Udtræk og transformér data
På denne side
At læse en fil er kun første skridt. ChatGPT kan også udtrække strukturerede data fra ustrukturerede dokumenter, omformatere dem, krydsreferere flere kilder og eksportere resultaterne i dit foretrukne format. Denne transformationsmulighed gør det til et ægte databehandlingsværktøj, ikke blot en dokumentlæser.
Udtræk strukturerede data fra ustrukturerede kilder
Struktureret udtrækning betyder at tage informationer spredt ud over et dokument og organisere dem i et brugbart format. For en bunke PDF-fakturaer er anmodningen én enkelt sætning: „Udtræk følgende fra hver faktura: fakturanummer, dato, leverandør, beløb ekskl. moms, moms og beløb inkl. moms. Præsenter alt i en tabel.” Det samme princip gælder for en årsrapport med tal begravet i afsnit: „Udtræk alle økonomiske tal nævnt i denne rapport: omsætning, nettoresultat, margin, medarbejdertal. Organisér dem efter år i en sammenligningstabel.” Og for et rent tekstbaseret dokument: „Dette dokument nævner 15 kontakter. Udtræk navne, virksomheder og jobtitler for hver person ind i en struktureret tabel.” Den fælles nævner i disse tre anmodninger er den eksplicitte liste over forventede felter. Denne liste transformerer en strøm af tekst til brugbare tabeldata, hvilket repræsenterer en af ChatGPTs mest værdifulde egenskaber.
Skift formater
Når du har dataene, er det lige så simpelt at ændre deres format. Gør en rå CSV læsbar: „Opret en læsbar tabel med klare overskrifter. Oversæt kolonnenavnene fra engelsk til fransk.” Gør en tabel til en visualisering: „Generér baseret på disse data et søjlediagram, der viser salgsfordelingen efter region.” Konvertér tal til et mødeoplæg: „Transformér disse kvartalsdata til 3 resuméslides: overblik, toppræsterende og advarselssignaler.” Eller skift mellem tekniske strukturer: „Denne JSON-fil indeholder produktdata. Konvertér den til en CSV-tabel med kolonnerne: navn, pris, kategori, lager.”
Krydsreferér to kilder
Upload to filer til den samme samtale, så bliver krydsreferencing til én enkelt sætning. Forestil dig en kundeliste med købshistorik i en Excel-fil og en tilfredshedsundersøgelse i en CSV: „Krydsreferér disse to filer efter kundenavn. Vis for hver kunde det samlede købsbeløb og tilfredshedsscoren. Sortér efter tilfredshedsscore i faldende rækkefølge. Identificér kunder med højt potentiale (høje køb + høj tilfredshed) og kunder i risiko (høje køb + lav tilfredshed).”
Normalt ville denne operation kræve komplekse Excel-formler eller et Python-script; her sker det via en samtaleanmodning. Det er netop derfor endnu mere grund til at verificere resultatet: matchingen afhænger af navne, og homonymer eller stavefejl kan ubemærket fordreje parringerne. Tjek manuelt nogle få rækker, før du baserer forretningsbeslutninger på outputtet.
Rens og normalisér
Data fra den virkelige verden ankommer sjældent rene, og det er her, ChatGPT excellerer. For heterogene formater: „I denne kolonne med telefonnumre bruger nogle poster formatet 06.12.34.56.78, andre +33612345678, og andre 06 12 34 56 78. Normalisér dem alle til det internationale format +33 6 12 34 56 78.” For tvivlsomme datoer: „Analysér denne datokolonne. Identificér ugyldige datoer, inkonsistente formater og udliers.” For fuzzy-duplikater, som ingen formel kan fange: „Denne fil indeholder sandsynlige duplikater (samme navne med små stavevariationer). Identificér dem og foreslå en konsolideret version.” Og for bulk-kategorisering: „Her er 200 udgiftsbeskrivelser. Kategorisér hver enkelt i én af disse kategorier: Transport, Måltider, Overnatning, Fornødenheder, Tjenesteydelser, Andet.”
Som ved krydsreferencing gælder reglen om at gennemgå en stikprøve også i dette sidste tilfælde: automatiseret kategorisering er sjældent helt ved siden af, men den laver fejl. Ved store filer skal du ikke køre hele behandlingen med det samme. Anmod først om en analyse på en stikprøve, valider metoden, og fortsæt derefter med hele filen.
Hent resultatet
Uden specifikke output-instruktioner vil ChatGPT vise resultater som tekst i chatten, hvilket efterlader dig til at kopiere og indsætte. Anmod eksplicit om en fil: „Generér en downloadbar CSV-fil med disse resultater”, „Opret en Excel-fil med to faner: rådata og resumé” eller „Formater disse data som JSON til integration i vores API.” Systemet producerer filen, og et downloadlink vises i samtalen.
Industrialisér tilbagevendende workflows
Hvis du modtager den samme type fil hver måned, så skriv prompten én gang og genbrug den: „Jeg sender dig en PDF med bankudtog hver måned. For hvert udtag vil jeg have, at du: (1) udtrækker alle transaktioner, (2) kategoriserer dem i 6 kategorier (Bolig, Mad, Transport, Fritid, Sundhed, Andet), (3) beregner totalen per kategori, (4) sammenligner med den foregående måned, hvis tilgængelig, (5) eksporterer resultatet som CSV.” Placeret i instruktionerne for et dedikeret projekt sikrer denne prompt konsistent behandling fra måned til måned, hvilket muliggør meningsfulde sammenligninger. Et bankudtog er dog følsomme data: vurdér, hvad din plan og dine forpligtelser tillader, før du uploader det.
Din tur
Rens en rigtig fil. Tag en fil fra dit daglige arbejde – et CRM-eksport, timeseddel, kontaktliste eller finansiel opgørelse – og spørg: „Analysér denne fil. Identificér problemer med datakvaliteten (duplikater, manglende værdier, inkonsistente formater). Foreslå en renseplan. Anvend derefter rensningen og generér en korrigeret downloadbar fil.” Vælg denne fil med omhu: sundhedsdata, CPR-numre og bankoplysninger kræver en risikovurdering før upload.
Officielle kilder: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (OpenAI Help Center)
Vigtige pointer
- ChatGPT kan udtrække strukturerede data fra ustrukturerede dokumenter i én enkelt anmodning
- Krydsreferencing af filer og datanormalisering sker via samtalen
- Anmod eksplicit om en eksport (CSV, Excel, JSON) for at hente de behandlede data
- Opret genanvendelige prompts til månedlige eller tilbagevendende opgaver
- Verificér altid resultaterne, især ved krydsreferencing og automatiseret kategorisering