Kládejte svým datům otázky v přirozeném jazyce
Na této stránce
Dotazujte se na svá data, jako byste mluvili s kolegou
Největší výhodou ChatGPT pro analýzu dat spočívá v jedné věci: rozumí vašim otázkám v běžném jazyce. Nepotřebujete SQL, Python ani tříúrovňové vnořené vzorce v Excelu. Stačí přesně popsat, co hledáte, stejně jako byste to řekli kolegovi analytikovi, který se dívá na stejný soubor, a ChatGPT převede váš záměr na spustitelný kód. Tento posun je reálný a mění povahu práce: vaše úsilí se přesouvá od syntaxe k formulaci správné otázky.
Princip: Od přirozeného jazyka ke kódu v Pythonu
Když se zeptáte na něco týkajícího se vašich dat, děje se toto zákulisí:
Tento kód není černou skříňkou: můžete si ho zobrazit, zkontrolovat a požádat ChatGPT o úpravu metody. Mějte na paměti, že prostředí Pythonu nemá přístup k webu: pokud vaše analýza potřebuje externí data, musíte je importovat nebo připojit zdroj.
Typy otázek, které můžete klást
Otázky typu shrnutí vám pomohou získat představu o souboru, než se ponoříte do detailů: „Kolik řádků a sloupců tento soubor má?“, „Dej mi obecný přehled dat“ nebo „Jaké sloupce jsou k dispozici a jaké mají typy?“ Tyto otázky vám zabrání zahájit analýzu, která předpokládá granularitu, kterou vaše data nemají – nemůžete vypočítat průměrnou hodnotu košíku na zákazníka, pokud je soubor již agregován podle regionů.
Následují otázky typu agregace, které kondenzují tisíce řádků do akčních čísel: „Jaké jsou celkové tržby podle kategorie produktu?“, „Jaká je průměrná hodnota košíku podle měsíce?“, „Kolik unikátních zákazníků připadá na čtvrtletí?“ To je jádro měsíčního reportingu a často polovina práce, kterou budete mít na starosti.
Otázky typu filtrování následně izolují relevantní podmnožinu – „Ukaž mi pouze tržby nad 10 000 €“, „Které produkty neměly v březnu žádné tržby?“, „Vypiš zákazníky v regionu Île-de-France“ – zatímco otázky typu řazení uspořádají data tak, aby vynikly extrémy: „Kdo je 10 nejlepších obchodníků?“, „Seřaď regiony podle tržeb sestupně“, „Který měsíc měl nejlepší výsledky?“ V praxi seriózní analýza řetězí všechny čtyři typy: nejprve shrnete data, agregujete je, odfiltrujete anomálii, kterou jste objevili, a poté seřadíte výsledky, abyste určili priority akcí. Můžete také vybrat řádky, sloupce nebo buňky v interaktivním náhledu tabulky a poté položit otázku pouze pro tento výběr – například nejčastější hodnotu ve sloupci nebo průměr několika buněk.
Formulace efektivních otázek
Kvalita odpovědi přímo závisí na jasnosti vaší otázky. Vaším prvním reflexem by mělo být pojmenování sloupců místo mluvení v obecných rovinách. „Analyzuj tržby“ nechává ChatGPT hádat, který sloupec obsahuje částku; tato formulace neponechává prostor pro interpretaci:
Calculate the total of the "amount_incl_tax" column grouped by "region"
and sorted from highest to lowest.
Vaším druhým reflexem je specifikace požadovaného formátu výstupu. Jinak dostanete textovou odpověď, když jste potřebovali tabulku pro vložení do reportu, a čas ušetřený na výpočtu ztratíte opětovným formátováním:
Give me the result as a table with these columns:
region, total sales, number of transactions, average basket size.
Třetím, často přehlíženým krokem, je poskytnutí obchodního kontextu, který soubor neobsahuje. ChatGPT neví, že určité řádky by neměly být zahrnuty do výpočtu:
The "status" column contains "approved", "pending", and "cancelled".
Only include approved orders.
Bez tohoto upřesnění vaše zrušené objednávky nafouknou tržby a chyba zůstane bez povšimnutí: výsledek bude vypadat zcela věrohodně. Toto je typ chyby, který nepozorovaně projde poradou vedení.
Iterace nad výsledky
Analýza dat zřídka probíhá lineárně a neočekává se, že najdete správnou otázku napoprvé. Začnete tím, že si necháte zobrazit celkové tržby podle měsíců, všimnete si poklesu v únoru a poté se zeptáte, proč k tomuto poklesu došlo. Pokud odpověď zůstane vágní, filtrovat data na kategorii „premium“ a přepočítat je, následně porovnat se stejným obdobím minulého roku, abyste zjistili, zda jde o známou sezónnost, nebo o incident.
ChatGPT si udržuje kontext konverzace i nahraný soubor, takže každá otázka navazuje na ty předchozí. To umožňuje postupné zkoumání: únorový pokles, jakmile je izolován na segment premium, může být vysvětlen tím, že jeden velký klient přešel ke konkurenci – k závěru, kterého byste se první otázkou nedopátrali.
Více přemýšlení pro složité analýzy
Některé otázky nelze vyřešit jednoduchou agregací. Křížové korelace, analýzy z více zdrojů, nuancované interpretace: kdykoli je potřeba vícekrokové uvažování, zvolte vyšší úroveň přemýšlení ve výběru ChatGPT – High nebo Extra High v závislosti na vašem plánu, nebo tlačítko Think u tarifů Free a Go. Dodatečné přemýšlení pomáhá zvažovat faktory, které by mohly vysvětlit vazbu mezi dvěma proměnnými před vyvozením kauzality, odhalit jemné vzorce – sezónnost posunutou o tři týdny, segment klesající čtvrtletí po čtvrtletí – a budovat doporučení na základě vypočtených čísel. Žádné nastavení však nepřemění korelaci na kauzalitu: zde rozhodují vaše doménové znalosti a někdy i test.
Teď jste na řadě vy
Vaše první otázky.
- Importujte soubor, který dobře znáte.
- Položte jednu otázku z každé kategorie: shrnutí, agregace, filtrování, řazení.
- Přeformulujte jednu z nich tak, že pojmenujete sloupce a specifikujete formát výstupu, a poté porovnejte obě odpovědi.
- Přidejte obchodní pravidlo – například vyloučení zrušených objednávek – a změřte rozdíl.
- Zobrazte kód pro výpočet a ručně ho ověřte na dvou nebo třech řádcích.
Oficiální zdroje: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (centrum nápovědy OpenAI) · Prompting (dokumentace ChatGPT)
Klíčové poznatky
- Kládejte otázky v běžném jazyce; ChatGPT je převede na kód.
- Buďte konkrétní: pojmenujte sloupce, specifikujte filtry, uveďte požadovaný formát.
- Iterujte v rámci stejné konverzace, abyste prohloubili svou analýzu.
- Zvyšte úroveň přemýšlení pro vícekrokové analýzy.
- Vždy ověřujte výsledky – ChatGPT může špatně interpretovat sloupec.