Automatisierte deskriptive Statistik
Auf dieser Seite
Ihre Daten in Sekundenschnelle verstehen
Deskriptive Statistiken bilden das Fundament jeder Analyse. Mittelwert, Median, Standardabweichung, Verteilung: Diese Kennzahlen zeigen Ihnen, was Ihre Daten enthalten, noch bevor Sie versuchen, etwas zu erklären. Dieser Schritt zu überspringen ist wie ein Empfehlung auf einem Durchschnitt zu bauen, der durch drei extreme Werte verzerrt ist, und diese Empfehlung dann mit einer Überzeugung zu verteidigen, die die Zahlen nicht verdienen. Mit ChatGPT dauert diese Diagnose nur einen Satz, und die Interpretation folgt unmittelbar.
Der schnelle statistische Überblick
Der einfachste Befehl, um zu starten:
Give me a complete statistical summary of this dataset.
ChatGPT stützt sich in der Regel auf die pandas-Funktion describe() und kommentiert das Ergebnis. Für jede numerische Spalte erhalten Sie folgende Kennzahlen:
- count — Anzahl der nicht-leeren Werte
- mean — Durchschnitt
- std — Standardabweichung (Maß für die Streuung)
- min / max — Extremwerte
- 25% / 50% / 75% — Quartile (Median = 50%)
Das Abgleichen dieser Zeilen ist bereits aufschlussreich. Wenn count bei einer Datei mit 10.000 Zeilen 8.400 beträgt, fehlen 16 % der Daten, und jeder berechnete Durchschnitt gilt nur für einen Teil des Portfolios. Wenn sich der Mittelwert signifikant vom Median unterscheidet, ist die Verteilung verzerrt. Statt diese Berechnungen selbst im Kopf durchzuführen, fragen Sie einfach:
Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?
Statistik nach Kategorien
Globale Durchschnittswerte verdecken fast immer Disparitäten. Ein durchschnittlicher Warenkorbwert von 180 € könnte einen Unternehmenssegment mit 900 € und ein Einzelsegment mit 60 € verbergen. In diesem Fall beschreibt der Durchschnitt keinen echten Kunden, und jede Entscheidung, die darauf basiert, verfehlt beide Bevölkerungsgruppen vollständig.
Calculate the mean, median, and standard deviation of order amounts
for each product category.
Sie müssen weiterhin das Kennzeichen wählen, das Ihre Frage beantwortet, da jedes Maß etwas anderes erfasst.
| Indikator | Was er misst | Wann er verwendet wird |
|---|---|---|
| Mittelwert | Zentrierte Größe | Symmetrische Daten, keine extremen Werte |
| Median | Mittlere Größe | Verzerrte Daten oder Daten mit Ausreißern |
| Standardabweichung | Streuung um den Mittelwert | Bewertung der Leistungsvariabilität |
| Modus | Häufigster Wert | Kategorische oder diskrete Daten |
| Korrelation | Lineare Beziehung zwischen zwei Variablen | Identifizierung verknüpfter Faktoren |
Verteilungen und Häufigkeiten
Bei einer numerischen Variable sagt die Form der Verteilung mehr aus als der Durchschnitt. Ein Histogramm zeigt, ob Ihre Beträge sich um einen einzelnen Wert gruppieren oder sich über zwei deutlich getrennte Spitzen verteilen, ein Zeichen für zwei überlappende Kaufverhalten in derselben Datei.
Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.
ChatGPT generiert das Histogramm und kann einen Normalitätstest anwenden, wie den Shapiro-Wilk-Test, der die Wahl der nachfolgenden Tests beeinflusst. Bei großen Stichproben signalisiert dieser Test selbst die geringste Abweichung von der Normalität, daher prüfen Sie die Form des Histogramms, bevor Sie Schlüsse ziehen. Bei kategorischen Variablen verschiebt sich die Logik hin zu Häufigkeiten:
What is the distribution of clients by industry sector?
Display absolute and relative frequencies.
Sie erhalten die Anzahl und den Prozentsatz für jede Kategorie – genug, um festzustellen, dass ein Sektor 60 % des Portfolios ausmacht, was bedeutet, dass 60 % Ihres Risikos bestehen, falls dieser Sektor verlangsamt.
Korrelationen zwischen Variablen
Korrelationen offenbaren Beziehungen zwischen Ihren numerischen Spalten und eröffnen neue Wege für die Analyse.
Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).
ChatGPT generiert die Matrix, hebt signifikante Korrelationen hervor und erklärt, was jede in Ihrem Geschäftskontext bedeutet. Drei Vorsichtsmaßnahmen sind beim Lesen der Ergebnisse notwendig. Erstens impliziert Korrelation keine Kausalität: eine gemeinsame Steigerung des Werbebudgets und der Verkäufe könnte nur der gemeinsame Effekt der Saisonalität sein. Zweitens verzerren extreme Werte den Koeffizienten – fragen Sie nach der Berechnung mit und ohne Ausreißern; der Unterschied ist oft lehrreich. Schließlich sind kategorische Variablen standardmäßig nicht enthalten. Um Kundensegmente oder Vertriebskanäle einzubeziehen, bitten Sie um eine vorherige Kodierung. Um weiterzugehen – Gruppen mit einem t-Test oder ANOVA zu vergleichen oder eine Beziehung mit Regression zu modellieren – beschreiben Sie, was Sie verstehen möchten, bitten Sie ChatGPT um die geeignete Technik und lassen Sie es das Ergebnis erklären.
Erkennung von Ausreißern
Ein Ausreißer ist nicht zwingend ein Fehler. Eine Bestellung über 95.000 € könnte ein Dateneingabefehler oder der erste große Unternehmensvertrag des Jahres sein. Die Handhabung unterscheidet sich vollständig: In einem Fall korrigieren Sie ihn, im anderen heben Sie ihn hervor.
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 berechnet die IQR-Grenzen (Q1 - 1.5 * IQR und Q3 + 1.5 * IQR) und listet die außerhalb der Grenzen liegenden Werte mit ihrem Kontext auf. Sie entscheiden dann Zeile für Zeile, anstatt die gesamte Charge zu löschen – und versehentlich die Kunden zu löschen, die Ihr Jahr gemacht haben.
Automatisierung des deskriptiven Berichts
Sobald Sie den Ansatz gemeistert haben, kondensieren Sie ihn in einen einzigen 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.
Dieser Prompt erzeugt ein strukturiertes Dokument, das Sie vor dem Weitergeben überprüfen sollten. Halten Sie ihn bereit: Angewendet auf denselben Export jeden Monat, wird er Ihr Standardstartpunkt und macht Perioden vergleichbar.
Ihre Reihe
Ihre erste statistische Diagnose.
- Fordern Sie den statistischen Überblick Ihrer Datei an, dann seine Interpretation
- Vergleichen Sie Mittelwert und Median in Ihrer primären Betragen-Spalte
- Berechnen Sie dieselben Indikatoren nach Kategorie
- Zeigen Sie die Verteilung dieser Spalte an und identifizieren Sie Ausreißer
- Klassifizieren Sie jeden Ausreißer: Fehler zur Korrektur oder legitimer Fall
Offizielle Quellen: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)
Wichtige Erkenntnisse
- Der statistische Überblick ist Ihr erster Schritt nach der Bereinigung
- Segmentieren Sie immer nach Kategorie – globale Durchschnittswerte verdecken Disparitäten
- Der Median ist für reale Daten oft zuverlässiger als der Mittelwert
- Korrelationen eröffnen Wege für die Analyse, keine Gewissheiten
- Bitten Sie ChatGPT, die Zahlen zu interpretieren, nicht nur zu berechnen