收益：
- 能够在可重复的流程中执行演示/数据作业，包括简报、数据准备、结构、内容/图形、验证、校对和交付步骤。
- 通过匿名化和聚合敏感数据，外部工具可以在不违反机密性的情况下运行并交叉验证关键数据。
- 能够通过使用人工智能作为排练伙伴并测试困难的问题和时间来承担最终交付的责任
之前的单元一一教授技能：结构、文本、设计、图形选择、代码、仪表板、故事、信息图表、诚实。最后一个单元将它们全部合并到一个工作流程中：一份简报已到达，您将提供演示/数据可视化。我们的目标是建立一种可重复的方法，从头到尾都使用人工智能，但在每一步都对其进行验证，从而保护隐私和道德。
端到端流程的七个步骤
- 简介和范围：受众、目的、主要信息、持续时间、渠道（演示、报告、社交媒体）、限制。
- 数据准备：收集、清理、匿名数据；决定外部车辆的内容。
- 结构和叙述：选择模式，构建幻灯片书脊（第 2、8 单元）。
- 内容和图形：编写文本，选择正确的图形并对其进行编码，设置设计（单元 3-6）。
- 完整性和验证：每个数字、每个图表、每个声明都经过审核（第 10 单元）。
- 排练和编辑：大声尝试演示，计时，并根据反馈进行修剪。
- 交付和存档：最终版本、源注释和可重用代码/模板。
提示：将这七个步骤作为清单，并在每项工作中重复执行。标准化工作流程使质量不再依赖于单独的表单。
数据准备和隐私：最关键的一站
在将数据提供给人工智能之前，停下来问一下：这些数据可以进入外部系统吗？几个概念：个人数据（识别个人身份的信息，例如姓名、身份、联系方式、健康状况、工资）；匿名化（不可逆地消除身份）；聚合（给出平均值/总计而不是单独的行）。规则：
- 切勿将包含个人/商业秘密的数据输入未经机构批准的工具中。
- 如果必须输入、匿名或聚合：删除名称/ID 列，仅显示组内的个人。
- 生成图表/代码时，为模型提供数据结构（列名称、类型），而不是原始精度行。
您的角色：数据隐私控制器。以下数据集的列：[列表]。我会将其提供给外部人工智能工具来生成图表。哪些专栏可能是个人/敏感的？标记我需要匿名或聚合的内容，并建议如何操作（删除、屏蔽、分组）。告诉我如何使用足以进行分析的最少量数据。
注意：“快速、一次性”粘贴敏感数据是最常见的侵犯隐私的形式。一旦退出，数据将无法检索。
验证：交付前的最终过滤器
将第 1 单元的四个步骤（来源、一致性、诚实、背景）应用到整个演示文稿中。此外，进行交叉检查：使用模型外部的工具（电子表格、计算器）确认关键数字。
控制
问题
车辆
来源
每个数字从哪里来？
数据来源/注释
一致性
幻灯片-图形-文本是否相同？
用眼睛对角线阅读
诚实
图表是否夸大？
10单元检查
帐户
总数/百分比是否正确？
电子表格
引文
引用/来源真实吗？
开源，验证
尤其要警惕幻觉（捏造的信息）：模型可能“捏造”统计数据、引用或来源。打开并验证幻灯片上的每个外部来源和图形。
排练：用人工智能测试演示
人工智能可以成为排练的伙伴：从观众的角度提出难题，找到薄弱的过渡，估计持续时间。
您的角色：具有挑战性的观众和演示教练。查看下面的演示文稿主干和演讲者笔记。 1) 提出该受众（[角色]）会问的 5 个最难的问题。 2）标记叙述中薄弱/脱节的过渡。 3) 估计每张幻灯片大约需要多少秒，使总时间为 [X] 分钟；如果太多，请建议我应该缩短哪些幻灯片。演示文稿：[ ... ]。
单独的“反对会议”排练：
针对本演示文稿的主要命题提出 4 项反对意见，并针对每一项提出基于数据的 2 句话回应。不要编造答案；需要确认的地方写上【确认】。建议： [ ... ]。
三个迷你箱子
案例 1 — 端到端速度。顾问将在 2 天的时间里进行典型的客户演示（研究 + 结构 + 幻灯片 + 图表 + 证明）。当我们安装人工智能七步流程后，时间减少到大约1天；节省下来的很大一部分时间用于验证和排练，质量不但没有下降反而有所提高。
案例 2 — 最后一刻的隐私。团队将客户交易记录（名称+金额）导出到外部工具进行图表绘制。他们停在隐私控制步骤；他们删除了姓名并将金额转换为分段平均值。分析再次发挥作用，没有任何个人数据泄露。这一决定在随后的审计中得到了赞赏。
案例 3——排练挽救了现场。一位企业家告诉 AI 在投资者演讲之前“提出 5 个最困难的问题”。其中三个问题是在会议上逐字逐句提出的；他回答得很流利，因为他已经做好了准备。如果他不排练，他就会卡在最关键的问题上。
弱提示/强提示
弱：
使用这些数据从头到尾准备并完成演示文稿。
一举想要“一切”；没有验证，没有保密，没有排练。模型适合间隙，你无法控制它。
强：
让我们逐步设置一个演示文稿。首先执行第 1 步：澄清概要（询问我有关受众/目的/消息/持续时间/渠道/约束的信息）。然后我们将按顺序进行：数据隐私检查、结构、内容+图形、诚实性检查、校对。不要每一步都编数字，写下需要确认的内容，不要索要敏感数据。
第二个将工作分解为多个步骤，让您在每个步骤中保持控制，并预先设置机密性/保真度界限。
常见错误
- 一口气要求“一切”：跳过步骤会绕过身份验证和隐私。
- 绕过隐私阻止：将敏感数据提供给不受控制的外部代理。
- 没有排练就上台：没有预料到困难的问题和时间。
- 跳过来源/归属验证：没有注意到捏造的统计数据或引用。
- 不存档：不存储代码/模板并从头开始执行所有操作。
- 把责任放在模型身上：说“AI准备好了”；然而，交货是你的。
总之
通过七个步骤构建端到端的演示和数据可视化业务：简介、数据准备和机密性、结构/叙述、内容/图形、完整性和验证、排练、交付/存档。在每一步都使用人工智能，但保持控制：匿名敏感数据，交叉验证每个数字和来源，使模型成为您的校对伙伴。人工智能加速整个流程；您始终对数据的准确性、消息的完整性、保密性和最终交付负责。
应用任务
选择一个真正的演示工作并遵循七个步骤。 (1) 由 AI 询问摘要。 (2) 决定通过隐私控制对哪些数据进行匿名化。 (3)执行步骤结构→内容→图表。 (4) 进行完整性审核并交叉检查关键数字。 （5）让人工智能产生“5个最难的问题”并进行排练。 (6) 归档最新版本和可重用的代码/模板。
清单
- [ ] 我按照七步流程运行该作业。
- [ ] 我匿名/汇总了敏感数据或根本没有输入。
- [ ] 我交叉验证了模型外部的每个数字和外部源。
- [ ] 我已检查所有图形的完整性。
- [ ]我用人工智能排练；我测试了困难的问题和时间。
- [ ] 我已经存档了最新版本和可重用的模板/代码。
- [ ] 我接受我对最终交付负责。
模块考试
1、人工智能在呈现和数据可视化方面的最佳定位是什么？
- A) 人工智能是稿件、设计、图文代码、审稿助手；数据准确性、诚实性和保密性的责任在于人类 ✔
- B）人工智能是一个计算器；他给出的每个数字和图表都是绝对正确的。
- C) 人工智能仅对装饰幻灯片有用，与数据和图形无关
- D）由于人工智能比人类更公正，因此图形完整性决定应该留给它
描述：大语言模型不是计算器或验证机，而是有说服力的文本和大纲的生成器。它可以在绘图、设计、图形代码和评论等角色中节省大量时间；然而，数据的准确性、图表的诚实性、保密性和最终交付的责任属于主管人员。
2.“广告支出和销售额之间有关系吗？”哪种类型的图表最能真实地显示问题？
- A) 多切片饼图
- B) 堆积条形图
- C) 散点图 ✔
- D) 3D 饼图
说明：散点图用于显示两个数值变量之间的关系（相关性）。条形适合比较，线适合随时间的变化；条形图无法给出关系问题的正确答案。
3. 为什么建议在幻灯片标题中使用“操作标题”而不是“主题标题”？
- A）在幻灯片上容纳更多文本
- B) 因为它直接给出幻灯片的唯一主张，让观众立即理解信息✔
- C) 因为不需要放大字体
- D) 由于不再需要演讲者备注
描述：操作标题给出了幻灯片中完整句子中的内容作为声明（“销售额已连续三个季度下降”），只是主题标签（“销售额”）没有。这使得观看者能够立即理解每张幻灯片的含义；这是最能提高演示质量的单一更改。
4. 在使用视觉生成人工智能准备演示视觉效果时，哪种应用最实用且最合乎道德？
- A）打印视觉上的所有标题和数字并将其直接放在幻灯片上
- B) 将制作的肖像展示为真实的客户照片
- C) 完全模仿知名品牌的风格
- D) 制作没有文字的视觉效果，并在幻灯片程序中添加文字，而不是以假乱真 ✔
说明： 生成的图像中的文本经常被损坏，因此有必要稍后在幻灯片程序中添加文本。此外，将人造图像呈现为真实照片/真人是具有误导性且不道德的。正确的做法是生成无文字的图像，自己添加文字，而不是以假乱真的。
5. 显示 9 种产品的市场份额时，哪一个选项最易读？
- A) 按值排序的水平条形图 ✔
- B) 9 段饼图
- C) 包含 9 个切片的 3D 饼图
- D) 单折线图
说明：饼图仅在有 2-4 个切片且份额显着不同时才有效； 9 个相似的切片不可读。在比较多个类别时，按值排序的水平条形图几乎总是更具可读性。
6. 为什么在接收人工智能的图表时“索要生成图表的代码并自己运行”比索要“图表的图片”更可靠？
- A）因为代码总是选择更漂亮的颜色
- B) 因为禁止出示图片
- C) 由于代码按原样处理数据并给出确定性和可重复的结果，因此无需依赖口头预测✔
- D）因为代码自动使图表变得诚实并且不需要进一步验证
描述：大型语言模型是一个文本生成器；他只是口头猜测一个数字，并且可能是错误的。代码按原样处理数据并产生确定性（相同输入总是相同的输出）和可重复的结果；当数据更新时，可以再次运行代码并刷新图表。
7. 良好的仪表板设计的基本原则是什么？
- A）在单个屏幕上显示所有可用指标
- B) 显示特定受众和决策所需的少量 (5-9) KPI 的背景 ✔
- C）显示每个数字尽可能多的小数位
- D）为每个指标涂上不同的颜色以使颜色多样化
描述：仪表板不会显示所有内容，而是显示特定受众做出特定决策所需的 5-9 个正确 KPI。不服务于决策的指标将会淹没仪表板。此外，应在每个数字中添加上下文（目标/变化）和新鲜度标记，并且最关键的 KPI 应放置在左上角。
8. 在讲述数据故事时，哪种行为是诚实的陷阱？
- A）以情境-张力-消解结构展示研究结果
- B）将每个图表连接到叙述中的一个句子
- C）用一句话总结见解
- D) 隐藏不符合叙述的时期并仅显示支持它的数据（挑选樱桃）✔
解释：择优挑选是指显示符合叙述的时期/片段并隐藏不符合叙述的时期/片段，这违反了完整性。一个好故事具有说服力，但它不应该成为扭曲数据的许可； “哪些数据不符合这种叙述？”必要时要询问并出示。
9. 为什么在信息图表中将值表示为圆的直径但随后将直径加倍会产生误导？
- A) 当直径加倍时，面积增加四倍，观众感觉增加的值比实际值大 ✔
- B) 因为圆形不能用在饼图中
- C) 因为色盲观众根本看不到圆圈
- D) 因为画圆比画棒慢
解释：当直径加倍时，圆的面积增加四倍；由于观看者按面积感知价值，因此他/她认为 2 倍的增长就是 4 倍。这称为场谬误。必须不是按面积给出值，而是按线性比例和清晰的数字标签（例如“2×”）给出值。
10. 最常见的欺骗技术及其在条形图中的正确等效技术是什么？
- A) 给棍子涂上颜色会产生误导；有必要把它们全部变成灰色
- B) 直接标签具有误导性；总是需要使用单独的图例
- C) 虚线 y 轴夸大了差异；在条形图中，轴必须从 0 开始 ✔
- D) 单杠具有误导性；总是需要使用竖线
说明：虚线 y 轴（例如，y 从 90 而不是 0 开始）使微小的差异看起来很大； 2% 的增长可能看起来像是 50%。在条形图中，轴几乎总是从 0 开始，因为条形的长度代表值。
11. 如果您需要将包含敏感数据（姓名、工资、客户记录）的表格导出到外部 AI 工具进行图表绘制，正确的方法是什么？
- A) 按原样快速粘贴表格以节省时间
- B) 通过删除名称和身份列来匿名或聚合数据，如果没有必要则根本不输入 ✔
- C) 只保留最敏感的列并删除其余的
- D) 在输入数据之前获得人工智能的保密承诺就足够了。
说明：切勿将个人数据输入未经机构认可的工具；如果需要输入它，则需要通过删除标识列来对其进行匿名化，或者通过给出平均值/总计而不是单独的行来对其进行聚合。一旦退出，数据将无法检索。
12. 人工智能产生的输出中的“幻觉”意味着什么以及应该采取什么措施？
- A) 模型使用多种颜色；需要减少颜色
- B) 模型运行缓慢；需要写更短的请求
- C) 模型绘制3D图形；需要请求2B
- D) 模型呈现为真实但并非事实的信息； ✔ 每个问题和来源都必须经过交叉验证
解释：幻觉是模型呈现为真实但不真实的信息；它可能是虚构的数字、引用或来源。另一方面，需要在模型之外对幻灯片上输入的每个数字和外部来源进行交叉验证，并在请求中设置“不产生数据中没有的数字，写[确认]”的规则。
13. 选择正确图表类型的第一步是什么？
- A) 用一句话写下您要回答的问题并将其放入问题族中 ✔
- B) 选择最丰富多彩、最引人注目的图形类型
- C) 始终从饼图开始，并在必要时对其进行修改
- D) 通过以 3D 方式显示数据，使数据更令人印象深刻
说明：图表类型取决于您要回答的问题，而不是数据的形状。首先，要把问题用一句话写出来，放在一个族中（比较、趋势、关系、部分整体、分布），然后选择类型。首先选择类型并尝试将数据放入其中是错误的。
14. 为什么在用人工智能准备端到端演示时，循序渐进很重要，而不是说“从头到尾准备并完成演示”？
- A）因为一步一步进行总是更快
- B）因为模型根本不理解长请求
- C) 因为逐步推进可以在验证过程中保持人的控制，保密和排练停止，并降低捏造和泄漏的风险✔
- D）因为一举一动都会让人工智能疲惫不堪。
描述：一举请求这份工作绕过了验证、隐私检查和排练等关键环节；该模型适合间隙，但您无法控制它。逐步进行（简短、保密、结构、内容/图形、诚实检查、排练）使人类在每个阶段都处于控制状态，并从一开始就设定了捏造/保密的限制。