Extraer y transformar datos
En esta página
Leer un archivo es solo el primer paso. ChatGPT también puede extraer datos estructurados de documentos no estructurados, reformatearlos, cruzar referencias entre múltiples fuentes y exportar los resultados en el formato que prefieras. Esta capacidad de transformación lo convierte en una auténtica herramienta de procesamiento de datos, no solo en un lector de documentos.
Extraer datos estructurados de fuentes no estructuradas
La extracción estructurada consiste en tomar información dispersa a lo largo de un documento y organizarla en un formato utilizable. Para un lote de facturas en PDF, la petición es una sola frase: «Extrae lo siguiente de cada factura: número de factura, fecha, proveedor, importe sin impuestos, IVA e importe con impuestos. Presenta todo en una tabla». El mismo principio se aplica a un informe anual con cifras enterradas en párrafos: «Extrae todas las cifras financieras mencionadas en este informe: ingresos, beneficio neto, margen y número de empleados. Organízalas por año en una tabla comparativa». Y para un documento puramente textual: «Este documento menciona 15 contactos. Extrae los nombres, empresas y cargos de cada persona en una tabla estructurada». El hilo conductor de estas tres peticiones es la lista explícita de campos esperados. Esta lista transforma un flujo de texto en datos tabulares utilizables, lo que representa una de las capacidades más valiosas de ChatGPT.
Cambiar formatos
Una vez que tienes los datos, cambiar su formato es igual de sencillo. Haz legible un CSV en bruto: «Crea una tabla legible con encabezados claros. Traduce los nombres de las columnas del inglés al francés». Convierte una tabla en un visual: «Basándote en estos datos, genera un gráfico de barras que muestre la distribución de ventas por región». Transforma cifras en una presentación para una reunión: «Convierte estos datos trimestrales en 3 diapositivas de resumen: visión general, mejores resultados y puntos de alerta». O cambia entre estructuras técnicas: «Este archivo JSON contiene datos de productos. Conviértelo a una tabla CSV con las columnas: nombre, precio, categoría y stock».
Cruzar referencias entre dos fuentes
Sube dos archivos a la misma conversación y cruzar referencias se reduce a una sola frase. Imagina una lista de clientes con historial de compras en un archivo Excel y una encuesta de satisfacción en un CSV: «Cruza estos dos archivos por nombre de cliente. Para cada cliente, muestra el importe total de compra y la puntuación de satisfacción. Ordena por puntuación de satisfacción en orden descendente. Identifica clientes de alto potencial (compras altas + satisfacción alta) y clientes en riesgo (compras altas + satisfacción baja)».
Normalmente, esta operación requeriría fórmulas complejas de Excel o un script de Python; aquí, ocurre mediante una petición conversacional. Esto es razón de más para verificar el resultado: la coincidencia se basa en nombres, y los homónimos o errores tipográficos pueden sesgar silenciosamente los emparejamientos. Comprueba manualmente algunas filas antes de basar decisiones empresariales en el resultado.
Limpiar y normalizar
Los datos del mundo real rara vez llegan limpios, y aquí es donde ChatGPT destaca. Para formatos heterogéneos: «En esta columna de números de teléfono, algunas entradas usan el formato 06.12.34.56.78, otras +33612345678 y otras 06 12 34 56 78. Normalízalos todos al formato internacional +33 6 12 34 56 78». Para fechas cuestionables: «Analiza esta columna de fechas. Identifica fechas inválidas, formatos inconsistentes y valores atípicos». Para duplicados difusos que ninguna fórmula puede detectar: «Este archivo contiene probables duplicados (mismos nombres con ligeras variaciones ortográficas). Identifícalos y propone una versión consolidada». Y para categorización por lotes: «Aquí hay 200 descripciones de gastos. Categoriza cada una en una de estas categorías: Transporte, Comidas, Alojamiento, Suministros, Servicios, Otros».
Al igual que con el cruce de referencias, revisar una muestra sigue siendo la regla en este último caso: la categorización automatizada rara vez es completamente errónea, pero comete errores. Para archivos grandes, no ejecutes el procesamiento completo de inmediato. Primero, solicita un análisis sobre una muestra, valida el método y luego procede con el archivo entero.
Obtener el resultado
Sin instrucciones específicas de salida, ChatGPT mostrará los resultados como texto en el chat, dejándote la tarea de copiar y pegar. Solicita explícitamente un archivo: «Genera un archivo CSV descargable con estos resultados», «Crea un archivo Excel con dos pestañas: datos en bruto y resumen» o «Formatea estos datos como JSON para su integración en nuestra API». El sistema produce el archivo y aparece un enlace de descarga en la conversación.
Industrializar flujos de trabajo recurrentes
Si recibes el mismo tipo de archivo cada mes, escribe la instrucción una vez y reutilízala: «Te enviaré un PDF de extracto bancario cada mes. Para cada extracto, quiero que: (1) extraigas todas las transacciones, (2) las categorices en 6 categorías (Vivienda, Alimentación, Transporte, Ocio, Salud, Otros), (3) calcules el total por categoría, (4) compares con el mes anterior si está disponible, (5) exportes el resultado como CSV». Incluida en las instrucciones de un proyecto dedicado, esta petición garantiza un procesamiento consistente mes a mes, permitiendo comparaciones significativas. Sin embargo, un extracto bancario son datos sensibles: evalúa qué permiten tu plan y tus obligaciones antes de subirlo.
Te toca a ti
Limpia un archivo real. Toma un archivo de tu trabajo diario (una exportación de CRM, una hoja de horas, una lista de contactos o un estado financiero) y pregunta: «Analiza este archivo. Identifica problemas de calidad de datos (duplicados, valores faltantes, formatos inconsistentes). Propón un plan de limpieza. Luego, aplica la limpieza y genera un archivo corregido descargable». Elige este archivo con prudencia: los datos de salud, los números de seguridad social y la información bancaria requieren una evaluación de riesgos antes de subirlos.
Fuentes oficiales: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (Centro de ayuda de OpenAI)
Puntos clave
- ChatGPT puede extraer datos estructurados de documentos no estructurados en una sola petición
- El cruce de referencias entre archivos y la normalización de datos ocurren de forma conversacional
- Solicita explícitamente una exportación (CSV, Excel, JSON) para recuperar los datos procesados
- Crea instrucciones reutilizables para tareas mensuales o recurrentes
- Verifica siempre los resultados, especialmente en el cruce de referencias y la categorización automatizada