利益:
- グラフの画像ではなく、グラフを生成するコードを人工知能に出力し、それ自体を実行することで、決定的で再現可能な結果を取得する機能
- 値、整合性、スケール、チェックサムの合計を含むデータに対してチャート出力を検証する機能
- 正直さルール (軸 0、直接ラベル、ソースノートから) を課し、口頭での推測ではなくコードに依存する機能
正しいグラフの種類が選択されました。いよいよ制作です。ここでの人工知能の最も信頼できる使い方は、グラフを「描画」するよう人工知能に依頼するのではなく、グラフを生成するコードを出力し、そのコードを自分で実行することです。どこから？なぜなら、大きな言語モデルはテキストジェネレーターだからです。口頭で数値を「推測」することはできますが、コードはデータをそのまま処理し、決定的な結果を生成します (同じ入力に対して常に同じ出力を与えます)。この単元では、グラフィカル コード (主に Python) を AI に出力し、出力を検証する方法を学びます。
なぜコーディングするのか、なぜ実行するのか?
言語モデルに「売上合計はいくらですか?」と尋ねます。尋ねると、実際にはデータが収集されません。可能な数値を生成します。しかし、集計コードを出力して実行すると、結果は実際のデータから得られます。チャートについても同様です。モデルが生成するコードは、データ上、マシン上で実行されます。このコードは繰り返し可能です。データが更新されると、コードを再度実行してグラフを更新します。
共通ツール: matplotlib および seaborn (静的プロット)、Python 言語による plotly (対話型プロット)。スプレッドシート プログラムや BI (ビジネス インテリジェンス) ツールも含まれます。この単元では、最も一般的な Python/matplotlib を使用した例を示します。原理はどの車両でも同じです。
ヒント: 「グラフの写真をください」の代わりに、「グラフを生成するコードをください。実行します」と言いましょう。このようにして、結果は実際のデータから得られ、必要なだけ調整を行うことができます。
ステップバイステップ: コードからグラフィックスまで
- グラフィックのタイプとメッセージを決定します (前のユニット)。
- モデルにデータ構造を記述します (列名、型。機密データではありません)。
- コードを生成し、プロンプトに正直ルールを入力します (軸 0、タグ、ソース ノートから)。
- 自分でコードを実行してグラフを確認してください。
- チェック: グラフの値はデータの値と同じですか?合計/シェアは保持されますか?
- 改善: タイトルをアクション タイトルに変更し、不要なものを削除し、ハイライト色を追加します。
あなたの役割: Python データ視覚化アシスタント。 CSV があります: 列「月」(YYYY-MM)、「チャネル」(テキスト)、「収益」(数値)。 matplotlib を使用して LINE グラフ コードを作成します。 - 各チャネルは個別の線、x=month、y=come です。- y 軸は 0 から開始します (切り取らないでください)。- ラベルを行の最後に直接配置します。個別の凡例は必要ありません。- タイトルにアクション タイトルのプレースホルダーを配置します。- 右下に小さな「ソース: [ ... ]」というメモを追加します。コードを完成させて実行可能にし、サンプルの読み取り行も記述します。数字を当てはめる; CSVからデータを読み込みます。
既存のグラフを修正するには:
この matplotlib コードを修正します: (1) バーを最大値から最小値の値で並べ替えます。(2) 最も高いバーのみをオレンジ色にし、残りを灰色にします。(3) y 軸を 0 から開始し、(4) 小数点を 3 桁区切りでフォーマットします。コード全体を返します。コード: [ ... ]
インタラクティブなグラフの場合 (ダッシュボード用):
同じデータを使用して Plotly を使用してインタラクティブな折れ線グラフ コードを作成します。マウスをホバーすると月と収入が表示され、チャネルをフィルタリングできます。軸を 0 から開始します。完全なコードを指定します。
検証: グラフは「きれい」ではなく「正しい」ですか?
グラフィックを出力しただけでは仕事は終わりません。 3 つのチェックサム:
- 価値の提供: ランダムな 2 ～ 3 点を手動またはテーブルでチェックします。チャート上の最も高いバーは本当に最も高いのでしょうか?
- 合計/シェアの検証: シェアは部分全体チャートで 100% まで完了していますか?
- 視覚的な正直さ: 軸は 0 から始まりますか? スケールは線形ですか? 同じ単位ですか? (詳細は次の単元で説明します。)
コントロール
お手入れ方法
赤旗
値
2～3点をデータと比較
グラフデータが一致しません
誠実さ
不足している月やカテゴリはありますか?
ギャップは静かにスキップされました
スケール
Y軸はどこから始まるのか
0ではない、差が誇張されている
合計
シェア/合計
100%は当てはまらない
注意: モデルは、データから欠落している月を「完了」するか、欠落している行をサイレントに破棄することがあります。グラフ上のポイントの数がデータの行数と一致するかどうかを確認します。
ミニケース3個
ケース 1 — コードビートの予測。アナリストはまずモデルに「合計はいくらですか?」と尋ねます。と尋ねると、「およそ420万」という答えが返ってきた。次に、追加コードを印刷して実行しました。実際の合計は 387 万でした。口頭での予測は 8% 外れました。その日から、彼は暗号からすべての数字を取得しました。
ケース 2 — サイレント欠落ライン。あるチームは月次チャートを作成しました。すべてがうまく見えました。しかし、データでは 3 月は空白であり、グラフではそれがスキップされ、2 月と 4 月がリンクされました。トレンドなので柔らかそうに見えました。彼らはドットの数 (11 ではなく 12 であるべきだった) に気づき、修正しました。実際の傾向には飛躍がありました。
ケース 3 — 再現性。マーケターは毎月 (約 40 分) 手書きでチャートを描いていました。彼が人工知能によって書かれたコードをインストールすると、その後数か月間、新しい CSV を入力してコードを実行するのに 2 分かかりました。 1 か月あたり 38 分を節約でき、手動によるコピー エラーもなくなりました。
弱いプロンプト / 強いプロンプト
弱い：
この販売データをグラフ化します。
モデルは画像を当てはめることも、ランダムなコードを与えることもできます。データは実際には処理されないため、正直さの設定はありません。
強い：
あなたの役割: Python/matplotlib ヘルパー。データ: CSV、列「region」(テキスト)、「buyume_percentage」(数値、負の場合もあります)。水平棒グラフ コードを記述します。値で並べ替え、最も高い領域を強調表示し、y=0 基準線を追加し (マイナスを表示)、棒の端にパーセント ラベルを付けます。実行可能コードを指定し、CSV から読み取り、数値フィッティングを行います。タイトルにアクション タイトルのプレースホルダーを置きます。
2 番目には、データ構造、正直さのルール、および「コードから読み取る、コードをでっち上げない」原則が含まれます。出力は正確であり、編集可能です。
ツールの選択: スプレッドシートの場合、コードの場合は?
すべてのチャートにコードを記述する必要はありません。小規模で 1 回限りの単純なグラフの場合は、多くの場合、スプレッドシート (Excel、Google スプレッドシート) で十分かつ高速です。データが定期的に更新される場合 (同じグラフを毎月更新する場合)、グラフが複雑または多数である場合 (小さな複数のグラフなど)、完全な制御が必要な場合 (整合性設定、カスタム ラベル付け)、または結果が再現可能であることが重要な場合には、コードが有効です。また、どれが人工知能に適しているのか疑問に思うかもしれません。
ステータス
適切な車両
なぜ
一回限りのシンプルなバー
スプレッドシート
高速、コード不要
レポートは毎月更新されます
コード (Python)
一度書いて再度実行する
インタラクティブ/フィルターダッシュボード
コード(plotly) / BIツール
インタラクションが必要です
小さなグラフィックがたくさん
コード
手で描くのは疲れるし不正確
あなたの役割: データ視覚化コンサルタント。次のグラフを作成する必要があります:[レシピ]。データは [どのくらいの頻度で] 更新されますか。必要な異なるグラフは [いくつ] ありますか。スプレッドシートと Python コードのどちらの方が意味があるでしょうか?自分の決定を正当化します。コードにおすすめのライブラリはどれですか?
ヒント: 「これを毎月繰り返しますか?」質問の答えが「はい」の場合、コードへの投資はほぼ常に元が取れます。 1 回限りの場合はスプレッドシートで十分です。
よくある間違い
- チャートの「画像」を要求する: コードの代わりに画像を要求すると、データは実際には処理されません。
- コードを実行せずに信頼する: 視覚的に確認せずに出力をスライドに載せます。
- 値の検証を提供しない: チャート上のポイントをデータと比較しません。
- 欠落/スキップされた行が表示されない: ドットの数を確認していない。
- 1 回限りの仕事のように扱う: コードを保持せず、毎月最初から始めます。
要約すれば
グラフの画像ではなく、グラフを生成するコードを人工知能に要求し、そのコードを自分で実行します。なぜなら、コードはデータをそのまま処理し、決定的で再現可能な結果を与えるからです。データ構造を記述し、整合性ルール (軸 0、ラベル、ソースから) をリクエストに組み込み、値、整合性、スケール、合計のハッシュを使用して出力を検証します。コードは口頭での予測を常に上回ります。しかし、最終的なコントロールはあなた次第です。
アプリケーションタスク
あなたのデータ ファイルの場合: (1) データ構造を AI に記述し、グラフ生成コード (正直さルール付き) を出力します。 (2) コードを実行し、グラフ内の 2 ～ 3 つの値をデータと手動で比較します。 (3) 同じコード内で、バーを値で並べ替え、単一の強調表示色を追加します。 (4) コードを保存して、来月も使用します。
チェックリスト
- [ ] 私はグラフの画像ではなく、グラフを生成するコードを望んで実行しました。
- [ ] コードは実際のファイルからデータを読み取ります。数値は構成されません。
- [ ] グラフ内の 2 ～ 3 つの値をデータと比較してみました。
- [ ] ポイント/カテゴリの数はデータの行と互換性があります。
- [ ] Y 軸とスケールは正直です。軸割り込みはありません。
- [ ] 再度使用するためにコードを保存しました。