iT邦幫忙

2026 iThome 鐵人賽

DAY 17
0
自我挑戰組

從 Google AI Studio 玩轉提示工程的 30 天實戰修煉系列 第 17 篇

Day 17:複雜圖表解讀:讓 AI 分析長條圖、圓餅圖並產出商業洞察

  • 分享至 

  • xImage
  •  

在商業智慧(BI)與企業永續報告中,數據圖表是最直觀的溝通工具。然而,如果單純把圖表丟給 AI 並問「這張圖在說什麼?」,模型往往只會機械式複述每個扇區的標籤與數字。
圖表分析的真正價值在於「精準解構 ➡️ 結構化還原 ➡️ 商業決策洞察」。今天我們直接截取《統一企業永續報告書》中第 63 頁的經典多維度圓餅圖——「2025 年度實驗室接受外部委託案件類型分析」,透過「三階圖表解析法」實測 Gemini 3 Flash 是否能同時扮演「光學讀數儀」與「資深食安戰略顧問」。 
測試樣本:多達 10 類別的食安委託圓餅圖
這張圓餅圖包含 10 個不同佔比的色塊,且標籤呈放射狀排列,涵蓋了 24% 到 2% 的各級數據,非常考驗多模態模型的細節定位與空間辨識能力: 
最大項目:微生物(24%)、重金屬(22%)、農藥(18%)。 
長尾細項:動物用藥成份(11%)、其他一般成份(10%)、生物毒素(5%)、添加物(4%)、塑化劑(2%)、食品汙染物質(2%)、其他(2%)。
實測 Prompt(三階圖表商業洞察咒語)
在 Google AI Studio 上傳這張圓餅圖截圖,並輸入以下提示詞:
https://ithelp.ithome.com.tw/upload/images/20261001/20178834FtMblmFvXj.jpg
【角色】你是一位資深的食品科技顧問與企業戰略分析師。
【任務】請對上傳的「2025年度實驗室接受外部委託案件類型分析」圓餅圖進行穿透式深度解析,並產出給管理層的決策報告。

【分析規範:三階解析】

  1. 【圖表解構與數據還原】

    • 請以 Markdown 表格完整列出圖中所有檢驗項目名稱與其對應的百分比佔比(依佔比由高至低嚴格排序)。
    • 計算並標註前三大(Top 3)核心檢驗項目的合計佔比。
  2. 【數據結構交叉比對】

    • 分析這份委託分佈呈現出什麼樣的「集中度特徵」(例如頭部集中 vs 長尾分佈)。
    • 點出佔比最低的後段項目,並說明其在圖表中的數值表現。
  3. 【戰略洞察與資源配置建議】

    • 【市場需求成因】:從台灣食品供應鏈與法規角度,分析為何「微生物」、「重金屬」與「農藥」佔據了絕大多數的檢驗需求?
    • 【實驗室營運策略】:針對當前 10 項檢驗需求的落差,建議該實驗室在儀器採購、檢驗人力配置及業務推廣上,提出 3 點具體資源配置方針。

【輸出原則】

  • 數字必須 100% 精確還原圖中標示,不可自行捏造未標明的數值。

預期實測成果與亮點驗證
當執行上述 Prompt 後,可以重點檢視模型的三項核心表現:

  1. 零漏網之魚的數據還原(10 類 100% 還原)
    模型能準確識別出 10 個類別並完成由高到低的排序: 
    微生物(24%) 
    重金屬(22%) 
    農藥(18%) 
    動物用藥成份(11%) 
    其他一般成份(10%) 
    生物毒素(5%) 
    添加物(4%) 
    塑化劑(2%)、食品汙染物質(2%)、其他(2%) 
    Top 3 集中度計算:模型能自動加總 \bm{24% + 22% + 18% = 64%},點出前三大項目就吃下了近三分之二的外部需求。 
  2. 結合產業知識的商業歸因
    模型不再只是複述數字,而是能結合台灣食安常識進行推論:
    微生物(24%):為餐飲業與食品廠日常出貨的基礎衛生指標(如大腸桿菌群、生菌數),具備「高頻次、常態性」的送檢特徵。 
    重金屬(22%)與農藥(18%):屬於原物料溯源管理、法規強制抽驗的重點項目,也是各通路進貨驗收的硬性指標。 
  3. 可落地的實驗室資源規劃建議
    模型能轉化為管理建議:
    儀器與通量最佳化:優先擴充高效能質譜儀(LC-MS/MS、GC-MS/MS)與微生物快檢設備,縮短前三大項目的檢驗週轉時間(TAT)。
    長尾項目彈性管理:針對塑化劑(2%)與生物毒素(5%)等低佔比項目,維持合格認證能力但採批次集中檢驗,避免過度閒置專屬機台。
    https://ithelp.ithome.com.tw/upload/images/20261001/20178834Z02hWWLTAu.jpghttps://ithelp.ithome.com.tw/upload/images/20261001/20178834EC6rrupVFa.jpg
    今日結語
    多模態圖表辨識的最高境界,不是把圖片變成「文字版圖表」,而是「穿透像素看清結構,由數據推導出下一步行動」。
    今天的實測證明,面對擁有多達 10 個切片、排版細密的真實商業圓餅圖,Gemini 3 Flash 展現了出色的精準度,不僅完整抽取微小的百分比標籤,更能自主加總統計集中度,並提出貼合產業現況的資源配置策略。這讓平時隨手截圖分析報表的高階主管與分析師,在平板上就能擁有一位隨身進駐的專業戰略幕僚。

上一篇
Day 16:視覺辨識實測:拍下手寫筆記與發票,打造精準 OCR 提示詞
下一篇
Day 18:多圖對比技巧:同時上傳兩張圖片進行找碴與差異性分析
系列文
從 Google AI Studio 玩轉提示工程的 30 天實戰修煉 共 18 篇
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言