有限，講者不認為可以得到立即幫助，因此分享了一些書單：

• 資訊圖表：比較主觀性，適合已經有想要講的故事。
• 商業圖表：比較是統計性為主。

這些書比較是概念書，而講者寫的書比較是實作面，另外講者也分享最近在玩的線上工具： Canva，如果對自己視覺美感沒有什麼信心，而處理的資料量大小在 Canva 可接受的大小，就可以利用 Canva 提供的模板產出漂亮的圖表。

ChatGPT x Goal 符合目標功能

Q1：幫忙了解圖表有哪些常見類別? YES

講者分享可問的Prompt：「資料視覺化圖表,有哪些常見功能與目的呢?」，就可以得到滿基本的建議，如果針對特殊目的，也可以再詳述追問。

講者也分享圖表常見的核心目的會分成：比較、關聯、分佈、組成，並且可以使用 datavizcatalogue 網站，依照目的篩選出合適的圖表呈現方式

Q2：幫忙挑選圖表? YES

講者提醒不建議把工作上機敏資料匯入 ChatGPT，但可以用一個抽象範例詢問要使用哪種圖表，舉例：成本跟收入要怎麼呈現？

另外在挑選圖表上，講者認為跟圖表目的與溝通對象有關。閱讀圖表的人可能是：高階主管、工程師、普羅大眾、記者…等；而目的性舉例還說，日常大眾常見的圖表類型不一定適用於學術研究上。

Q3：幫忙釐清有哪些對象呢? YES

講者除了分享 ChatGPT 的回答範例之外，也分享講者自己會把閱聽者大致分成三類，分別需要的看到的圖表類型也會不同：

1. 忙得半死的主管們：解釋型視覺化
2. 需要做的比較細的分析者/員工：探索型視覺化
3. 花1–3秒腦力閱讀的大眾：吸睛型視覺化會分成你要做 explain 還是 explore 還是eye candy。

舉例同樣是政府預算的資料，分析者會希望用表格看得更細，但決策者會希望看到摘要，而大眾會需要互動性較高的圖表，跟自己有相關性才願意觀看。

ChatGPT x Story 資料故事

Q1：如何請 ChatGPT 幫忙生成資料故事?

資料故事之所以重要，是因為人看完圖表後，還是會想看故事，想知道脈絡，但如果只有故事又會想要看圖表知道細節，因此在資料視覺化中，圖表與資料故事都很重要，而講者認為 ChatGPT 對生成資料故事的輔助是最強的。

過去需要寫成資料故事視需要花很多時間爬梳資料，而使用 ChatGPT 可以提升生成資料故事的效率。講者示範將11年監察院的政治獻金資料提供給 ChatGPT， ChatGPT 可以在幾秒鐘的時間裡快速進行摘要，如果對結果不滿意，可以請 ChatGPT 再生成一版資料故事。

這就是個人與 ChatGPT 合作的範例，ChatGPT 的優勢是可以短時間提供多個產出結果，讓人類可以挑選適合的內容使用。講者也特別提醒，ChatGPT 提供的結果是故事而不是事實，在引用上還是需要人類做最終的判斷。

Q2：可以加入故事風格的指定嗎? YES

講者分享 ChatGPT 提供的第一版產出比較像新聞稿，因此講者嘗試了下不同的 Prompt：「溫馨版本」、「民間監督版本」，就可以獲得不同故事風格的產出。

Q3：可以幫忙發想行動(CTA)嗎? YES

很多的資料視覺化之所以會成功，是因為它有很明確的呼叫大家做什麼事情。而 ChatGPT 也確實有能力生出 Call to Action，只要在指令上增加：生成重要的 Call to Action。

總結

資料視覺化可以聊的東西很多，講者挑選的主題是：人類對高品質視覺化的期待，ChatGPT 是否能達成？

ChatGPT 直接生成的圖表是無法達到的，但人與 ChatGPT 可以在 4 個面向協作，獲得更高品質的視覺化資料，而講者也分享了一個資料分析 Prompt 共編計畫，歡迎大家可以加入貢獻。

QA

Q 1：是否可以請 ChatGPT 清洗資料？是可以的，你要請他比如說把空值補上虛擬值

A1：可以。假如丟了一個需要資料清洗的資料給 ChatGPT，它會直接列舉出資料當中的一些問題。 你再加上明確的 Action Sentences，例如：請協助修正負值為正值，重新產生表格，多半都可以得到不錯的結果

Q 2：是否可以請 Jack 分享地理資訊可用的資訊圖表？

A2：我覺得台灣這邊，目前我就是看市場上完全沒有人寫，所以我寫了一本書：地圖視覺化，裡面超級多地圖的，如果你有興趣可以參考。

Q 3：用英文或中文問 ChatGPT 比較好？

A3：我覺得英文應該是比較準，因為英文的文本比中文多很多，然後簡體中文比繁體中文又再多很多。雖然繁體中文相對比較少，可是依然是超級爆多的文本，去訓練出來的模型，還是可以去試試看。

Q 4：請問有試過比較 Google Bard 跟 ChatGPT 處理資料的實用性嗎？

A4：Google Bard 目前還不支援中文，所以我現在對他還沒有到很熟悉，所以我也不會亂講。但謝謝你的提問，我好像可以試試試看：用 Microsoft, Bard, ChatGPT 這 3 款最主流的大型語言模型，比較他們處理資料的能力，可以作為下一次的分享。

Photo by Mojahid Mottakin on Unsplash

Q 5：Call to Action的指令會是正確的嗎?

A5：Call to Action 的指令很多不是正確的，可是因為 ChatGPT 刷新答案的速度一秒就可以產生一個，所以我覺得有點是人類大腦跟機器大腦的搭配，機器大腦可以快速的一兩秒就生成一個新的 Call to Action，然後人類大腦再快速篩選出適合現在工作脈絡的 Call to Action。相較於請人類助理，請助理給參考的 Call to Action 會需要花滿多時間的。

Q 6：請問可以餵入視覺畫圖表，請 ChatGPT 優化該圖表嗎？

A6：目前 ChatGPT 只能輸入文字，未來應該可以，如果有有線上高手們覺得可以的話，歡迎補充。但就我了解，ChatGPT 現在接受的 Input 大部分是文字，但因為 ChatGPT 更新版本可以開始看圖片，未來可以試試看。

Q 7：如何培養說故事能力？

A7：可以參考質化分析，像是田野調查，你也可以去搜尋：厚數據。數據通常會講大數據跟厚數據，我覺得偏理工的人比較多培養大數據的能力，比較少培養這種說故事的能力，但是我覺得在數據分析的視角，這兩者還蠻並重的

Photo by Maegan Martin on Unsplash

Q 8：實驗室要求做一些觀察圖幫助溝通，該如何進行？

A8：這一題有點大，因為每個人溝通對象的個性不一樣，要講到對方的好球帶難度還蠻高的。我這邊分享自己的作法，你可以參考看看。

假設我要挑一個東西來分享，我會先問對方想聽的答案，就是不會直接給答案，因為數據分析的分析點展開會好多面向，你腦中的好球帶，跟老師的好球帶，常常不在同一個好球帶上，你們就會有點沒有對接好。

所以通常我會先問聽者期待的是什麼？

Photo by Volodymyr Hryshchenko on Unsplash

Q 9：什麼樣是好的資料故事圖表？

A9: 這題我覺得沒有標準答案。我覺得好的資料庫圖表，除了圖表本身之外，會需要有能力去解釋細部脈絡，包括一個好的大標題、副標題，還有這張圖表上的重點的 Conflict，就是有一些衝突點，為什麼這個圖表這麼重要？衝突點之外，最好還可以再加上一個 Call to Action。

就是因為這個衝突點，我建議可以再多做一點投資、我建議可以在下一點廣告、我建議這個研究已經成功突破全世界的某一個門檻值了…等等。

圖表不一定只有圖，我覺得圖文是需要並茂的，如果先呈現文字就會讓閱讀者很累，所以資訊階層的設計也還蠻重要。

筆記手：盧姵吟 Lavina Lu
校稿：彭其捷 Jack、曾鈺婷
👉 歡迎加入台灣資料科學社群，有豐富的新知分享以及最新活動資訊喔！

👉 歡迎加入台灣資料科學社群，有豐富的新知分享以及最新活動資訊喔！