Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Συνδυασμός πολλαπλών πηγών δεδομένων

Μάθημα 13 / 14 Ενημερώθηκε 5 Νοεμβρίου 2026 Μέσου επιπέδου
Σε αυτήν τη σελίδα
  1. Διασταύρωση δεδομένων για πλουσιότερη ανάλυση
  2. Εισαγωγή πολλαπλών αρχείων
  3. Συγχώνευση πινάκων (joins)
  4. Σύγκριση προϋπολογισμού έναντι πραγματικών αποτελεσμάτων
  5. Εμπλουτισμός με εξωτερικά δεδομένα
  6. Διαχείριση ασυμφωνιών μεταξύ πηγών
  7. Πολυδιάστατη διασταυρωμένη ανάλυση
  8. Η σειρά σας
  9. Βασικά σημεία

Διασταύρωση δεδομένων για πλουσιότερη ανάλυση

Οι πιο ισχυρές πληροφορίες προκύπτουν από τη διασταύρωση πολλαπλών πηγών. Πωλήσεις και CRM, προϋπολογισμός έναντι πραγματικών αποτελεσμάτων, αναλύσεις ιστού και μετατροπές: μεμονωμένα, κάθε αρχείο αφηγείται μόνο το μισό της ιστορίας. Ο συνδυασμός τους αποκαλύπτει μοτίβα αόρατα σε οποιαδήποτε μεμονωμένη πηγή—για παράδειγμα, την ανακάλυψη ότι οι πελάτες με τον μεγαλύτερο όγκο είναι στην πραγματικότητα οι λιγότερο κερδοφόροι όσον αφορά το περιθώριο κέρδους.

Εισαγωγή πολλαπλών αρχείων

Το ChatGPT δέχεται πολλαπλά αρχεία σε μία μόνο συνομιλία. Η βέλτιστη πρακτική είναι να τα ανεβάσετε στην αρχή της συνεδρίας και να δηλώσετε ρητά τι περιέχει το καθένα. Αυτό σας γλιτώνει από το να απαντάτε σε ερωτήσεις διευκρίνισης αργότερα και, το σημαντικότερο, αποτρέπει το ChatGPT από το να παρερμηνεύσει τον ρόλο ενός αρχείου.

Here are 3 files:
1. sales_q1_2026.xlsx — sales transactions
2. clients_crm.csv — customer database with sector and size
3. targets_2026.csv — targets by region and month

I will ask you to cross-reference them for a complete analysis.

Ανεβάστε τα ένα προς ένα ή όλα μαζί· το ChatGPT μπορεί να τα διαβάσει όλα μέσα στο περιβάλλον Python του. Ο αριθμός των αρχείων που επιτρέπονται ανά συνομιλία ποικίλλει ανάλογα με τον τύπο αρχείου, το μοντέλο, το πρόγραμμα συνδρομής και την ποσόστωση εισαγωγής σας. Μπορείτε επίσης να επισυνάψετε αρχεία από το Google Drive, το OneDrive ή το SharePoint όταν τα αντίστοιχα πρόσθετα είναι διαθέσιμα για τον λογαριασμό σας. Όπως στο Μάθημα 1, κρατήστε μόνο τις στήλες από το CRM που χρειάζονται για τη συσχέτιση.

Συγχώνευση πινάκων (joins)

Μια συσχέτιση (join) συνδυάζει δύο πίνακες με βάση μια κοινή στήλη: αυτός είναι ο πυρήνας κάθε διασταύρωσης. Ζητήστε το ονομάζοντας ρητά το κλειδί και απαιτήστε την άμεση αναφορά των «ορφανών» γραμμών—εκείνων όπου το κλειδί δεν βρίσκει ταίρι.

Merge the sales file with the clients file
using the "id_client" column as the join key.
Show a preview of the result and flag any sales
without a matching client.

Το αποτέλεσμα εξαρτάται από τον τύπο της συσχέτισης που επιλέγεται, και αυτή η επιλογή δεν είναι ποτέ ουδέτερη: ανάλογα με την περίπτωση, είτε χάνετε δεδομένα πωλήσεων είτε διατηρείτε ελλιπείς γραμμές.

Τύπος ΣυσχέτισηςΣυμπεριφοράΠότε να το χρησιμοποιήσετε
Inner joinΔιατηρεί μόνο τα ταιριάσματαΑυστηρή ανάλυση, χωρίς ελλιπή δεδομένα
Left joinΔιατηρεί όλες τις γραμμές από τον κύριο πίνακαΕμπλουτισμός πωλήσεων με πληροφορίες πελατών (ακόμα κι αν ο πελάτης είναι άγνωστος)
Outer joinΔιατηρεί όλες τις γραμμές και από τους δύο πίνακεςΕντοπισμός ασυμφωνιών μεταξύ δύο πηγών

Δεν χρειάζεται να γνωρίζετε αυτή την ορολογία για να τη χρησιμοποιήσετε. Απλώς περιγράψτε το επιθυμητό αποτέλεσμα, καθορίζοντας πώς θα χειριστείτε τις περιπτώσεις χωρίς ταίριασμα.

I want to enrich my sales data with client info.
Keep all sales, even those where the client
is not in the CRM (mark these as "Unknown").

Το ChatGPT μεταφράζει αυτό το αίτημα σε μια συσχέτιση—σε αυτή την περίπτωση, μια left join, καθώς καμία πώληση δεν πρέπει να εξαφανιστεί από το σύνολο· επαληθεύστε το στον κώδικα. Η διατύπωση έχει σημασία: αν είχατε απλώς γράψει «διασταυρώστε τα δύο αρχεία» χωρίς περαιτέρω διευκρίνιση, μια inner join θα μπορούσε να έχει αφαιρέσει από τα έσοδά σας όλους τους πελάτες που λείπουν από το CRM.

Σύγκριση προϋπολογισμού έναντι πραγματικών αποτελεσμάτων

Η πιο κοινή διασταύρωση στη διαχείριση απόδοσης αντιπαραθέτει δύο αρχεία που δημιουργήθηκαν από διαφορετικές ομάδες: τους στόχους που ορίστηκαν στην αρχή του έτους από τη μία πλευρά και τις συγκεντρωτικές πωλήσεις από την άλλη. Η ιδιαιτερότητα εδώ είναι το κλειδί συσχέτισης, το οποίο είναι σύνθετο—περιοχή και μήνας—καθώς καμία στήλη μόνη της δεν επαρκεί για τον εντοπισμό μιας γραμμής.

Cross-reference the targets file (columns: region, month, target_revenue)
with the aggregated sales file (region, month, actual_revenue).
Calculate the variance in euros and percentage for each combination.
Flag any instances where the target was not met.

Εμπλουτισμός με εξωτερικά δεδομένα

Ένα αρχείο αναφοράς σάς επιτρέπει να προσθέσετε μια διάσταση που δεν υπάρχει πουθενά στα δεδομένα πωλήσεών σας. Η κλασική περίπτωση είναι ο ταχυδρομικός κώδικας: παρών σε κάθε παραγγελία, ξεκλειδώνει τη γεωγραφική ανάλυση μόλις συνδυαστεί με έναν πίνακα αναζήτησης. Το περιβάλλον Python του ChatGPT δεν έχει πρόσβαση στον ιστό: κατεβάστε αυτόν τον πίνακα από μια επίσημη πηγή και, στη συνέχεια, επισυνάψτε τον.

Here is a reference file with postal codes
and French administrative regions.
Add a "region" column to my sales data
using the postal code as the key.

Ο ίδιος μηχανισμός γεφυρώνει δύο κόσμους που συνήθως λειτουργούν απομονωμένα: το ψηφιακό μάρκετινγκ και το εμπόριο. Η συσχέτιση της επισκεψιμότητας με τις πωλήσεις αποκαλύπτει σελίδες που προσελκύουν επισκέπτες αλλά αποτυγχάνουν να μετατρέψουν—εκείνες των οποίων το κοινό κολακεύει τις εκθέσεις μάρκετινγκ χωρίς ποτέ να γεμίσει το βιβλίο παραγγελιών.

File 1: Web traffic by product page (page_url, visits, bounce_rate)
File 2: Sales by product (product, revenue, quantity)

Cross-reference the two files on the product name.
Calculate the conversion rate (sales / visits) per product.
Which product has the best visits-to-sales ratio?

Διαχείριση ασυμφωνιών μεταξύ πηγών

Οι πηγές δεδομένων σπάνια μοιράζονται την ίδια μορφή, και εδώ ακριβώς αποτυγχάνουν οι συσχετίσεις—σιωπηλά. Τρία προβλήματα επανέρχονται συνεχώς. Το πρώτο αφορά τα ονόματα στηλών, τα οποία επισημαίνουν τις ίδιες πληροφορίες διαφορετικά επειδή δύο ομάδες τις ονόμασαν χωριστά.

In the sales file, the column is named "client_id".
In the CRM, it is named "customer_identifier".
Perform the join by mapping these two columns.

Το δεύτερο αφορά τις ημερομηνίες, όπου η κοκκοποίηση και η μορφοποίηση διαφέρουν από σύστημα σε σύστημα. Η εναρμόνιση πρέπει να προηγείται της συγχώνευσης, όχι να την ακολουθεί: μόλις οι γραμμές δεν ταιριάζουν, τίποτα δεν σας επιτρέπει να εντοπίσετε εκ των υστέρων το σφάλμα.

Sales use the DD/MM/YYYY format.
Targets use the YYYY-MM format.
Harmonize both to month (YYYY-MM) before cross-referencing.

Το τρίτο αφορά τις κατηγορικές τιμές, όπου μια απλή διαφορά σε πεζά/κεφαλαία ή τονισμούς προκαλεί αποτυχία στην αντιστοίχιση, παρόλο που ένας ανθρώπινος αναγνώστης δεν θα έβλεπε καμία ασάφεια.

In sales, regions are uppercase (ILE-DE-FRANCE).
In the CRM, they are mixed case with accents (Île-de-France).
Normalize both before the join.

Καμία από αυτές τις προφυλάξεις δεν αντικαθιστά την ανάγκη για έναν τελικό έλεγχο. Μια αποτυχημένη συσχέτιση δεν παράγει μήνυμα σφάλματος: παράγει έναν μικρότερο πίνακα, απόλυτα παρουσιάσιμο, και κανείς δεν το αντιλαμβάνεται μέχρι τη συνάντηση. Επομένως, ζητήστε συστηματικά μια σύνοψη.

After the join, how many rows were lost?
How many rows found no match?
Show 5 examples of non-matches.

Πολυδιάστατη διασταυρωμένη ανάλυση

Μόλις συγχωνευθούν οι πηγές, μπορείτε να διασταυρώσετε διαστάσεις που προηγουμένως ήταν χωριστές. Αυτό είναι το πραγματικό όφελος όλης αυτής της τεχνικής προετοιμασίας, και η στιγμή που γίνεται ορατό.

Now that I have sales enriched with CRM info:
1. Revenue by client industry sector AND by product category
2. Average order value by company size (Micro, Small, Medium, Large)
3. Top 10 most profitable combinations (sector × product)

Αυτές οι αναλύσεις θα ήταν αδύνατες με ένα μόνο αρχείο: το αρχείο πωλήσεων αγνοεί το μέγεθος της εταιρείας του πελάτη και το CRM αγνοεί τι αγοράζουν. Η διασταύρωση είναι αυτό που τελικά σας επιτρέπει να θέσετε την ερώτηση που ενδιαφέρει την εμπορική ηγεσία—ποιος τύπος πελάτη αγοράζει ποιον τύπο προϊόντος.

Διασταύρωση δύο πηγών χωρίς απώλεια γραμμών Πέντε βήματα: περιγράψτε τον ρόλο κάθε αρχείου· ευθυγραμμίστε τα ονόματα στηλών, τις ημερομηνίες και τις τιμές· συσχετίστε με βάση ένα ρητό κλειδί· ελέγξτε για χαμένες γραμμές· διασταυρώστε διαστάσεις. ΣΥΣΧΕΤΙΣΕΙΣ (JOINS) Διασταύρωση δύο πηγών χωρίς απώλεια γραμμών 1 Περιγραφή Ρόλος 2 Ευθυγράμμιση Μορφές 3 Συσχέτιση Κλειδί 4 Επαλήθευση Γραμμές 5 Διασταύρωση Διαστάσεις Μια αποτυχημένη συσχέτιση δεν παράγει σφάλμα: παράγει έναν μικρότερο πίνακα.
Μέθοδος μαθήματος· συγχώνευση συνόλων δεδομένων βάσει του άρθρου "Extracting Insights with ChatGPT Data Analysis" από το Κέντρο Βοήθειας της OpenAI (Νοέμβριος 2026).

Η σειρά σας

Η πρώτη σας διασταύρωση.

  1. Επιλέξτε δύο αρχεία που μοιράζονται ένα κλειδί: πωλήσεις και CRM, προϋπολογισμός και πραγματικά αποτελέσματα
  2. Παρουσιάστε τα στο ChatGPT, δηλώνοντας τον ρόλο του καθενός
  3. Εναρμονίστε τα ονόματα στηλών, τις ημερομηνίες και τις τιμές πριν τη συσχέτιση
  4. Περιγράψτε πώς θα χειριστείτε τις γραμμές χωρίς ταίριασμα και, στη συνέχεια, εκτελέστε τη συσχέτιση
  5. Ζητήστε μια σύνοψη των χαμένων γραμμών και εξετάστε πέντε παραδείγματα

Επίσημες πηγές: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Κέντρο Βοήθειας OpenAI)

Βασικά σημεία

  • Εισάγετε πολλαπλά αρχεία στην ίδια συνομιλία για να τα διασταυρώσετε
  • Περιγράψτε τη λογική της συσχέτισης σε φυσική γλώσσα και, στη συνέχεια, επαληθεύστε τον τύπο συσχέτισης στον κώδικα
  • Εναρμονίστε τις μορφές (ημερομηνίες, ονόματα, πεζά/κεφαλαία) πριν τη συγχώνευση
  • Ελέγχετε πάντα τον αριθμό των γραμμών πριν και μετά τη συσχέτιση
  • Η διασταύρωση πολλαπλών πηγών αποκαλύπτει πληροφορίες αόρατες σε οποιαδήποτε μεμονωμένη πηγή