Extrakce a transformace dat
Na této stránce
Načtení souboru je jen první krok. ChatGPT umí také extrahovat strukturovaná data z nestrukturovaných dokumentů, přeformátovat je, zkřížit informace z více zdrojů a exportovat výsledky ve formátu, který potřebuješ. Tato schopnost transformace z něj dělá skutečný nástroj pro zpracování dat, nejen pouhou čtečku dokumentů.
Extrakce strukturovaných dat z nestrukturovaných zdrojů
Strukturovaná extrakce znamená vzít informace rozptýlené v celém dokumentu a uspořádat je do použitelného formátu. U dávky faktur ve formátu PDF stačí jedna věta: „Extrahuj z každé faktury následující údaje: číslo faktury, datum, dodavatel, částka bez DPH, DPH a částka s DPH. Vše prezentuj v tabulce.“ Stejný princip platí pro výroční zprávu s čísly ukrytými v odstavcích: „Extrahuj všechny finanční údaje uvedené v této zprávě: tržby, čistý zisk, marže, počet zaměstnanců. Uspořádej je podle let do srovnávací tabulky.“ A u čistě textového dokumentu: „Tento dokument zmiňuje 15 kontaktů. Extrahuj jména, společnosti a pracovní pozice každé osoby do strukturované tabulky.“ Společným jmenovatelem těchto tří požadavků je explicitní seznam očekávaných polí. Tento seznam promění proud textu na použitelná tabulková data, což představuje jednu z nejcennějších schopností ChatGPT.
Změna formátů
Jakmile máš data k dispozici, změna jejich formátu je stejně jednoduchá. Udělej ze surového CSV čitelnou tabulku: „Vytvoř čitelnou tabulku s jasnými záhlavími. Přelož názvy sloupců z angličtiny do češtiny.“ Proměň tabulku ve vizualizaci: „Na základě těchto dat vygeneruj sloupcový graf znázorňující rozložení prodejů podle regionů.“ Převeď čísla do prezentace na schůzku: „Transformuj tato čtvrtletní data do 3 shrnujících slidů: přehled, nejlepší výsledky a body vyžadující pozornost.“ Nebo přepni mezi technickými strukturami: „Tento soubor JSON obsahuje data o produktech. Převeď jej na tabulku CSV se sloupci: název, cena, kategorie, sklad.“
Křížové odkazování dvou zdrojů
Nahraj do stejné konverzace dva soubory a křížové odkazování se stane otázkou jedné věty. Představ si seznam zákazníků s historií nákupů v souboru Excel a průzkum spokojenosti v souboru CSV: „Zkříž tyto dva soubory podle jména zákazníka. Pro každého zákazníka ukaž celkovou částku nákupů a skóre spokojenosti. Seřaď podle skóre spokojenosti sestupně. Identifikuj zákazníky s vysokým potenciálem (vysoké nákupy + vysoká spokojenost) a ohrožené zákazníky (vysoké nákupy + nízká spokojenost).”
Obvykle by tato operace vyžadovala složité vzorce v Excelu nebo skript v Pythonu; zde se děje prostřednictvím konverzačního požadavku. To je tím větší důvod výsledek ověřit: párování spoléhá na jména a homonyma nebo překlepy mohou párování tiše zkreslit. Ručně zkontroluj několik řádků, než na základě výstupu učiníš obchodní rozhodnutí.
Čištění a normalizace
Data z reálného světa zřídka přicházejí čistá a právě zde ChatGPT vyniká. U heterogenních formátů: „V tomto sloupci s telefonními čísly některé záznamy používají formát 06.12.34.56.78, jiné +33612345678 a další 06 12 34 56 78. Normalizuj je všechny na mezinárodní formát +33 6 12 34 56 78.“ U podezřelých dat: „Analyzuj tento sloupec s daty. Identifikuj neplatná data, nekonzistentní formáty a odlehlé hodnoty.“ U fuzzy duplicit, které žádný vzorec nezachytí: „Tento soubor obsahuje pravděpodobné duplicity (stejná jména s mírnými variacemi v pravopisu). Identifikuj je a navrhni konsolidovanou verzi.“ A u hromadné kategorizace: „Zde je 200 popisů výdajů. Každý zařaď do jedné z těchto kategorií: Doprava, Stravné, Ubytování, Materiál, Služby, Ostatní.“
Stejně jako u křížového odkazování platí i v tomto posledním případě pravidlo kontroly vzorku: automatizovaná kategorizace málokdy selže úplně, ale chyby dělá. U velkých souborů nespouštěj okamžitě zpracování celého objemu. Nejprve požádej o analýzu na vzorku, validuj metodu a teprve poté pokračuj s celým souborem.
Získání výsledku
Bez specifických pokynů pro výstup zobrazí ChatGPT výsledky jako text v chatu a ty si je musíš zkopírovat a vložit. Explicitně požádej o soubor: „Vygeneruj stahovatelný soubor CSV s těmito výsledky“, „Vytvoř soubor Excel se dvěma listy: surová data a shrnutí“ nebo „Naformátuj tato data jako JSON pro integraci do našeho API.“ Systém soubor vytvoří a v konverzaci se objeví odkaz ke stažení.
Industrializace opakujících se pracovních postupů
Pokud každý měsíc dostáváš stejný typ souboru, napiš prompt jednou a znovu jej používej: „Každý měsíc ti pošlu výpis z bankovního účtu ve formátu PDF. Pro každý výpis chci, abys: (1) extrahoval všechny transakce, (2) zařadil je do 6 kategorií (Bydlení, Potraviny, Doprava, Volný čas, Zdraví, Ostatní), (3) spočítal celkovou částku za kategorii, (4) porovnal ji s předchozím měsícem, pokud je k dispozici, (5) exportoval výsledek jako CSV.” Pokud je tento prompt umístěn v pokynech vyhrazeného projektu, zajistí konzistentní zpracování od měsíce k měsíci a umožní smysluplná srovnání. Výpis z účtu jsou však citlivá data: před nahráním zhodnoť, co tvůj plán a povinnosti umožňují.
Teď jsi na řadě
Vyčisti skutečný soubor. Vezmi soubor ze své každodenní práce – export z CRM, výkaz práce, seznam kontaktů nebo finanční výkaz – a požádej: „Analyzuj tento soubor. Identifikuj problémy s kvalitou dat (duplikáty, chybějící hodnoty, nekonzistentní formáty). Navrhni plán čištění. Poté proveď čištění a vygeneruj opravený soubor ke stažení.“ Tento soubor vybírej moudře: zdravotní data, rodná čísla a bankovní informace vyžadují před nahráním posouzení rizik.
Oficiální zdroje: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (Centrum nápovědy OpenAI)
Klíčové poznatky
- ChatGPT umí extrahovat strukturovaná data z nestrukturovaných dokumentů na základě jediného požadavku
- Křížové odkazování souborů a normalizace dat probíhají konverzačním způsobem
- Pro získání zpracovaných dat explicitně požádej o export (CSV, Excel, JSON)
- Vytvářej znovu použitelné prompty pro měsíční nebo opakující se úkoly
- Vždy ověř výsledky, zejména u křížového odkazování a automatizované kategorizace