Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Esita oma andmetele küsimusi loomulikus keeles

Õppetund 2 / 14 Värskendatud 5. november 2026 Kesktase
Sellel lehel
  1. Päringu esitamine andmetele nagu kolleegiga rääkides
  2. Põhimõte: loomulikust keelest Pythoni koodini
  3. Küsimuste tüübid, mida saad esitada
  4. Tõhusate küsimuste sõnastamine
  5. Tulemuste iteratiivne täiustamine
  6. Rohkem mõtlemist keerukate analüüside jaoks
  7. Sinu kord
  8. Peamised punktid

Päringu esitamine andmetele nagu kolleegiga rääkides

ChatGPT suurim eelis andmeanalüüsis taandub ühele asjale: see mõistab su küsimusi lihtsas inglise keeles. Sa ei vaja SQL-i, Pythonit ega kolmetasandilisi pesastatud Exceli valemeid. Kirjelda lihtsalt täpselt seda, mida otsid, nii nagu räägiksid sama faili uuriva kolleegist analüütikuga, ja ChatGPT tõlgib su kavatsuse käivitatavaks koodiks. See muutus on reaalne ja see muudab töö olemust: su pingutus nihkub süntaksilt õige küsimuse sõnastamisele.

Põhimõte: loomulikust keelest Pythoni koodini

Kui esitad oma andmete kohta küsimuse, toimub tagaselja järgmine:

Loomulikust keelest tulemuseni Neli sammu: esitad küsimuse lihtsas inglise keeles; ChatGPT kirjutab Pythoni koodi, kasutades sageli pandasit; kood käivitatakse Jupyteri märkmikus; tulemus saabus tabeli, numbri või diagrammina. PÕHIMÕTE Loomulikust keelest tulemuseni 1 Küsimus Lihtsas inglise keeles 2 Kood Python, sageli pandas 3 Täitmine Märkmikus Jupyter 4 Tulemus Tabel, number, diagramm Kuva kood ja vaata eeldused üle, enne kui tulemust usaldad.
Põhineb OpenAI abikeskuse artiklil "Data analysis with ChatGPT" (november 2026).

See kood ei ole must kast: saad seda kuvada, üle vaadata ja paluda ChatGPT-l meetodit kohandada. Pane tähele, et Pythoni keskkonnal puudub juurdepääs veebile: kui su analüüs vajab väliseid andmeid, impordi need või ühenda andmeallikas.

Küsimuste tüübid, mida saad esitada

Kokkuvõtlikud küsimused aitavad sul failiga tutvuda, enne kui detailidesse süvened: “Mitu rida ja veergu selles failis on?”, “Anna mulle andmete üldine ülevaade” või “Millised veerud on saadaval ja millised on nende tüübid?” Need küsimused hoiavad sind alustamast analüüsi, mis eeldab granulaarsust, mida su andmetel pole – sa ei saa arvutada keskmist ostukorvi suurust kliendi kohta, kui fail on juba piirkonniti agregeeritud.

Järgnevad agregeerimise küsimused, mis koondavad tuhanded read tegevusvõimelisteks numbriteks: “Milline on kogumüük tootekategooriate lõikes?”, “Milline on keskmine ostukorvi suurus kuude lõikes?”, “Mitu unikaalset klienti on kvartalis?” See on igakuise aruandluse tuum ja sageli pool tööst, mida sinult oodatakse.

Filtreerimise küsimused eraldavad seejärel asjakohase alamhulga – “Näita mulle ainult müüki üle 10 000 €”, “Millistel toodetel märtsis müüki ei olnud?”, “Loetle kliendid Île-de-France’i piirkonnast” – samas kui järjestamise küsimused järjestavad andmed äärmuste esiletoomiseks: “Kes on 10 parimat müügiesindajat?”, “Järjesta piirkonnad tulude alanevas järjekorras”, “Milline kuu oli tulemuslikum?” Praktikas aheldab tõsine analüüs kõiki nelja tüüpi: teed kokkuvõtte, agregeerid, filtreerid välja märgatud anomaalia ja seejärel järjestad tegevuse prioriseerimiseks. Saad ka interaktiivses tabeli eelvaates valida ridu, veerge või lahtrid ja esitada oma küsimuse ainult selle valiku kohta – näiteks veeru sagedaseim väärtus või mõne lahtri keskmine.

Tõhusate küsimuste sõnastamine

Vastuse kvaliteet sõltub otseselt sellest, kui selge on su küsimus. Su esimene refleks peaks olema nimetada veerge, mitte rääkida üldisustes. “Analüüsi müüki” jätab ChatGPT-i arvama, millises veerus on summa; see sõnastus ei jäta ruumi tõlgendamiseks:

Calculate the total of the "amount_incl_tax" column grouped by "region"
and sorted from highest to lowest.

Su teine refleks on määrata soovitud väljundformaati. Vastasel juhul saad kirjaliku vastuse, kui vajasid tabelit, mida aruandesse kleepida, ja kaotad arvutusele kokkuhoitud aja ümberformaatimisele:

Give me the result as a table with these columns:
region, total sales, number of transactions, average basket size.

Kolmas, sageli tähelepanuta jäetud samm on ärikonteksti pakkumine, mida fail ei sisalda. ChatGPT ei tea, et teatud ridu ei tohiks arvutusse kaasata:

The "status" column contains "approved", "pending", and "cancelled".
Only include approved orders.

Ilma selle selgituseta paisutavad tühistatud tellimused tulu ja viga jääb märkamatuks: tulemus näeb endiselt täiesti usutav välja. See on viga, mis hiilib märkamatult läbi juhtkonna koosoleku.

Tulemuste iteratiivne täiustamine

Andmeanalüüs on harva lineaarne ja sinult ei oodata, et leiad õige küsimuse esimesel katsel. Alustad küsimusega kogu tulu kohta kuude lõikes, märkad langust veebruaris ja küsid siis, miks see langus toimus. Kui vastus jääb ebamääraseks, filtreerid “premium”-kategooria ja arvutad uuesti, võrdledes seda siis sama perioodiga eelmisel aastal, et teha kindlaks, kas tegemist on teadaoleva hooajalisuse või intsidentiga.

ChatGPT hoiab vestluse konteksti ja üleslaaditud faili, nii et iga küsimus tugineb eelmistele. See võimaldab progressiivset uurimist: veebruari langus, kui see on isoleeritud premium-segmendiga, võib olla seletatav ühe suure kliendi üleminekuga konkurendi juurde – järeldus, mida esimesest küsimusest lähtudes teha ei saaks.

Rohkem mõtlemist keerukate analüüside jaoks

Mõnda küsimust ei saa lahendada lihtsa agregeerimisega. Ristkorrelatsioonid, mitme allikaga analüüsid, nüansirikkad tõlgendused: kui vaja on mitmeastmelist arutluskäiku, vali ChatGPT-i valikus kõrgem mõtlemise tase – High või Extra High, sõltuvalt su paketist, või nupp Think tasuta ja Go paketis. Täiendav mõtlemine aitab arvestada tegureid, mis võivad selgitada kahe muutuja vahelist seost enne põhjusliku seose järeldamist, märgata peeneid mustreid – kolme nädala võrra nihkunud hooajalisust, kvartal-kvartalilt kahanevat segmenti – ja koostada soovitusi arvutatud numbrite põhjal. Ükski seade ei muuda siiski korrelatsiooni põhjuslikkuseks: siin otsustavad su valdkonnateadmised ja mõnikord test.

Sinu kord

Su esimesed küsimused.

  1. Impordi fail, mida hästi tunned
  2. Esita üks küsimus igast perekonnast: kokkuvõte, agregeerimine, filtreerimine, järjestamine
  3. Sõnasta üks neist ümber, nimetades veerge ja määrates väljundformaadi, ning võrdle kahte vastust
  4. Lisa ärireegel – näiteks välista tühistatud tellimused – ja mõõda erinevust
  5. Kuva arvutuse kood ja kontrolli seda käsitsi kahel või kolmel real

Ametlikud allikad: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (OpenAI Help Center) · Prompting (ChatGPT documentation)

Peamised punktid

  • Esita küsimusi lihtsas inglise keeles; ChatGPT tõlgib need koodiks
  • Ole spetsiifiline: nimeta veerge, määra filtrid, näita soovitud formaati
  • Itereeri sama vestluse raames analüüsi süvendamiseks
  • Tõsta mõtlemise taset mitmeastmeliste analüüside jaoks
  • Kontrolli alati tulemusi – ChatGPT võib veeru valesti tõlgendada