Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Kládejte svým datům otázky v přirozeném jazyce

Lekce 2 z 14 Aktualizováno 5. listopadu 2026 Mírně pokročilý
Na této stránce
  1. Dotazujte se na svá data, jako byste mluvili s kolegou
  2. Princip: Od přirozeného jazyka ke kódu v Pythonu
  3. Typy otázek, které můžete klást
  4. Formulace efektivních otázek
  5. Iterace nad výsledky
  6. Více přemýšlení pro složité analýzy
  7. Teď jste na řadě vy
  8. Klíčové poznatky

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:

Od přirozeného jazyka k výsledku Čtyři kroky: položíte otázku v běžném jazyce; ChatGPT napíše kód v Pythonu, často s využitím knihovny pandas; kód se spustí v notebooku Jupyter; výsledek dorazí jako tabulka, číslo nebo graf. PRINCIP Od přirozeného jazyka k výsledku 1 Otázka V běžném jazyce 2 Kód Python, často pandas 3 Spuštění V notebooku Jupyter 4 Výsledek Tabulka, číslo, graf Zobrazte kód a zkontrolujte předpoklady, než výsledkům uvěříte.
Na základě článku „Data analysis with ChatGPT“ z centra nápovědy OpenAI (listopad 2026).

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.

  1. Importujte soubor, který dobře znáte.
  2. Položte jednu otázku z každé kategorie: shrnutí, agregace, filtrování, řazení.
  3. Přeformulujte jednu z nich tak, že pojmenujete sloupce a specifikujete formát výstupu, a poté porovnejte obě odpovědi.
  4. Přidejte obchodní pravidlo – například vyloučení zrušených objednávek – a změřte rozdíl.
  5. 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.