Премини към основното съдържание
Български— Изберете език
Меню

Комбиниране на множество източници на данни

Урок 13 от 14 Обновен 5 ноември 2026 г. Средно
На тази страница
  1. Кръстосано препратки към данни за по-богат анализ
  2. Импортиране на множество файлове
  3. Обединяване на таблици (joins)
  4. Сравнение на бюджет срещу реални резултати
  5. Обогатяване с външни данни
  6. Обработка на несъответствия между източници
  7. Многоизмерен кръстосан анализ
  8. Ваш ред
  9. Ключови изводи

Кръстосано препратки към данни за по-богат анализ

Най-мощните прозрения идват от кръстосаното препратки към множество източници. Продажби и CRM, бюджет срещу реални резултати, уеб аналитика и конверсии: взети поотделно, всеки файл разказва само половината от историята. Комбинирането им разкрива модели, невидими в който и да е единичен източник – например, откриването, че клиентите Ви с най-голям обем всъщност са най-малко печелившите по отношение на марж.

Импортиране на множество файлове

ChatGPT приема множество файлове в един разговор. Най-добрата практика е да ги качите в началото на сесията и изрично да посочите какво съдържа всеки от тях. Това Ви спестява отговарянето на уточняващи въпроси по-късно и, което е по-важно, предотвратява погрешното тълкуване от страна на ChatGPT на ролята на даден файл.

Here are 3 files:
1. sales_q1_2026.xlsx — sales transactions
2. clients_crm.csv — customer database with sector and size
3. targets_2026.csv — targets by region and month

I will ask you to cross-reference them for a complete analysis.

Качете ги един по един или всички заедно; ChatGPT може да ги прочете всички в своята Python среда. Броят на разрешените файлове на разговор варира според типа файл, модела, абонаментния план и Вашата квота за импортиране. Можете също така да прикачите файлове от Google Drive, OneDrive или SharePoint, когато съответните плъгини са налични за Вашия акаунт. Както в Урок 1, запазете само колоните от CRM, необходими за обединяването.

Обединяване на таблици (joins)

Обединяването (join) комбинира две таблици въз основа на обща колона: това е сърцевината на всяко кръстосано препратки. Поискайте го, като изрично назовете ключа, и изискайте незабавно докладване на осиротелите редове – тези, при които ключът не намира съвпадение.

Merge the sales file with the clients file
using the "id_client" column as the join key.
Show a preview of the result and flag any sales
without a matching client.

Резултатът зависи от избрания тип обединяване и този избор никога не е неутрален: в зависимост от случая, или губите данни за продажбите, или запазвате непълни редове.

Тип обединяванеПоведениеКога да се използва
Inner joinЗапазва само съвпадениятаСтрог анализ, без непълни данни
Left joinЗапазва всички редове от основната таблицаОбогатяване на продажбите с информация за клиента (дори ако клиентът е неизвестен)
Outer joinЗапазва всички редове от двете таблициИдентифициране на несъответствия между два източника

Не е необходимо да познавате този жаргон, за да го използвате. Просто опишете желания резултат, като посочите как да се обработват несъвпадащите случаи.

I want to enrich my sales data with client info.
Keep all sales, even those where the client
is not in the CRM (mark these as "Unknown").

ChatGPT превежда тази заявка в обединяване – в този случай left join, тъй като никакви продажби не трябва да изчезнат от общия сбор; проверете това в кода. Формулировката има значение: ако бяхте написали просто „свържете двата файла“ без допълнителна прецизност, едно inner join би могло да лиши Вашите фигури за приходите от всички клиенти, липсващи в CRM.

Сравнение на бюджет срещу реални резултати

Най-честото кръстосано препратки в управлението на ефективността противопоставя два файла, изградени от различни екипи: целеви показатели, определени в началото на годината от една страна, и агрегирани продажби от друга. Особеността тук е ключът за обединяване, който е съставен – регион и месец, – защото нито една колона сама по себе си не е достатъчна за идентифициране на ред.

Cross-reference the targets file (columns: region, month, target_revenue)
with the aggregated sales file (region, month, actual_revenue).
Calculate the variance in euros and percentage for each combination.
Flag any instances where the target was not met.

Обогатяване с външни данни

Референтен файл Ви позволява да добавите измерение, което не съществува никъде във Вашите данни за продажбите. Класическият случай е пощенският код: присъстващ във всяка поръчка, той отключва географския анализ, след като се сдвои с таблица за търсене. Python средата на ChatGPT няма достъп до уеб: изтеглете тази таблица от официален източник, след което я прикачете.

Here is a reference file with postal codes
and French administrative regions.
Add a "region" column to my sales data
using the postal code as the key.

Същият механизъм свързва два обикновено изолирани свята: дигиталния маркетинг и търговията. Корелирането на трафика с продажбите разкрива страници, които привличат посетители, но не успяват да конвертират – тези, чиято аудитория ласкае маркетинговите отчети, без никога да попълни книгата с поръчки.

File 1: Web traffic by product page (page_url, visits, bounce_rate)
File 2: Sales by product (product, revenue, quantity)

Cross-reference the two files on the product name.
Calculate the conversion rate (sales / visits) per product.
Which product has the best visits-to-sales ratio?

Обработка на несъответствия между източници

Източниците на данни рядко споделят един и същи формат и точно тук обединяванията се провалят – тихо. Три проблема се повтарят постоянно. Първият включва имената на колоните, които етикетират една и съща информация различно, защото два екипа са ги наименували поотделно.

In the sales file, the column is named "client_id".
In the CRM, it is named "customer_identifier".
Perform the join by mapping these two columns.

Вторият засяга датите, където гранулярността и форматирането се различават от система до система. Хармонизацията трябва да предшества обединяването, никога да не го следва: след като редовете са несъответстващи, нищо не Ви позволява да проследите грешката назад.

Sales use the DD/MM/YYYY format.
Targets use the YYYY-MM format.
Harmonize both to month (YYYY-MM) before cross-referencing.

Третият включва категориални стойности, където проста разлика в главните/малките букви или акцентите кара съвпадението да се провали, въпреки че човешкият читател не би видял никаква двусмислица.

In sales, regions are uppercase (ILE-DE-FRANCE).
In the CRM, they are mixed case with accents (Île-de-France).
Normalize both before the join.

Нито една от тези предпазни мерки не замества нуждата от финална проверка. Неуспешното обединяване не произвежда съобщение за грешка: то произвежда по-малка таблица, перфектно представима, и никой не забелязва до срещата. Затова систематично искайте обобщение.

After the join, how many rows were lost?
How many rows found no match?
Show 5 examples of non-matches.

Многоизмерен кръстосан анализ

След като източниците са обединени, можете да направите кръстосано препратки на измерения, които преди са били отделни. Това е истинската полза от цялата тази техническа работа и моментът, в който тя става видима.

Now that I have sales enriched with CRM info:
1. Revenue by client industry sector AND by product category
2. Average order value by company size (Micro, Small, Medium, Large)
3. Top 10 most profitable combinations (sector × product)

Тези анализи биха били невъзможни с един единствен файл: файлът с продажбите игнорира размера на компанията на клиента, а CRM игнорира какво купуват те. Кръстосаното препратки е това, което най-накрая Ви позволява да зададете въпроса, който вълнува търговското ръководство – кой тип клиент купува кой тип продукт.

Кръстосано препратки към два източника без загуба на редове Пет стъпки: опишете ролята на всеки файл; подравнете имената на колоните, датите и стойностите; обединете по изричен ключ; проверете за загубени редове; кръстосано препратки на измерения. ОБЕДИНЯВАНИЯ (JOINS) Кръстосано препратки към два източника без загуба на редове 1 Опишете Роля 2 Подравнете Формати 3 Обединете Ключ 4 Проверете Редове 5 Кръстосано препратки Измерения Неуспешното обединяване не произвежда грешка: то произвежда по-малка таблица.
Метод на урока; обединяване на набори от данни въз основа на статията „Extracting Insights with ChatGPT Data Analysis“ от Help Center на OpenAI (ноември 2026 г.).

Ваш ред

Вашето първо кръстосано препратки.

  1. Изберете два файла, които споделят ключ: продажби и CRM, бюджет и реални резултати
  2. Представете ги на ChatGPT, като посочите ролята на всеки
  3. Хармонизирайте имената на колоните, датите и стойностите преди обединяването
  4. Опишете как да се обработват несъвпадащите редове, след което изпълнете обединяването
  5. Поискайте обобщение на загубените редове и разгледайте пет примера

Официални източници: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Help Center на OpenAI)

Ключови изводи

  • Импортирайте множество файлове в един и същи разговор, за да ги кръстосате
  • Опишете логиката на обединяване на естествен език, след което проверете типа обединяване в кода
  • Хармонизирайте форматите (дати, имена, главни/малки букви) преди обединяването
  • Винаги проверявайте броя на редовете преди и след обединяването
  • Кръстосаното препратки от множество източници разкрива прозрения, невидими в който и да е изолиран източник