Työnkulut datan käsittelyyn Code Interpreterillä
Tällä sivulla
Oppitunti päivitetty 2. marraskuuta 2026 OpenAI:n dokumentaation perusteella: Code Interpreter -työkalu vaatii
container-parametrin (lisätty kaikkiin esimerkkeihin), syötteen tekstiosat ovat tyyppiäinput_text, ja verkkohaku käyttääweb_search-työkalua (web_search_previewon nyt vanhentunut työkalu ilman toimialasuodattimia). Generoidut tiedostot haetaan käyttämällä oppitunnin 10 funktioitafichiers_generesjatelecharger. Viestin liitteinä olevat tiedostot ladataanuser_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