Analyser diagrammer og tabeller
På denne side
Et diagram komprimerer på få kvadratcentimeter det, som et regneark ville sprede ud over flere skærme. Du scanner det hurtigt; du læser det sjældent fra ende til anden. I stedet for manuelt at tyde en række søjler eller et analysedashboard, sender du billedet til ChatGPT. Så får du en struktureret fortolkning, de fremvoksende tendenser og anbefalinger underbygget af de viste data.
Hvad ChatGPT kan læse
På et søjlediagram eller histogram identificerer modellen kategorier, relative værdier og signifikante afvigelser. På et linjediagram opdager den tendenser, vendepunkter og anomalier – det kvartal, der dykker, eller september-toppen, der slet ikke ligner resten. Et cirkeldiagram gør det muligt for den at rekonstruere fordelingen af andele og sammenligne segmenter.
Dens læsning går ud over grafiske fremstillinger. Mødt med en datatabel læser den cellerne, beregner totaler og flagger ekstreme værdier. Et Gantt-diagram eller et organisationsdiagram giver den adgang til arbejdsgange og afhængigheder: hvilken opgave blokerer en anden, og hvem refererer til hvem. Et skærmbillede af et analyseværktøj egner sig til et sammendrag af synlige KPI’er, hvilket sparer dig for at kopiere tal fra en konsol, hvor du mangler eksportadgang.
En prompt i tre dele
Relevant analyse afhænger af tre oplysninger, som modellen ikke kan gætte sig til. Konteksten kommer først: „Her er et diagram, der viser udviklingen i vores kvartalsomsætning over to år.” Det specifikke spørgsmål følger: „Hvilke kvartaler viser en vækst på over 10 %?” Den forventede format afrunder det hele: „Præsenter dit svar som en liste med nøjagtige procenter.”
Fjerner du det første element, fortolker ChatGPT tal uden for kontekst, uden kendskab til hverken din branche eller din skala. Fjerner du det tredje, skal du selv omformatere det, den lige har givet dig.
Gå skridtet videre med et komplekst visuelt materiale
Forestil dig et skærmbillede fra Google Analytics, der viser din webtrafik over seks måneder. Hvis du straks spørger „analyser dette og fortæl mig, hvad jeg skal gøre”, presser du tre forskellige operationer sammen i én anmodning, så du bliver usikker på, hvilken der fejlede.
Start med den rå læsning – „Beskriv, hvad du ser i dette dashboard. Identificer de vigtigste viste nøgletal.” – for at verificere, at du og modellen kigger på samme diagram. Gå videre til fortolkningen: „Hvad er de store tendenser? Er der usædvanlige toppe eller fald?” Først derefter går du over til handling: „Baseret på disse data, hvilke handlinger vil du anbefale for at forbedre trafikken næste måned?” Hvert trin bygger på det foregående, så du kan rette en fejllæsning, før den forurener den endelige anbefaling.
Tilfældet med fotograferede tabeller
En trykt prisliste, en papirbankudskrift, en tidsplan nålet op på væggen: alt, der ikke eksisterer i digital form, kan fotograferes og konverteres. Tag et foto af en restaurantmenu og spørg: „Konverter denne menu til en struktureret tabel med følgende kolonner: Ret, Beskrivelse, Pris.” Så får du et rent gitter, hvor du før kun havde et skævt snapshot.
Værdien løfter sig et hak, når du kæder beregninger på. På en månedlig udgiftsopgørelse giver „Beregn totalen per kategori og identificer de tre største udgiftsposter” dig på ét spark det, som manuel indtastning i et regneark ville have kostet. Dobbelttjek dog beløb, der forpligter dig: en fejllæst værdi flagrer ikke af sig selv; den forplanter sig lydløst gennem alle totaler. Selve beregningerne bør du bede ChatGPT om at udføre via dataanalyse: OpenAI Help Center bemærker, at den udfører nøjagtige beregninger i Python, forudsat at værdierne blev læst korrekt. Og afvej hensynet til privatlivets fred, før du fotograferer en bankudskrift eller ethvert personligt dokument.
Hvor visuel analyse når sine grænser
Visse opsætninger besejrer den, og det er bedre at genkende dem, før du presser på. Et diagram med meget lav opløsning, hvor tallene er fysisk ulæselige, lærer den ikke mere, end det lærer dig. To linjer i lignende nuancer – gul og orange på en hvid baggrund – flyder sammen og fordrejer værditildelingen. 3D-diagrammer med perspektiveffekter forvrænger proportioner og inducerer fejlagtige sammenligninger. Meget tætte tabeller med dusinvis af kolonner i lille skrifttype overskrider tærsklen for, hvornår hver celle forbliver genkendelig.
Det rigtige svar er ikke at omformulere prompten, men at ændre mediet: eksporter rådataene som CSV eller Excel og send filen. Analysen vinder i pålidelighed det, den taber i umiddelbarhed.
Help Center bemærker også, at diagrammer, hvor linjer kun adskiller sig ved stregtype – hel, stiplet eller prikket – kan skabe forvirring.
Din tur
Analyser et ægte diagram. Vælg et ægte diagram, en rapport, en nyhedsartikel eller dine egne tal, og send det ind: „Analyser dette visuelle materiale i detaljer. Identificer de tre vigtigste informationer, tendenser og eventuelle anomalier. Foreslå derefter to spørgsmål, som disse data bør få os til at stille.” Angiv din branche i samme besked, og genskab manuelt enhver legende eller akse, som dit skærmbillede måske har skåret væk.
Officielle kilder: ChatGPT Image Inputs FAQ · Data analysis with ChatGPT · Does ChatGPT tell the truth? (OpenAI Help Center)
Vigtige pointer
- ChatGPT kan analysere de fleste diagramtyper: søjler, linjer, cirkler, tabeller, dashboards
- Strukturér din prompt i tre dele: kontekst, spørgsmål, svarformat
- Arbejd trinvis med komplekse visuelle materialer i stedet for at spørge om alt i én prompt
- Verificér altid udtrukne numeriske værdier for kritiske data
- Hvis et diagram er ulæseligt, så eksporter rådataene og send dem som en fil i stedet