Estadísticas descriptivas automatizadas
En esta página
Entiende tus datos al instante
Las estadísticas descriptivas son la base de cualquier análisis. Media, mediana, desviación típica, distribución: estos indicadores te revelan qué contienen tus datos antes incluso de intentar explicar nada. Saltarse este paso es como construir una recomendación sobre una media sesgada por tres valores extremos y defenderla con una convicción que los números no merecen. Con ChatGPT, este diagnóstico requiere una sola frase y la interpretación sigue de inmediato.
El resumen estadístico exprés
El comando más sencillo para empezar:
Give me a complete statistical summary of this dataset.
ChatGPT suele basarse en la función describe() de pandas y comenta el resultado. Para cada columna numérica, obtienes los siguientes indicadores:
- count — número de valores no vacíos
- mean — media
- std — desviación típica (medida de dispersión)
- min / max — valores extremos
- 25% / 50% / 75% — cuartiles (la mediana = 50%)
Cruzar estas filas ya aporta información valiosa. Si count es 8.400 en un archivo de 10.000 filas, falta el 16 % de los datos y cualquier media calculada solo se aplica a parte de la cartera. Si la media difiere significativamente de la mediana, la distribución está sesgada. En lugar de hacer estos cálculos mentales tú mismo, simplemente pregunta:
Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?
Estadísticas por categoría
Las medias globales casi siempre ocultan disparidades. Un tamaño medio de cesta de 180 € podría esconder un segmento empresarial de 900 € y un segmento individual de 60 €. En ese caso, la media no describe a ningún cliente real y cualquier decisión basada en ella falla estrepitosamente con ambas poblaciones.
Calculate the mean, median, and standard deviation of order amounts
for each product category.
Aún debes elegir el indicador que responda a tu pregunta, porque cada uno mide algo distinto.
| Indicador | Qué mide | Cuándo usarlo |
|---|---|---|
| Media | Valor central | Datos simétricos, sin valores extremos |
| Mediana | Valor central | Datos sesgados o con valores atípicos |
| Desviación típica | Dispersión alrededor de la media | Evaluar la variabilidad del rendimiento |
| Moda | Valor más frecuente | Datos categóricos o discretos |
| Correlación | Relación lineal entre dos variables | Identificar factores vinculados |
Distribuciones y frecuencias
Para una variable numérica, la forma de la distribución dice más que la media. Un histograma muestra si tus importes se agrupan en torno a un único valor o se extienden en dos picos distintos, signo de dos comportamientos de compra solapados en el mismo archivo.
Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.
ChatGPT genera el histograma y puede aplicar una prueba de normalidad, como la prueba de Shapiro-Wilk, lo cual influye en la elección de las pruebas posteriores. En muestras grandes, esta prueba señala incluso la más mínima desviación de la normalidad, así que revisa la forma del histograma antes de sacar conclusiones. Para las variables categóricas, la lógica cambia hacia las frecuencias:
What is the distribution of clients by industry sector?
Display absolute and relative frequencies.
Obtienes el recuento y el porcentaje para cada categoría; suficiente para detectar que un sector representa el 60 % de la cartera, lo que significa el 60 % de tu riesgo si ese sector se ralentiza.
Correlaciones entre variables
Las correlaciones revelan relaciones entre tus columnas numéricas y abren nuevas vías de análisis.
Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).
ChatGPT genera la matriz, destaca las correlaciones significativas y explica qué significa cada una en tu contexto empresarial. Son necesarias tres precauciones al leer los resultados. Primero, la correlación no implica causalidad: un aumento conjunto del presupuesto publicitario y las ventas podría ser simplemente el efecto común de la estacionalidad. Segundo, los valores extremos distorsionan el coeficiente: pide el cálculo con y sin valores atípicos; la diferencia suele ser instructiva. Por último, las variables categóricas no se incluyen por defecto. Para incluir segmentos de clientes o canales de venta, solicita una codificación previa. Para ir más allá —comparar grupos con una prueba t o ANOVA, o modelar una relación con regresión—, describe qué quieres entender, pide a ChatGPT la técnica adecuada y haz que explique el resultado.
Detección de valores atípicos
Un valor atípico no es necesariamente un error. Un pedido de 95.000 € podría ser un error de introducción de datos o el primer gran contrato empresarial del año. El tratamiento difiere por completo: en un caso lo corriges, en el otro lo destacas.
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 calcula los límites del RIC (Q1 - 1,5 * RIC y Q3 + 1,5 * RIC) y enumera los valores fuera de rango con su contexto. Así decides fila por fila en lugar de descartar todo el lote y borrar accidentalmente a los clientes que han hecho tu año.
Automatización del informe descriptivo
Una vez dominado el enfoque, condénsalo en un único 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.
Este prompt produce un documento estructurado que debes revisar antes de compartirlo. Tenlo a mano: aplicado a la misma exportación cada mes, se convierte en tu punto de partida estándar y hace comparables los periodos.
Tu turno
Tu primer diagnóstico estadístico.
- Solicita el resumen estadístico de tu archivo y, a continuación, su interpretación
- Compara la media y la mediana en tu columna principal de importes
- Calcula los mismos indicadores por categoría
- Muestra la distribución de esta columna e identifica los valores atípicos
- Clasifica cada valor atípico: error a corregir o caso legítimo
Fuentes oficiales: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centro de ayuda de OpenAI)
Puntos clave
- El resumen estadístico es tu primer paso tras la limpieza
- Segmenta siempre por categoría; las medias globales ocultan disparidades
- La mediana suele ser más fiable que la media para datos del mundo real
- Las correlaciones revelan vías de análisis, no certezas
- Pide a ChatGPT que interprete los números, no solo que los calcule