數字是冰冷的，老闆想聽的是「故事」

經過前面的章節，我們已經能夠自動爬取競爭對手的價格、用 Pandas 算出平均值、畫出精美的長條圖，甚至還能讓 Python 自己把報表寄給老闆。

這聽起來很完美，對吧？但你還差最後一塊拼圖。

當老闆早上打開你的 Email，看到那張長條圖，他可能會想： 「圖表做得很漂亮，但這代表什麼？我們的競品降價了嗎？我們現在的價格策略有競爭力嗎？我下一步該做什麼決策？」

如果你只給出圖表與數字，你就是個「高級操作員」。如果你能給出圖表，同時附上三點犀利的**「商業洞察建議 (Business Insights)」**，你就是無可取代的「資料策略顧問」。

以前，寫洞察報告需要極高的商業敏銳度與豐富的經驗。但現在，我們要把這個最花腦力的工作，外包給世界上最聰明的大腦：OpenAI (大語言模型 LLM)。

🧠 資料分析流程升級：Pandas + LLM 的協同作戰

我們要把第五章的流程再進化一次： 爬蟲 ➡️ Pandas 運算分析 ➡️ 【把 Pandas 的數據轉換成 JSON 餵給 OpenAI】 ➡️ 【OpenAI 產出商業報告】 ➡️ 寄給老闆。

實戰 Vibe Prompt：讓 AI 看懂你的數據

要在 Python 中呼叫 OpenAI，請先在終端機安裝套件：pip install openai。接著，我們對 Cursor 下達這個指令，讓它幫我們把 Pandas 的結果跟 LLM 串接起來：

【AI 商業洞察報告生成 Prompt】 我正在用 Python 進行資料分析。我目前已經用 Pandas 算出了兩項關鍵數據：

my_avg_price：我們家產品的平均價格 (例如 500)

competitor_avg_price：競爭對手的平均價格 (例如 450)

market_trend：最近一週市場搜尋量趨勢字串 (例如 "連續三天下降")

請幫我寫一個函式 generate_ai_insight(my_price, comp_price, trend)。需求如下：

請使用 openai 套件呼叫 gpt-4o-mini 模型。

請撰寫一段嚴格的 System Prompt：「你是一位年薪 300 萬的頂級商業數據顧問。你的任務是根據提供的數據，用繁體中文撰寫一份簡潔有力的『每日市場洞察報告』。報告必須包含『現況分析』與『具體的降價或行銷建議』。請限制在 150 字以內，語氣要專業且一針見血。」

將三個變數組合進 User 訊息中傳送給 AI。

回傳 AI 產生的文字報告字串。

AI 產出的魔法程式碼：

import openai
import os

# 記得把金鑰放在 .env 中，這裡僅作示範
openai.api_key = "sk-your-openai-api-key"

def generate_ai_insight(my_price, comp_price, trend):
    print("🧠 正在請 AI 顧問分析數據中...")
    
    prompt = f"""
    今日數據如下：
    - 我們家產品均價：{my_price} 元
    - 競品平均價格：{comp_price} 元
    - 市場近期趨勢：{trend}
    """
    
    try:
        response = openai.chat.completions.create(
            model="gpt-4o-mini",
            messages=[
                {"role": "system", "content": "你是一位年薪 300 萬的頂級商業數據顧問。你的任務是根據提供的數據，用繁體中文撰寫一份簡潔有力的『每日市場洞察報告』。報告必須包含『現況分析』與『具體的降價或行銷建議』。請限制在 150 字以內，語氣要專業且一針見血。"},
                {"role": "user", "content": prompt}
            ],
            temperature=0.7 # 設定稍微有點創意的分析風格
        )
        
        insight_text = response.choices[0].message.content
        return insight_text
        
    except Exception as e:
        return f"🚨 AI 分析失敗：{e}"

# 測試執行
insight = generate_ai_insight(500, 450, "連續三天下降")
print("==============================")
print(insight)
print("==============================")

讓我們看看 AI 顧問寫出了什麼？

執行結果：

📊 【每日市場洞察報告】 現況分析：我方產品均價 (500元) 高出競品 (450元) 約 11%，且市場搜尋量正呈現「連續三天下降」的衰退警訊。這表示消費者正流失至低價競品。 具體建議：不可盲目降價破壞品牌價值。建議立即啟動「快閃滿額贈」或「買A送B」方案，將實質入手成本降至 460 元區間，並利用社群發布限時優惠以刺激急需性買氣。

👑 掌握價值的最高點

你看到了嗎？如果你只交出「500 與 450」這兩個數字，你的價值是 0 (因為計算機也算得出來)。但當你把上面那段 AI 生成的洞察報告放在 Email 裡，跟圖表一起寄給老闆時，你在老闆眼裡就是不可多得的將才。

這就是 Vibe Coding 的終極奧義。 我們寫程式，不是為了證明自己很懂迴圈或函式。我們寫程式，是為了「自動化枯燥的勞動」，然後把省下來的腦力與時間，全部用來「創造更高的商業價值」。

恭喜你！《Python 數據分析與自動化》課程到此正式完結。帶著你的爬蟲、Pandas、視覺化與 AI 分析大腦，去打造屬於你的超級印鈔機吧！

Pandas + LLM：資料分析的最後一哩路

Pandas 擅長處理資料，但不擅長寫報告。LLM（大型語言模型）可以接收你的分析結果，自動產生人類可讀的商業洞察報告。

整合流程

import pandas as pd
from openai import OpenAI

# 1. 用 Pandas 分析資料
df = pd.read_csv("sales_data.csv")
summary = df.groupby("category").agg({
    "revenue": ["sum", "mean"],
    "orders": "count"
}).to_string()

# 2. 把分析結果餵給 LLM
client = OpenAI()
response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "你是商業分析師，請根據以下數據寫出專業的洞察報告"},
        {"role": "user", "content": f"資料摘要：\n{summary}\n請分析業績趨勢並提出建議"}
    ]
)

print(response.choices[0].message.content)

這可以應用在哪些場景？

自動化月報：每月從資料庫撈資料 → 用 LLM 寫報告 → Email 寄送
異常警報：偵測到異常數據時，自動產生問題分析
客戶儀表板：不只是數字，還有 AI 產生的文字解讀

課程總結

這堂 Python 資料分析課你從 Pandas、爬蟲、視覺化、自動報表到 LLM 整合——已經可以獨立完成從資料收集、清洗、分析到報告產出的完整流程。