Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Työnkulut datan käsittelyyn Code Interpreterillä

Oppitunti 14 / 20 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Työnkulut datan käsittelyyn Code Interpreterillä
  2. Työnkulku 1: Automatisoitu talousraportti
  3. Työnkulku 2: Kohorttianalyysi
  4. Työnkulku 3: Pisteytys ja segmentointi
  5. Työnkulku 4: Ennustaminen ja trendit
  6. Monivaiheisen työnkulun orkestrointi
  7. Keskeiset asiat

Oppitunti päivitetty 2. marraskuuta 2026 OpenAI:n dokumentaation perusteella: Code Interpreter -työkalu vaatii container-parametrin (lisätty kaikkiin esimerkkeihin), syötteen tekstiosat ovat tyyppiä input_text, ja verkkohaku käyttää web_search-työkalua (web_search_preview on nyt vanhentunut työkalu ilman toimialasuodattimia). Generoidut tiedostot haetaan käyttämällä oppitunnin 10 funktioita fichiers_generes ja telecharger. Viestin liitteinä olevat tiedostot ladataan user_data-tarkoituksella, jota OpenAI suosittelee mallin syötteille (File inputs). Lähteet: Code Interpreter · Web search.

Työnkulut datan käsittelyyn Code Interpreterillä

Aiemmissa oppitunneissa käsittelimme yksittäisiä tehtäviä yksi kerrallaan. Todellinen analyysi ketjuttaa ne yhteen: tuot datan, siivoat sen, lasket arvoja, visualisoit tulokset ja viet ne ulos. Juuri tämä ketju – ei yksittäiset eristetyt vaiheet – vie eniten aikaa, kun se tehdään manuaalisesti.

Alla olevat neljä työnkulkua ovat todellisia käyttötapauksia, jotka on valittu tarkoituksellisesti erilaisiksi: määräaikainen raportointi, käyttäytymisanalyysi ajan myötä, segmentointi ja ennustaminen. Lue niitä vähemmän koodin ja enemmän kehoterakenteen vuoksi: numeroitu, selkeä odotetuista tuotoksista ja tarkka muodosta. Tämä rakenne muuttaa epämääräisen pyynnön toimintakelpoiseksi raportiksi, ja voit soveltaa sitä suoraan omaan dataasi.

Työnkulku 1: Automatisoitu talousraportti

Määräaikainen raportointi on paras kohde automatisoinnille yksinkertaisesta syystä: tiedostot muuttuvat, mutta raportin rakenne pysyy samana. Kun olet kirjoittanut ja validoinut kehotteen yhdelle kuukaudelle, se toimii seuraavillekin yhdelletoista. Huomaa viimeinen ohje, joka pyytää Excel-vientiä osiota kohden. Tämä tekee tuloksesta suoraan jaettavan, sen sijaan että jäisit tekstin äärelle, joka vaatii uudelleenmuotoilua.

from openai import OpenAI

client = OpenAI()

# Lähdatiedostojen lataus
files = {}
for name in ["revenus_2025.xlsx", "depenses_2025.xlsx", "budget_previsionnel.xlsx"]:
    with open(name, "rb") as f:
        file_obj = client.files.create(file=f, purpose="user_data")
        files[name] = file_obj.id

content = [
    {"type": "input_text", "text": (
        "Luo täydellinen talousraportti näistä 3 tiedostosta: "
        "1. YHTEENVETO: Kokonaistuotot, bruttokate, nettotulos "
        "2. KUUKAUSIANALYYSI: Kuukausittainen kehitys muutoksineen "
        "3. BUDJETTIPOIKKEAMAT: Todellinen vs. ennustettu vertailu, merkittävät poikkeamat "
        "4. KAAVIOT: "
        "   - Tuottojen ja kulujen kehitys (kaksoisakseli) "
        "   - Budjettipoikkeamien vesiputouskaavio "
        "   - Kulujen jakautuminen kategorioittain "
        "5. VIENTI: Excel-tiedosto, yksi välilehti osiota kohden"
    )}
]
for fid in files.values():
    content.append({"type": "input_file", "file_id": fid})

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[{"role": "user", "content": content}],
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
    instructions=(
        "Tuota ammattimainen raportti. "
        "Näytä luvut tuhaterottimilla. "
        "Käytä eurooppalaista muotoa (desimaalipilkku). "
        "Kommentoi jokaista merkittävää poikkeamaa (> 5 %)."
    )
)

# Haetaan kaikki generoidut tiedostot
for ann in fichiers_generes(response):
    telecharger(client, ann, f"sortie_{ann.filename}")
    print(f"Generoitu: {ann.filename}")

Työnkulku 2: Kohorttianalyysi

Kohorttianalyysi seuraa samaan liittymisajankohtaan perustuvia ryhmiä ajan myötä. Harvat tiimit suorittavat tämän laskennan säännöllisesti, koska sen pystyttäminen on työlästä. Juuri siksi sen ulkoistaminen kannattaa: logiikka on vakio, vain data muuttuu.

with open("utilisateurs.csv", "rb") as f:
    file_obj = client.files.create(file=f, purpose="user_data")

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": (
                "Suorita kohorttianalyysi tälle käyttäjädatalla: "
                "1. Määrittele kohortit rekisteröitymiskuukauden mukaan "
                "2. Laske säilyvyysaste kullekin kohortille (kuukausi 1, 2, ..., 12) "
                "3. Luo säilyvyyslämpökartta "
                "4. Tunnista kohortti, jolla on paras säilyvyys "
                "5. Arvioi LTV (asiakasarvo) kohorttia kohden "
                "6. Vie säilyvyystaulukko CSV-muodossa"
            )},
            {"type": "input_file", "file_id": file_obj.id}
        ]
    }],
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
    instructions=(
        "Näytä koodi vaiheittain. "
        "Näytä välitulokset. "
        "Käytä lämpökartassa vihreää palettia (tumma = hyvä, vaalea = heikko). "
        "Merkitse jokainen solu prosenttiluvulla."
    )
)

Työnkulku 3: Pisteytys ja segmentointi

Tässä malli ei vain kuvaile dataa, vaan se rakentaa pisteytyksen ja muodostaa ryhmiä. Tämä vaatii varovaisuutta: pyydä aina menetelmää tuloksen lisäksi. Segmentti kuten “vaarassa olevat asiakkaat” ilman sitä tuottaneita kriteerejä on käyttökelvoton: kukaan ei voi haastaa, toistaa tai korjata sitä.

def segmenter_clients(file_path: str) -> dict:
    """Segmentoi asiakkaat RFM-menetelmällä ja klusteroinnilla."""
    with open(file_path, "rb") as f:
        file_obj = client.files.create(file=f, purpose="user_data")

    response = client.responses.create(
        model="gpt-5.6-terra",
        input=[{
            "role": "user",
            "content": [
                {"type": "input_text", "text": (
                    "Suorita RFM-asiakassegmentointi: "
                    "1. Laske Recency (tuoreus), Frequency (tiheys), Monetary (rahallinen arvo) kullekin asiakkaalle "
                    "2. Määritä RFM-pisteet 1–5 kullekin ulottuvuudelle "
                    "3. Luo segmentit: Mestarit, Uskolliset, Vaarassa, Menetetyt "
                    "4. Käytä K-Means -klusterointia (k=4–8, valitse paras k kyynärpäämenetelmällä) "
                    "5. Visualisoi segmentit 2D-avaruudessa (PCA tai t-SNE) "
                    "6. Profiloi jokainen segmentti: koko, keskimääräinen liikevaihto, tiheys "
                    "7. Vienti: CSV, jossa segmentti asiakasta kohden + PDF-tyylinen raportti"
                )},
                {"type": "input_file", "file_id": file_obj.id}
            ]
        }],
        tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
        instructions=(
            "Käytä sklearn-kirjastoa klusterointiin. "
            "Normalisoi muuttujat ennen klusterointia. "
            "Näytä kyynärpääkaavio k:n valinnan perustelemiseksi. "
            "Luo tutkakuvio kullekin segmentille."
    )

    output_files = []
    for ann in fichiers_generes(response):
        telecharger(client, ann, ann.filename)
        output_files.append(ann.filename)

    return {
        "analysis": response.output_text,
        "files": output_files
    }

Työnkulku 4: Ennustaminen ja trendit

Ennustaminen on työnkulku, jossa varovaisuus on tärkeintä. Kontti voi suorittaa regressioanalyysin tai kausidekomposition, ja se tekee niin jopa silloin, kun datasi ei sovellu siihen – kaksikymmentä datapistettä riittää tuottamaan täysin esityskelpoisen käyrän, joka on täysin merkityksetön. Vaadi luottamusväliä ja mallin oletuksia: tämä erottaa projektion ekstrapolaatiosta.

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": (
                "Tämän kuukausittaisen myyntidatan perusteella: "
                "1. Dekomponoi aikasarja (trendi, kausivaihtelu, jäännös) "
                "2. Käytä eksponentiaalista tasoitusta (Holt-Winters) "
                "3. Ennusta seuraavat 6 kuukautta 95 %:n luottamusvälillä "
                "4. Vertaa yksinkertaiseen lineaariseen regressioon "
                "5. Generoi kaavio, jossa on historia ja ennusteet "
                "6. Laske virhemittarit (MAE, RMSE, MAPE)"
            )},
            {"type": "input_file", "file_id": file_obj.id}
        ]
    }],
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
    instructions=(
        "Käytä statsmodels-kirjastoa dekompositioon ja ennustamiseen. "
        "Väritä luottamusväli läpinäkyvällä sinisellä. "
        "Merkitse selvästi erottelu historian ja ennusteiden välille."
    )
)

Monivaiheisen työnkulun orkestrointi

Tietyn koon ylittyessä yksittäinen kehote törmää rajoihinsa: analyysi harhautuu, välivaiheen ohje unohtuu, ja menetät käsityksen siitä, missä vaiheessa olet. Prosessin jakaminen peräkkäisiin kutsuihin, jotka kaikki toimivat samassa kontissa, jossa edellisen vaiheen tiedostot ovat edelleen saatavilla, palauttaa menetetyn: tarkistuspisteen jokaisen vaiheen jälkeen ja mahdollisuuden jatkaa virheellisestä vaiheesta sen sijaan, että aloittaisit kaiken alusta.

class WorkflowData:
    def __init__(self):
        self.client = OpenAI()
        # Eksplisiittinen kontti: tuotetut tiedostot pysyvät saatavilla vaiheesta toiseen
        self.container = self.client.containers.create(name="workflow-data")
        self.intermediate_files = []

    def step(self, instruction: str, file_ids: list[str] | None = None) -> str:
        """Suorittaa työnkulun vaiheen jaetussa kontissa."""
        content = [{"type": "input_text", "text": instruction}]
        for fid in file_ids or []:
            content.append({"type": "input_file", "file_id": fid})

        response = self.client.responses.create(
            model="gpt-5.6-terra",
            input=[{"role": "user", "content": content}],
            tools=[{"type": "code_interpreter", "container": self.container.id}],
        )

        # Muistutetaan generoidut tiedostot ladattavaksi lopussa
        self.intermediate_files.extend(fichiers_generes(response))
        return response.output_text

    def download_results(self, output_folder: str):
        """Lataa generoidut tiedostot ennen kontin vanhenemista."""
        import os
        os.makedirs(output_folder, exist_ok=True)
        for ann in self.intermediate_files:
            telecharger(self.client, ann, os.path.join(output_folder, ann.filename))

# Käyttö
wf = WorkflowData()

# Vaihe 1: Tuonti ja siivous
with open("donnees_brutes.csv", "rb") as f:
    file_obj = client.files.create(file=f, purpose="user_data")

wf.step(
    "Siivoa tämä CSV: poista duplikaatit, käsittele puuttuvat arvot, "
    "normalisoi tyypit. Vie tulos.",
    [file_obj.id]
)

# Vaihe 2: Analyysi
wf.step("Laske keskeiset KPI:t ja tunnista trendit.")

# Vaihe 3: Visualisointi
wf.step("Luo 4 keskeistä kaaviota johtoryhmän raporttia varten.")

# Vaihe 4: Vienti
wf.step("Kokoa kaikki Excel-tiedostoksi, jossa on välilehtiä ja upotettuja kaavioita.")

wf.download_results("./sortie_workflow/")

Keskeiset asiat

  • Jaa monimutkaiset työnkulut vaiheisiin, joissa tiedostoja siirretään eteenpäin
  • Käytä yksityiskohtaisia ohjeita jokaiselle vaiheelle
  • Malli käsittelee natiivisti tilastollista analyysiä ja perustason koneoppimista
  • Nouda systemaattisesti välitiedostot jäljitettävyyden varmistamiseksi
  • Yhdistä data-analyysi ja visualisointi samaan kutsuun kokonaisvaltaisia raportteja varten