Automatiseret deskriptiv statistik
På denne side
Forstå dine data på et øjeblik
Deskriptiv statistik er fundamentet for enhver analyse. Gennemsnit, median, standardafvigelse, fordeling: disse indikatorer fortæller dig, hvad dine data indeholder, før du overhovedet forsøger at forklare noget. At springe dette trin over svarer til at bygge en anbefaling på et gennemsnit, der er skævvredet af tre ekstreme værdier, og derefter forsvare det med en overbevisning, som tallene ikke fortjener. Med ChatGPT tager denne diagnose kun én sætning, og fortolkningen følger øjeblikkeligt.
Det hurtige statistiske overblik
Den enkleste kommando for at komme i gang:
Give me a complete statistical summary of this dataset.
ChatGPT bruger typisk pandas-funktionen describe() og kommenterer resultatet. For hver numerisk kolonne får du følgende indikatorer:
- count — antal ikke-tomme værdier
- mean — gennemsnit
- std — standardafvigelse (mål for spredning)
- min / max — ekstreme værdier
- 25% / 50% / 75% — kvartiler (median = 50%)
At krydsreferere disse rækker giver allerede indsigt. Hvis count er 8.400 i en fil med 10.000 rækker, mangler 16 % af dataene, og ethvert beregnet gennemsnit gælder kun for en del af porteføljen. Hvis gennemsnittet afviger markant fra medianen, er fordelingen skæv. I stedet for at udføre denne hovedregning selv, skal du blot spørge:
Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?
Statistik efter kategori
Globale gennemsnit maskerer næsten altid forskelle. En gennemsnitlig ordrestørrelse på 180 € kan skjule et virksomhedssegment på 900 € og et privatsegment på 60 €. I så fald beskriver gennemsnittet ingen reel kunde, og enhver beslutning baseret på det rammer begge populationer helt ved siden af.
Calculate the mean, median, and standard deviation of order amounts
for each product category.
Du skal stadig vælge den indikator, der besvarer dit spørgsmål, fordi hver især måler noget forskelligt.
| Indikator | Hvad den måler | Hvornår den skal bruges |
|---|---|---|
| Mean (Gennemsnit) | Central værdi | Symmetriske data uden ekstreme værdier |
| Median | Midterste værdi | Skæve data eller data med udliggere |
| Standard deviation (Standardafvigelse) | Spredning omkring gennemsnittet | Vurdering af variationsbredde i ydeevne |
| Mode (Typetal) | Hyppigste værdi | Kategoriske eller diskrete data |
| Correlation (Korrelation) | Lineær sammenhæng mellem to variable | Identifikation af forbundne faktorer |
Fordelinger og frekvenser
For en numerisk variabel fortæller fordelingsformen mere end gennemsnittet. Et histogram viser, om dine beløb samler sig omkring én værdi eller spreder sig over to distinkte toppe, hvilket er tegn på to overlappende købsadfærd i samme fil.
Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.
ChatGPT genererer histogrammet og kan anvende en normalitetstest, f.eks. Shapiro-Wilk-testen, hvilket påvirker valget af efterfølgende tests. Ved store stikprøver flagger denne test selv den mindste afvigelse fra normalitet, så tjek histogrammets form, før du drager konklusioner. For kategoriske variable skifter logikken til frekvenser:
What is the distribution of clients by industry sector?
Display absolute and relative frequencies.
Du får antallet og procentdelen for hver kategori – nok til at opdage, at ét sektor udgør 60 % af porteføljen, hvilket betyder 60 % af din risiko, hvis denne sektor bremser op.
Korrelationer mellem variable
Korrelationer afslører forhold mellem dine numeriske kolonner og åbner nye veje for analyse.
Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).
ChatGPT genererer matricen, fremhæver signifikante korrelationer og forklarer, hvad hver enkelt betyder i din forretningsmæssige kontekst. Tre forholdsregler er nødvendige, når du læser resultaterne. For det første indebærer korrelation ikke årsagssammenhæng: en samtidig stigning i reklamebudget og salg kan blot være den fælles effekt af sæsonudsving. For det andet forvrænger ekstreme værdier koefficienten – bed om beregningen både med og uden udliggere; forskellen er ofte lærerig. Endelig er kategoriske variable ikke inkluderet som standard. For at inkludere kundesegmenter eller salgskanaler skal du anmode om forudgående kodning. For at gå videre – sammenligne grupper med en t-test eller ANOVA, eller modellere et forhold med regression – skal du beskrive, hvad du ønsker at forstå, bede ChatGPT om den passende teknik og få den til at forklare resultatet.
Opdagelse af udliggere
En udligger er ikke nødvendigvis en fejl. En ordre på 95.000 € kunne være en indtastningsfejl eller årets første store virksomhedskontrakt. Håndteringen er vidt forskellig: i det ene tilfælde retter du det, i det andet fremhæver du det.
Identify outliers in "order_amount"
using the IQR method. List the affected rows
and indicate whether they appear to be errors or legitimate cases.
ChatGPT beregner IQR-grænserne (Q1 - 1,5 * IQR og Q3 + 1,5 * IQR) og lister værdierne uden for grænserne sammen med deres kontekst. Derefter beslutter du række for række i stedet for at kassere hele batchet – og utilsigtet slette netop de kunder, der gjorde dit år til en succes.
Automatisering af den deskriptive rapport
Når du har mestret tilgangen, kan du kondensere den til én enkelt prompt:
Generate a complete descriptive statistical report for this file.
Include: overview, statistics per numerical column,
distribution of categorical variables, main correlations,
detected outliers, and recommendations for the next analysis step.
Denne prompt producerer et struktureret dokument, som du bør gennemgå, før du deler det. Hold det ved hånden: anvendt på samme eksport hver måned bliver det dit standardudgangspunkt og gør perioder sammenlignelige.
Din tur
Din første statistiske diagnose.
- Anmod om det statistiske overblik over din fil og derefter fortolkningen heraf
- Sammenlign gennemsnit og median på din primære beløbskolonne
- Beregn de samme indikatorer efter kategori
- Vis fordelingen af denne kolonne og identificer udliggere
- Klassificér hver udligger: fejl der skal rettes, eller legitimt tilfælde
Officielle kilder: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)
Vigtige pointer
- Det statistiske overblik er dit første skridt efter rensning
- Segmentér altid efter kategori – globale gennemsnit skjuler forskelle
- Medianen er ofte mere pålidelig end gennemsnittet for virkelige data
- Korrelationer afslører veje til analyse, ikke certituder
- Bed ChatGPT om at fortolke tallene, ikke blot beregne dem