Haz preguntas a tus datos en lenguaje natural
En esta página
Consulta tus datos como si hablaras con un compañero
La mayor ventaja de ChatGPT para el análisis de datos se resume en una cosa: entiende tus preguntas en lenguaje natural. No necesitas SQL, Python ni una fórmula de Excel anidada en tres niveles. Simplemente describe lo que buscas exactamente como se lo dirías a un compañero analista que estuviera viendo el mismo archivo; ChatGPT traducirá tu intención en código ejecutable. Este cambio es real y transforma la naturaleza del trabajo: tu esfuerzo pasa de la sintaxis a formular la pregunta correcta.
El principio: del lenguaje natural al código Python
Cuando haces una pregunta sobre tus datos, esto es lo que ocurre entre bastidores:
Este código no es una caja negra: puedes visualizarlo, revisarlo y pedirle a ChatGPT que ajuste el método. Ten en cuenta que el entorno de Python no tiene acceso a la web: si tu análisis necesita datos externos, debes importarlos o conectar una fuente.
Tipos de preguntas que puedes hacer
Las preguntas de resumen te ayudan a hacerte una idea del archivo antes de entrar en detalles: «¿Cuántas filas y columnas tiene este archivo?», «Dame una visión general de los datos» o «¿Qué columnas hay disponibles y cuáles son sus tipos?». Estas preguntas evitan que inicies un análisis asumiendo una granularidad que tus datos no tienen; no puedes calcular el tamaño medio de la cesta por cliente si el archivo ya está agregado por región.
A continuación vienen las preguntas de agregación, que condensan miles de filas en números accionables: «¿Cuál es el total de ventas por categoría de producto?», «¿Cuál es el tamaño medio de la cesta por mes?» o «¿Cuántos clientes únicos hay por trimestre?». Este es el núcleo de la informes mensuales y, a menudo, representa la mitad del trabajo que te solicitarán.
Las preguntas de filtrado aíslan luego un subconjunto relevante —«Muéstrame solo las ventas superiores a 10.000 €», «¿Qué productos no tuvieron ventas en marzo?» o «Lista los clientes de la región de Isla de Francia»—, mientras que las preguntas de clasificación ordenan los datos para destacar los extremos: «¿Quiénes son los 10 mejores comerciales?», «Clasifica las regiones por ingresos en orden descendente» o «¿Qué mes tuvo el mejor rendimiento?». En la práctica, un análisis serio encadena los cuatro tipos: resumes, agregas, filtras la anomalía que detectaste y luego clasificas para priorizar la acción. También puedes seleccionar filas, columnas o celdas en la vista previa interactiva de la tabla y hacer tu pregunta solo sobre esa selección: el valor más frecuente en una columna, la media de unas pocas celdas.
Cómo formular preguntas eficaces
La calidad de la respuesta depende directamente de la claridad de tu pregunta. Tu primer reflejo debe ser nombrar las columnas en lugar de hablar en generalidades. «Analiza las ventas» deja que ChatGPT adivine qué columna contiene el importe; esta formulación no deja lugar a interpretaciones:
Calcula el total de la columna "amount_incl_tax" agrupado por "region"
y ordenado de mayor a menor.
Tu segundo reflejo es especificar el formato de salida que deseas. De lo contrario, recibirás una respuesta escrita cuando necesitabas una tabla para pegar en tu informe, y perderás el tiempo ahorrado en el cálculo al tener que reformatear:
Dame el resultado como una tabla con estas columnas:
region, total sales, number of transactions, average basket size.
El tercero, a menudo pasado por alto, es proporcionar el contexto empresarial que el archivo no contiene. ChatGPT no sabe que ciertas filas no deben incluirse en el cálculo:
La columna "status" contiene "approved", "pending" y "cancelled".
Incluye solo los pedidos aprobados.
Sin esta aclaración, tus pedidos cancelados inflarán los ingresos y el error pasará desapercibido: el resultado seguirá pareciendo perfectamente plausible. Este es el tipo de error que se cuela en una reunión directiva sin ser detectado.
Iterar sobre los resultados
El análisis de datos rara vez es lineal y no se espera que encuentres la pregunta correcta al primer intento. Empiezas pidiendo los ingresos totales por mes, observas una caída en febrero y luego preguntas por qué se produjo ese descenso. Si la respuesta sigue siendo vaga, filtras por la categoría «premium» y vuelves a calcular; luego comparas con el mismo periodo del año anterior para determinar si se trata de una estacionalidad conocida o de un incidente.
ChatGPT mantiene el contexto de la conversación y el archivo cargado, por lo que cada pregunta se basa en las anteriores. Esto hace posible una exploración progresiva: la caída de febrero, una vez aislada en el segmento premium, podría explicarse porque un único cliente importante cambió a la competencia, una conclusión inalcanzable desde la primera pregunta.
Más capacidad de razonamiento para análisis complejos
Algunas preguntas no pueden resolverse con una simple agregación. Correlaciones cruzadas, análisis de múltiples fuentes, interpretaciones matizadas: siempre que se necesite un razonamiento en varios pasos, elige un nivel de pensamiento superior en el selector de ChatGPT (Alto o Extra Alto, según tu plan) o el botón Pensar en los planes Free y Go. El pensamiento adicional ayuda a considerar factores que podrían explicar un vínculo entre dos variables antes de concluir causalidad, detectar patrones sutiles —una estacionalidad desplazada tres semanas, un segmento en declive trimestre tras trimestre— y elaborar recomendaciones a partir de los números calculados. Sin embargo, ninguna configuración convierte la correlación en causalidad: ahí es donde tu conocimiento del dominio y, a veces, una prueba, deciden.
Te toca a ti
Tus primeras preguntas.
- Importa un archivo que conozcas bien.
- Haz una pregunta de cada familia: resumen, agregación, filtrado, clasificación.
- Reformula una de ellas nombrando las columnas y especificando el formato de salida; luego compara las dos respuestas.
- Añade una regla de negocio —por ejemplo, excluir los pedidos cancelados— y mide la diferencia.
- Muestra el código de un cálculo y verifícalo manualmente en dos o tres filas.
Fuentes oficiales: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (Centro de ayuda de OpenAI) · Prompting (documentación de ChatGPT)
Puntos clave
- Haz preguntas en lenguaje natural; ChatGPT las traduce a código.
- Sé específico: nombra las columnas, especifica los filtros e indica el formato deseado.
- Itera dentro de la misma conversación para profundizar en tu análisis.
- Eleva el nivel de pensamiento para análisis de varios pasos.
- Verifica siempre los resultados; ChatGPT puede interpretar mal una columna.