Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Tietojen purkaminen ja muuntaminen

Oppitunti 13 / 14 Päivitetty 5. marraskuuta 2026 Keskitasoinen
Tällä sivulla
  1. Jäsennellyn datan purkaminen jäsentelemättömistä lähteistä
  2. Muotojen muuttaminen
  3. Kahden lähteen yhdistäminen
  4. Siivoaminen ja normalisointi
  5. Tuloksen hakeminen
  6. Toistuvien työnkulkujen teollistaminen
  7. Sinun vuorosi
  8. Keskeiset asiat

Tiedoston lukeminen on vasta ensimmäinen askel. ChatGPT osaa myös purkaa jäsenneltyä dataa jäsentelemättömistä asiakirjoista, muotoilla sitä uudelleen, yhdistää tietoja useista lähteistä ja viedä tulokset haluamassasi muodossa. Tämä muunnoskyky tekee siitä aidon datankäsittelytyökalun, ei pelkän dokumenttien lukijan.

Jäsennellyn datan purkaminen jäsentelemättömistä lähteistä

Jäsennelty purkaminen tarkoittaa asiakirjan eri kohdissa hajallaan olevien tietojen ottamista ja järjestämistä käyttökelpoiseen muotoon. PDF-laskuerälle pyyntö on yksi lause: “Pura jokaisesta laskusta seuraavat tiedot: laskunumero, päivämäärä, toimittaja, summa ilman arvonlisäveroa, arvonlisävero ja summa arvonlisäveroineen. Esitä kaikki taulukkona.” Sama periaate pätee vuosikertomukseen, jossa luvut ovat hautautuneena kappaleisiin: “Pura tästä kertomuksesta kaikki mainitut taloudelliset luvut: liikevaihto, nettotulos, kate, henkilöstömäärä. Järjestä ne vuosittain vertailutaulukkoon.” Ja puhtaasti tekstipohjaiselle asiakirjalle: “Tässä asiakirjassa mainitaan 15 yhteyshenkilöä. Pura kunkin henkilön nimi, yritys ja tehtävänimike jäsenneltyyn taulukkoon.” Näiden kolmen pyynnön yhteinen nimittäjä on odotettujen kenttien eksplisiittinen lista. Tämä lista muuttaa tekstivirran käyttökelpoiseksi taulukkomuotoiseksi dataksi, mikä edustaa yhtä ChatGPT:n arvokkaimmista kyvykkyyksistä.

Muotojen muuttaminen

Kun data on hallussasi, sen muodon muuttaminen on yhtä helppoa. Tee raakasta CSV-tiedostosta luettava: “Luo selkeäotsikkoinen, helposti luettava taulukko. Käännä sarakkeiden otsikot englannista suomeksi.” Muuta taulukko visualisaatioksi: “Luo tämän datan pohjalta pylväsdiagrammi, joka näyttää myynnin jakautumisen alueittain.” Muuta luvut esityskalvoiksi: “Muunna tämä neljännesvuosidata kolmeksi yhteenvetokalvoksi: yleiskatsaus, parhaat suorittajat ja hälytyskohdat.” Tai vaihda teknisten rakenteiden välillä: “Tämä JSON-tiedosto sisältää tuotetietoja. Muunna se CSV-taulukoksi, jossa on sarakkeet: nimi, hinta, kategoria, varastosaldo.”

Kahden lähteen yhdistäminen

Lataa kaksi tiedostoa samaan keskusteluun, ja niiden yhdistäminen onnistuu yhdellä lauseella. Kuvittele asiakaslista ostohistorioineen Excel-tiedostossa ja tyytyväisyyskysely CSV-tiedostossa: “Yhdistä nämä kaksi tiedostoa asiakkaan nimen perusteella. Näytä jokaiselle asiakkaalle kokonaisostossumma ja tyytyväisyyspisteet. Järjestä tulokset tyytyväisyyspisteiden mukaan laskevassa järjestyksessä. Tunnista potentiaaliset asiakkaat (korkeat ostokset + korkea tyytyväisyys) ja riskiasiakkaat (korkeat ostokset + matala tyytyväisyys).”

Normaalisti tämä operaatio vaatisi monimutkaisia Excel-kaavoja tai Python-skriptiä; tässä se tapahtuu keskustelupyynnön avulla. Tämä on sitäkin suurempi syy tarkistaa tulos: yhdistäminen perustuu nimiin, ja samannimiset tai kirjoitusvirheet voivat vääristää paritukset huomaamatta. Tarkista muutama rivi manuaalisesti ennen kuin teet liiketoimintapäätöksiä tulosten pohjalta.

Siivoaminen ja normalisointi

Todellinen data saapuu harvoin siistinä, ja juuri tässä ChatGPT loistaa. Heterogeenisille muodoille: “Tässä puhelinnumeroiden sarakkeessa jotkin merkinnät ovat muodossa 06.12.34.56.78, toiset +33612345678 ja toiset 06 12 34 56 78. Normalisoi ne kaikki kansainväliseen muotoon +33 6 12 34 56 78.” Epäilyttäville päivämäärille: “Analysoi tämä päivämääräsarake. Tunnista virheelliset päivämäärät, epäjohdonmukaiset muodot ja poikkeavat arvot.” Sumearille duplikaateille, joita mikään kaava ei löydä: “Tässä tiedostossa on todennäköisiä duplikaatteja (samat nimet pienin kirjoitusasun eroavaisuuksin). Tunnista ne ja ehdota konsolidoitua versiota.” Ja massaluokitteluun: “Tässä on 200 kulukuvausta. Luokittele kukin yhteen näistä kategorioista: Kuljetus, Ateriat, Majoitus, Tarvikkeet, Palvelut, Muu.”

Kuten yhdistämisessäkin, otoksen tarkistaminen on sääntö myös tässä viimeisessä tapauksessa: automatisoitu luokittelu on harvoin täysin pielessä, mutta se tekee virheitä. Suurille tiedostoille älä suorita koko käsittelyä heti. Pyydä ensin analyysi otoksesta, validoi menetelmä ja jatka sitten koko tiedoston käsittelyä.

Tuloksen hakeminen

Ilman erityisiä tulostusohjeita ChatGPT näyttää tulokset tekstinä chatissa, jolloin sinun täytyy kopioida ja liimata ne itse. Pyydä eksplisiittisesti tiedostoa: “Luo ladattava CSV-tiedosto näillä tuloksilla”, “Luo Excel-tiedosto, jossa on kaksi välilehteä: raakadata ja yhteenveto” tai “Muotoile tämä data JSON-muotoon integraatiota varten APIimme.” Järjestelmä tuottaa tiedoston, ja keskusteluun ilmestyy latauslinkki.

Toistuvien työnkulkujen teollistaminen

Jos vastaanotat saman tyyppistä tiedostoa joka kuukausi, kirjoita kehote kerran ja käytä sitä uudelleen: “Lähetän sinulle kuukausittain pankkitiliotteen PDF-muodossa. Jokaisesta tiliotteesta haluan sinun: (1) purkavan kaikki tapahtumat, (2) luokittelevan ne kuuteen kategoriaan (Asuminen, Ruoka, Liikenne, Vapaa-aika, Terveys, Muu), (3) laskevan summan kategoriaa kohden, (4) vertaavan edelliseen kuukauteen, jos saatavilla, (5) vievän tuloksen CSV-muodossa.” Kun tämä kehote sijoitetaan omistetun projektin ohjeisiin, se varmistaa johdonmukaisen käsittelyn kuukaudesta toiseen, mahdollistaen mielekkäät vertailut. Pankkitiliote on kuitenkin arkaluonteista dataa: arvioi, mitä suunnitelmasi ja velvoitteesi sallivat ennen sen lataamista.

Datan muuntaminen neljässä vaiheessa Neljä vaihetta: hyödyllisten kenttien purkaminen asiakirjasta; kahden lähteen yhdistäminen yhteisen avaimen perusteella; muotojen siivoaminen ja normalisointi; tuloksen vienti CSV- tai Excel-muotoon. Tarkista otos jokaisessa vaiheessa. PURKA, YHDISTÄ, SIIVOA, VIE Datan muuntaminen neljässä vaiheessa 1 Purka Hyödylliset kentät 2 Yhdistä Yhteinen avain 3 Siivoa Muodot, duplikaatit 4 Vie CSV tai Excel Tarkista otos jokaisessa vaiheessa: väärin yhdistetty nimi vääristää yhdistämisen huomaamatta.
Perustuu OpenAI:n tukikeskuksen artikkeliin "Data analysis with ChatGPT" (marraskuu 2026).

Sinun vuorosi

Siivoa oikea tiedosto. Ota tiedosto päivittäisestä työstäsi – CRM-vienti, tuntikirjanpito, yhteyslista tai talousraportti – ja kysy: “Analysoi tämä tiedosto. Tunnista dataan liittyvät laatuongelmat (duplikaatit, puuttuvat arvot, epäjohdonmukaiset muodot). Ehdota siivoussuunnitelma. Sovella sitten siivous ja luo korjattu ladattava tiedosto.” Valitse tämä tiedosto viisaasti: terveystiedot, henkilötunnukset ja pankkitiedot vaativat riskiarvioinnin ennen lataamista.

Viralliset lähteet: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (OpenAI Help Center)

Keskeiset asiat

  • ChatGPT osaa purkaa jäsenneltyä dataa jäsentelemättömistä asiakirjoista yhdellä pyynnöllä
  • Tiedostojen yhdistäminen ja datan normalisointi tapahtuvat keskustelun muodossa
  • Pyydä eksplisiittisesti vientiä (CSV, Excel, JSON) käsitellyn datan saamiseksi
  • Luo uudelleenkäytettäviä kehotteita kuukausittaisia tai toistuvia tehtäviä varten
  • Tarkista tulokset aina, erityisesti yhdistämisen ja automatisoidun luokittelun kohdalla