Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Kaaviot ja kaaviokuvat

Oppitunti 7 / 12 Päivitetty 30. heinäkuuta 2026 Aloittelija
Tällä sivulla
  1. Visuaalisen datan analysointi
  2. Miksi tämä eroaa OCR:stä
  3. Yksinkertaisen kaavion analysointi
  4. Taulukkomuotoisen datan poimiminen
  5. Teknisten kaaviokuvien analysointi
  6. Kaavioiden vertailu
  7. Ammattimainen käyttötapaus: Automatisoidut raportit
  8. Kaavioiden analyysin rajoitukset
  9. Keskeiset asiat

Visuaalisen datan analysointi

Grok analysoi rahoituskaaviota Kaaviot, diagrammit ja taulukot ovat kaikkialla ammattimaailmassa: rahoitusraporteissa, koontinäytöissä, esityksissä ja tieteellisissä julkaisuissa. Grok Visionin avulla voit automaattisesti purkaa näistä visuaalisista elementeistä dataa ja oivalluksia.

Miksi tämä eroaa OCR:stä

Kaavioiden analyysi menee pelkkää tekstin erottamista pidemmälle. Mallin tulee:

  • Tunnistaa kaavion tyyppi (pylväs-, viiva-, ympyrä-, hajontakaavio jne.)
  • Lukea akselit ja niiden asteikot
  • Poimia data-arvot
  • Ymmärtää selitteet ja yhdistää ne datasarjoihin
  • Tulkita trendejä ja kuvioita

Yksinkertaisen kaavion analysointi

def analyze_chart(image_url):
    prompt = """Analyze this chart and provide:

1. Chart type (bar, line, pie, etc.)
2. Chart title (if visible)
3. X and Y axis labels
4. Extracted data as a table
5. Main observed trend
6. Any annotations or notable points

Present the data in a markdown table."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Tila detail: "high" on välttämätön akselien ja selitteiden arvojen tarkkaan lukemiseen.

Taulukkomuotoisen datan poimiminen

Saadaksesi datan valmiiksi suoraan koodissasi käytettäväksi:

def extract_chart_data(image_url):
    prompt = """Extract data from this chart in JSON.
Expected format:
{
  "type": "bar|line|pie|scatter",
  "title": "...",
  "x_axis": {"label": "...", "values": [...]},
  "y_axis": {"label": "...", "unit": "..."},
  "series": [
    {
      "name": "Series 1",
      "values": [10, 20, 30, ...]
    }
  ]
}

Estimate numerical values as precisely as possible
based on the position of points/bars relative
to the tick marks."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Teknisten kaaviokuvien analysointi

Grok hallitsee hyvin myös arkkitehtuurikaaviot, vuokaaviot ja prosessikaaviot:

def analyze_diagram(image_url):
    prompt = """Analyze this technical diagram and describe:

1. Diagram type (architecture, flow, flowchart, UML, etc.)
2. Main components/entities
3. Connections and relationships between components
4. Data or process flow (if applicable)
5. Technologies or tools mentioned

If this is a flow diagram, describe the main path
from end to end."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Kaavioiden vertailu

Voit lähettää useita kaavioita samassa pyynnössä vertailevaa analyysiä varten:

def compare_charts(url_chart_1, url_chart_2):
    prompt = """Compare these two charts and identify:

1. Common points (measured variables, period, etc.)
2. Differences in trend
3. Significant gaps
4. A 3-4 sentence summary"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_text", "text": "Chart 1:"},
            {"type": "input_image", "image_url": url_chart_1, "detail": "high"},
            {"type": "input_text", "text": "Chart 2:"},
            {"type": "input_image", "image_url": url_chart_2, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Ammattimainen käyttötapaus: Automatisoidut raportit

Kuvittele putki, joka muuntaa koontinäyttöjen kuvakaappaukset tekstiraporteiksi:

def generate_dashboard_report(screenshots):
    report_sections = []

    for i, screenshot in enumerate(screenshots, 1):
        prompt = f"""You are a business analyst. This screenshot
is section {i} of a dashboard. Analyze the displayed metrics
and write a professional summary paragraph.

Include:
- Main KPIs and their values
- Trends (increase, decrease, stability)
- Visible alerts or anomalies
- A recommendation if relevant"""

        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": screenshot, "detail": "high"},
                {"type": "input_text", "text": prompt}
            ],
            store=False
        )
        report_sections.append(response.output_text)

    return "\n\n".join(report_sections)

Kaavioiden analyysin rajoitukset

  • Arvojen tarkkuus: Grok arvioi arvot visuaalisen sijainnin perusteella. Käytä tarkkoihin arvoihin mieluummin lähdedataa.
  • 3D-kaaviot: Perspektiiviesitykset vaikeuttavat arvojen lukemista.
  • Päällekkäiset kaaviot: Kun useita sarjoja on päällekkäin, niiden erottaminen voi olla vaikeaa.
  • Pienet selitteet: Erittäin pienellä tekstillä kirjoitetut selitteet voivat tulla väärin luetuiksi jopa tilassa high.

Keskeiset asiat

  • Grok analysoi kaavioita ymmärtämällä kontekstia, ei pelkkää tekstiä
  • Käytä tilaa detail: "high" arvojen ja selitteiden tarkkaan lukemiseen
  • Pyydä jäsenneltyä muotoa (JSON, markdown-taulukko) datan hyödyntämiseksi
  • Usean kuvan vertailu toimii hyvin ristianalyysiin
  • Poimitut arvot ovat visuaalisia arvioita, eivät eksakteja data-arvoja