Mitme andmeallika ühendamine
Sellel lehel
Andmete ristviitamine põhjalikumaks analüüsiks
Võimsaimad tähelepanekud sünnivad mitme allika ristviitamisel. Müük ja CRM, eelarve versus tegelikud tulemused, veebianalüütika ja konversioonid: eraldi võetuna räägib iga fail vaid poolt lugu. Nende ühendamine paljastab mustreid, mida ükski üksik allikas ei näita – näiteks avastad, et suurima käibega kliendid on tegelikult marginaali poolest kõige kahjumlikumad.
Mitme faili importimine
ChatGPT aktsepteerib ühes vestluses mitut faili. Parim tava on need seansi alguses üles laadida ja selgelt välja öelda, mida igaüks sisaldab. See säästab sind hilisematest täpsustavatest küsimustest ja, mis veel olulisem, hoiab ära ChatGPT-i valesti tõlgendamise faili rolli suhtes.
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.
Laadi need ükshaaval või kõik korraga üles; ChatGPT suudab neid kõiki oma Pythoni keskkonnas lugeda. Lubatud failide arv vestluse kohta varieerub sõltuvalt failitüübist, mudelist, tellimusplaanist ja sinu impordikvoodist. Samuti saad lisada faile Google Drive’ist, OneDrive’ist või SharePointist, kui sinu kontole on vastavad pistikprogrammid saadaval. Nagu 1. tunnis, jäta CRM-ist alles ainult liitmiseks vajalikud veerud.
Tabelite ühendamine (liited)
Liide (join) ühendab kaks tabelit ühise veeru põhjal: see on iga ristviite tuum. Taotle seda, nimetades võtme sõnaselgelt, ja nõua kohest raportit orbude ridade kohta – need, kus võtmele vastet ei leita.
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.
Tulemus sõltub valitud liite tüübist ja see valik pole kunagi neutraalne: olenevalt juhtumist kas kaotad müügiandmeid või säilitad mittetäielikud read.
| Liite tüüp | Käitumine | Millal kasutada |
|---|---|---|
| Sisemine liide (Inner join) | Säilitab ainult vasted | Range analüüs, mittetäielikke andmeid pole |
| Vasak liide (Left join) | Säilitab kõik read peamisest tabelist | Rikasta müüki kliendiinfoiga (isegi kui klient on teadmata) |
| Väline liide (Outer join) | Säilitab kõik read mõlemast tabelist | Tuvasta lahknevusi kahe allika vahel |
Selle žargooni tundmine pole selle kasutamiseks vajalik. Kirjelda lihtsalt soovitud tulemust, täpsustades, kuidas käsitleda sobitamata juhtumeid.
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").
ChatGPT tõlgib selle päringu liiteks – antud juhul vasakuks liiteks, kuna ükski müük ei tohi kogusummast kaduda; kontrolli seda koodis. Sõnastus loeb: kui oleksid lihtsalt kirjutanud „ristviita need kaks faili“ ilma täpsustusteta, oleks sisemine liide võinud sinu käibearvudest eemaldada kõik kliendid, kes CRM-ist puuduvad.
Eelarve versus tegelikud tulemused
Tulemusjuhtimise levinuim ristviide seab vastamisi kaks erinevate meeskondade koostatud faili: aasta alguses seatud eesmärgid ühel pool ja agregeeritud müük teisel pool. Siin peitub nüanss liite võtmes, mis on liitne – piirkond ja kuu –, kuna kumbki veerg üksi ei piisa rea tuvastamiseks.
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.
Rikastamine väliste andmetega
Viitefail võimaldab lisada mõõtme, mida sinu müügiandmetes kusagil ei eksisteeri. Klassikaline näide on sihtnumber: see on olemas igas tellimuses ja avab geograafilise analüüsi, kui see paaritatakse otsingutabeliga. ChatGPT-i Pythoni keskkond ei pääse veebi: laadi see tabel alla ametlikust allikast ja lisa see siis.
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.
Sama mehhanism ühendab kaht tavaliselt isoleeritud maailma: digiturunduse ja kaubanduse. Liikluse ja müügi korrelatsioon paljastab lehed, mis meelitavad külastajaid, kuid ei konverteeri – need, kelle publik hellitab turundusaruandeid, täitmata kunagi tellimusraamatut.
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?
Lahknevuste käsitlemine allikate vahel
Andmeallikad jagavad harva sama vormingut ja just siin liited vaikimisi nurjuvad. Kolm probleemi korduvad pidevalt. Esimene puudutab veergude nimesid, mis märgistavad sama teavet erinevalt, kuna kaks meeskonda on need eraldi nimetanud.
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.
Teine puudutab kuupäevi, kus granulaarsus ja vorming erinevad süsteemiti. Harmoneerimine peab eelnema liitmisele, mitte järgnema sellele: kui read on juba valesti sobitatud, ei võimalda miski viga enam tagasi trace’ida.
Sales use the DD/MM/YYYY format.
Targets use the YYYY-MM format.
Harmonize both to month (YYYY-MM) before cross-referencing.
Kolmas puudutab kategoorilisi väärtusi, kus lihtne erinevus suuruses või tähtede rõhumises põhjustab sobitamise ebaõnnestumise, kuigi inimlugeja ei näeks seal mingit mitmetimõistetavust.
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.
Ükski neist ettevaatusabinõudest ei asenda lõplikku kontrolli. Ebaõnnestunud liide ei tekita veateadet: see tekitab väiksema tabeli, mis on täiesti esitlusvalmis, ja keegi ei märka seda enne koosolekut. Seetõttu taotle süstemaatiliselt kokkuvõtet.
After the join, how many rows were lost?
How many rows found no match?
Show 5 examples of non-matches.
Mitmemõõtmeline ristanalüüs
Kui allikad on ühendatud, saad ristviidata mõõtmeid, mis olid varem eraldatud. See on kogu selle torustikutöö tegelik kasu ja hetk, mil see nähtavaks muutub.
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)
Need analüüsid oleksid ühe failiga võimatud: müügifail ignoreerib kliendi ettevõtte suurust ja CRM ignoreerib seda, mida nad ostavad. Just ristviitamine võimaldab lõpuks esitada küsimuse, mis huvitab ärijuhtimist – millist tüüpi klient ostab millist tüüpi toodet.
Sinu kord
Sinu esimene ristviide.
- Vali kaks faili, millel on ühine võti: müük ja CRM, eelarve ja tegelikud tulemused.
- Esita need ChatGPT-le, kirjeldades ühe rolli.
- Harmoneeri veergude nimed, kuupäevad ja väärtused enne liitmist.
- Kirjelda, kuidas käsitleda sobitamata ridu, ja käivita seejärel liide.
- Taotle kaotatud ridade kokkuvõtet ja uurige viit näidet.
Ametlikud allikad: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)
Peamised punktid
- Impordi mitu faili samasse vestlusse, et neid ristviidata.
- Kirjelda liite loogikat loomulikus keeles ja kontrolli seejärel liite tüüpi koodis.
- Harmoneeri vormingud (kuupäevad, nimed, suurtähed) enne liitmist.
- Kontrolli alati ridade arvu enne ja pärast liitmist.
- Mitme allika ristviitamine paljastab tähelepanekuid, mis on igas isoleeritud allikas nähtamatud.