對話式資料分析
本頁將以關鍵步驟與最佳實踐的方式，幫助你在 WeJot 中完成該功能。
在傳統問卷工具中，資料分析往往是斷開的最後一環。
問卷完成後，使用者需要將資料匯出到 Excel、SPSS 或 Python，再透過複雜的操作才能獲得結論。
這帶來了幾個普遍問題：
- 非專業使用者很難完成專業統計分析
- 分析過程繁瑣，試錯成本高
- 資料與研究目標之間缺乏即時反饋
- WeJot內部無法形成真正的「資料 → 洞察」閉環
對話式資料分析的目標，是讓分析像提問一樣自然。
你不需要知道用什麼統計方法、怎麼寫程式碼，只需要描述你想知道什麼。
WeJot透過 對話式資料分析 能力，將自然語言直接連線到統計分析執行層。
在一次完整的分析中，系統會自動完成：
- 理解你的分析意圖
- 選擇合適的統計方法
- 自動編寫並執行分析程式碼
- 生成圖表、表格和文字解釋
整個過程對使用者是透明的，你只需要關注「問題」和「結論」。
對話式資料分析覆蓋了從基礎檢視到專業分析的多個層級。
檢視整體情況
例如：
幫我看看這份問卷的整體情況，給我一個概覽。系統會自動輸出：
- 回收量、完成率、平均作答時長
- 各題目的基礎分佈與均值
- 關鍵指標的整體走勢
比較不同人群
例如：
按性別和城市對比一下滿意度，看差異是否明顯。系統會：
- 自動拆分人群
- 選擇合適的差異檢驗方法（如卡方、t 檢驗）
- 給出是否存在顯著差異的結論
你不需要關心統計學細節，只需要理解結果含義。
探索變數之間的關係
例如：
這些評分題之間有沒有相關關係？哪些題最關鍵？系統可以：
- 計算相關係數
- 識別強相關或弱相關關係
- 用圖表方式展示變數之間的結構
量表與模型分析
對於更專業的研究場景，也可以直接提出需求：
這幾道題是一個量表，幫我算一下信度。或：
用這些題做一個迴歸分析，看看哪些因素影響滿意度。系統會自動完成信度分析、迴歸建模，並給出結果解釋。
開放題文字分析
對於文字題，也可以直接交給系統處理：
幫我總結一下使用者在建議題裡主要提到了哪些問題。系統會：
- 聚合文字內容
- 歸納常見主題
- 提煉典型觀點
在你看不到的地方，WeJot完成了三件事：
- 使用大模型將自然語言轉為分析計劃
- 自動生成並執行統計分析程式碼
- 將結果整理為可閱讀的圖表與解釋
這意味著：
- 新的分析需求不需要產品預設
- 不同研究場景可以靈活組合
- 分析能力可以持續擴充套件
如果你符合以下任意一種情況，都非常適合使用對話式資料分析：
- 不確定該用什麼統計方法
- 希望快速驗證某個假設
- 需要反覆調整分析角度
- 想把更多時間花在理解結果上
對話式資料分析的價值，不在於替代統計知識，
而在於讓更多人能夠真正用好資料。
Last updated on