大家好，我是很帅的狐狸

过去这个周末出了个大新闻——

ChatGPT全面开放了Code Intepreter功能。

我试用了下后觉得，对于不少公司来说，有几个部门的人手可能要缩减一波——

大厂里的数据分析/BI部门

金融机构里的风控部门

负责数据可视化的VisualAid部门

打开ChatGPT后，付完钱后选择GPT-4的Code Intepreter模式。

然后在输入栏旁边会多出来个「+」按钮——

接着，我在github随手找了个超市销售的数据集（来自用户sushantag9）。

这个文件大概长这样——

我把数据集丢给了ChatGPT，它很快读懂了这个excel每个数据都是什么意思——

然后我给了它足够的自由度——直接问它这数据能用来干嘛。

它给出的方向都还挺靠谱的。

接着，我让它帮我分析顾客的购买习惯，它直接得出了几个维度的结论——

它甚至还制作了图表。

不过图表是英文的，所以我让它翻译成中文。

结果出来的都是乱码。

我猜想可能是编码问题，或者是字体问题——

跟它聊完后，发现主要是因为它的环境缺中文字体，所以我跟它要了段代码，在自己的电脑上用Visual Studio Code跑了跑。

结果很顺利地生成了中文的图表——

到这一步，我已经觉得很惊艳了，不过接下来让我更加吃惊。

我想做3个维度的数据分析，想在视觉上先看看感觉，于是我让它生成了个3D散点图。

它也很轻松做到了——

我突发奇想，问它能不能做成是交互式网页。

它直接调用了plotly，然后提供了网页文件。

下载后可以直接在浏览器打开，做得特别好。

紧接着，我又在github找了个贷款数据集（来自用户ParthS007）。

里头有很多贷款的基本信息和审批数据。

我把数据喂给了chatGPT，然后它很快又读懂了数据集——

接着我同样让它帮我看看这些数据能做什么分析——

然后我提了个需求，让它帮我建立一个随机森林预测模型，预测贷款是否被批准——

它一步步地进行数据预处理、分割数据集、建立模型，然后顺手帮我做了模型的评估。

它生成了一个准确率78%的模型，而且支持直接导出下载。

Mmmm，如果把「贷款是否被批准改为贷款是否违约」的数据，那就是妥妥的风控模型了。

当然，如果数据稍微复杂一点，还是需要自己改改代码的，所以它也没办法完全替代整个部门。

不过想想之前还在甲方打工的时候，为了看月度运营数据，一个BI部门就得有三五个全职的人。

有了这个功能后，后续其实留一两个人就已经挺够了…

我之前也提到过：越市场化的行业，会越快拥抱新工具。

而最市场化的互联网和金融领域，可能是最快迎来冲击的。

叠加之前提到的 共同富裕 逻辑，高三学生们怎么选专业好像很清晰了…

（当然，从投资的角度来说可能是件好事：增不了效，但可以降本啊。）

最后说多几句题外话——

最近很多朋友发现某度的文心一X变得好用多了，而且App端也推了不少新功能。

不过我向它提问后发现了个有意思的现象——

它的答案跟ChatGPT给出来的答案还挺雷同的。

让我不禁怀疑是不是用了GPT的答案来做训练。

当然这也不是什么坏事（除了违反了ChatGPT的使用条款）——

之前有个叫Vicuna-13B的模型，用的就是用户分享的几十万个ChatGPT对话作为训练样本，号称可以达到90%的GPT-4的能力。

Vicuna-13B模型在大语言模型排位赛里，一度仅次于ChatGPT和Google的Claude。

希望我的揣测是错的吧。

毕竟只靠抄答案还是很难爬头的。

「Greed is good.」

「很帅的投资客」的所有内容皆仅以传递知识与金融教育为目的，不构成任何投资建议。一切请以最新文章为准。

相关阅读：

《超好用的AI提问模板》

《我开始用AI来做投资分析了 | 方法论》

《境内可用的AI分析工具》

图文/ 狐狸

Icon/ freepik from flaticon

主创/ 肖璟，@狐狸君raphael，曾供职于麦肯锡金融机构组，也在 Google 和 VC 打过杂。华尔街见闻、36氪、新浪财经、南方周末、Linkedin等媒体专栏作者，著有畅销书《风口上的猪》《无现金时代》。

参考资料/

《逆天“魔法”正式解禁！GPT-4以来最强应用“代码解释器”上线！》《LLM准中文排行榜来了！GPT-4稳居第一，国人开源RNN模型冲进前六播》《大模型battle？LLM排行榜出炉，清华竟位列第五！》《斯坦福最新LLM排行榜发布！华人团队WizardLM开源第一，GPT-4前二》《Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90%* ChatGPT Quality》