Kombinování více zdrojů dat
Na této stránce
Křížové odkazování dat pro hlubší analýzu
Nejcennější poznatky vznikají křížovým odkazováním více zdrojů. Prodej a CRM, rozpočet versus skutečnost, webová analytika a konverze: každý soubor sám o sobě vypráví jen polovinu příběhu. Jejich kombinace odhalí vzorce, které by v jediném zdroji zůstaly skryté – například zjistíš, že tvoji největší odběratelé jsou ve skutečnosti ti nejméně ziskoví z hlediska marže.
Import více souborů
ChatGPT přijme v jedné konverzaci více souborů. Nejlepší praxí je nahrát je na začátku relace a explicitně uvést, co každý z nich obsahuje. Ušetříš si tím odpovídání na upřesňující dotazy později a, což je důležitější, předejdeš tomu, aby ChatGPT špatně interpretoval roli některého souboru.
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.
Nahraj je jeden po druhém nebo všechny najednou; ChatGPT je dokáže všechny přečíst ve svém prostředí Python. Počet souborů povolených na konverzaci se liší podle typu souboru, modelu, typu předplatného a tvého limitu pro import. Když jsou pro tvůj účet dostupné odpovídající pluginy, můžeš také připojit soubory z Google Drive, OneDrive nebo SharePointu. Stejně jako v Lekci 1 si ponech pouze sloupce z CRM potřebné pro spojení.
Spojování tabulek (joins)
Spojení (join) kombinuje dvě tabulky na základě společného sloupce: to je jádro jakéhokoli křížového odkazování. Požádej o něj explicitním uvedením klíče a vyžaduj okamžité hlášení osiřelých řádků – tedy těch, kde klíč nenajde žádnou shodu.
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.
Výsledek závisí na typu zvoleného spojení a tato volba nikdy není neutrální: podle případu buď ztratíš data o prodeji, nebo si ponecháš neúplné řádky.
| Typ spojení | Chování | Kdy použít |
|---|---|---|
| Inner join | Ponechá pouze shody | Přísná analýza, žádná neúplná data |
| Left join | Ponechá všechny řádky z hlavní tabulky | Obohacení prodejů informacemi o klientech (i když je klient neznámý) |
| Outer join | Ponechá všechny řádky z obou tabulek | Identifikace nesrovnalostí mezi dvěma zdroji |
Nemusíš znát tento žargon, abys ho uměl použít. Stačí popsat požadovaný výsledek a specifikovat, jak zacházet s neshodnými případy.
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 přeloží tento požadavek na spojení – v tomto případě na left join, protože žádný prodej nesmí zmizet z celkového součtu; ověř si to v kódu. Na formulaci záleží: kdybys jednoduše napsal „zkříž oba soubory“ bez dalšího upřesnění, inner join by mohl z tvých figures tržeb odstranit všechny klienty chybějící v CRM.
Porovnání rozpočtu versus skutečnosti
Nejčastějším křížovým odkazem v řízení výkonnosti je střet dvou souborů vytvořených různými týmy: cíle stanovené na začátku roku na jedné straně a agregované prodeje na straně druhé. Zde je však háček v klíči spojení, který je složený – region a měsíc – protože ani jeden sloupec sám o sobě nestačí k identifikaci řádku.
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.
Obohacení externími daty
Referenční soubor ti umožňuje přidat dimenzi, která v tvých prodejních datech nikde neexistuje. Klasickým případem je poštovní směrovací číslo: přítomné v každé objednávce, odemkne geografickou analýzu, jakmile je spárováno s vyhledávací tabulkou. Prostředí Python v ChatGPT nemá přístup k webu: stáhni si tuto tabulku z oficiálního zdroje a poté ji připoj.
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.
Stejný mechanismus propojuje dva obvykle izolované světy: digitální marketing a obchod. Korelace návštěvnosti s prodeji odhalí stránky, které přitahují návštěvníky, ale nekonvertují – ty, jejichž publikum sice lichotí marketingovým reportům, ale nikdy nenaplní knihy objednávek.
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?
Řešení nekonzistencí mezi zdroji
Zdroje dat zřídka sdílejí stejný formát a právě zde spojení tiše selhávají. Tři problémy se opakují neustále. První se týká názvů sloupců, které označují stejné informace odlišně, protože je pojmenovaly dva různé týmy.
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.
Druhý problém se týká dat, kde se liší granularita a formátování od systému k systému. Harmonizace musí předcházet slučování, nikdy mu nesmí následovat: jakmile jsou řádky špatně spárované, nic ti neumožní vysledovat chybu zpět.
Sales use the DD/MM/YYYY format.
Targets use the YYYY-MM format.
Harmonize both to month (YYYY-MM) before cross-referencing.
Třetí problém zahrnuje kategorické hodnoty, kde prostý rozdíl ve velikosti písmen nebo diakritice způsobí selhání shody, přestože lidský čtenář by žádnou nejednoznačnost neviděl.
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.
Žádná z těchto opatření nenahrazuje potřebu závěrečné kontroly. Neúspěšné spojení nevygeneruje chybovou zprávu: vytvoří menší tabulku, která vypadá dokonale prezentovatelně, a nikdo si toho nevšimne až do porady. Proto systematicky požaduj shrnutí.
After the join, how many rows were lost?
How many rows found no match?
Show 5 examples of non-matches.
Vícerozměrná křížová analýza
Jakmile jsou zdroje sloučeny, můžeš křížově odkazovat dimenze, které byly dříve oddělené. To je skutečný přínos celé této technické práce a okamžik, kdy se stane viditelným.
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)
Tyto analýzy by byly s jediným souborem nemožné: soubor prodejů ignoruje velikost firmy zákazníka a CRM ignoruje, co kupují. Právě křížové odkazování ti konečně umožní položit otázku, na které záleží obchodnímu vedení – jaký typ klienta kupuje jaký typ produktu.
Teď jsi na řadě
Tvůj první křížový odkaz.
- Vyber dva soubory, které sdílejí klíč: prodeje a CRM, rozpočet a skutečnost
- Představ je ChatGPT a uveď roli každého z nich
- Před spojením harmonizuj názvy sloupců, data a hodnoty
- Popiš, jak zacházet s neshodnými řádky, a poté spusť spojení
- Vyžádej si shrnutí ztracených řádků a prozkoumej pět příkladů
Oficiální zdroje: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centrum nápovědy OpenAI)
Klíčové poznatky
- Importuj více souborů do stejné konverzace, abys je mohl křížově odkazovat
- Popiš logiku spojení přirozeným jazykem a poté ověř typ spojení v kódu
- Před sloučením harmonizuj formáty (data, názvy, velká/malá písmena)
- Vždy kontroluj počty řádků před spojením i po něm
- Křížové odkazování z více zdrojů odhaluje poznatky neviditelné v jakémkoli izolovaném zdroji