Postavljaj pitanja svojim podacima na prirodnom jeziku
Na ovoj stranici
Upituj svoje podatke kao da razgovaraš s kolegom
Najveća prednost ChatGPT-a za analizu podataka svodi se na jednu stvar: razumije tvoja pitanja na običnom jeziku. Ne trebaš SQL, Python niti trostruko ugniježđene Excel formule. Samo opiši što tražiš točno onako kako bi rekao kolegi analitičaru koji gleda istu datoteku, a ChatGPT će tvoju namjeru pretvoriti u izvršni kod. Taj je pomak stvaran i mijenja prirodu posla: tvoj se trud seli sa sintakse na formuliranje ispravnog pitanja.
Načelo: Od prirodnog jezika do Python koda
Kada postaviš pitanje o svojim podacima, evo što se događa u pozadini:
Ovaj kod nije crna kutija: možeš ga prikazati, pregledati i zamoliti ChatGPT da prilagodi metodu. Imaj na umu da Python okruženje nema pristup webu: ako tvoja analiza treba vanjske podatke, uvezi ih ili spoji izvor.
Vrste pitanja koja možeš postaviti
Pitanja za sažetak pomažu ti stvoriti dojam o datoteci prije nego što zaroniš u detalje: “Koliko redaka i stupaca ima ova datoteka?”, “Daj mi opći pregled podataka” ili “Koji su stupci dostupni i koje su im vrste?” Ova pitanja sprječavaju te da započneš analizu koja pretpostavlja razinu detalja koju tvoji podaci nemaju—ne možeš izračunati prosječnu vrijednost košarice po kupcu ako je datoteka već agregirana po regijama.
Slijede pitanja za agregaciju, koja sažimaju tisuće redaka u brojke na koje se može djelovati: “Koja je ukupna prodaja po kategoriji proizvoda?”, “Koja je prosječna vrijednost košarice po mjesecu?”, “Koliko ima jedinstvenih kupaca po kvartalu?” To je srž mjesečnog izvještavanja i često čini polovicu posla koji će ti biti zadan.
Pitanja za filtriranje zatim izoliraju relevantan podskup—“Prikaži mi samo prodaju veću od 10.000 €”, “Koji proizvodi nisu imali prodaju u ožujku?”, “Navedi kupce u regiji Île-de-France”—dok pitanja za rangiranje sortiraju podatke kako bi istaknula ekstreme: “Tko je 10 najboljih prodavača?”, “Rangiraj regije po prihodu silaznim redoslijedom”, “Koji je mjesec ostvario najbolji rezultat?” U praksi, ozbiljna analiza povezuje sve četiri vrste: sažmeš podatke, agregiraš ih, filtriraš anomaliju koju si uočio, a zatim rangiraš kako bi odredio prioritete djelovanja. Također možeš odabrati retke, stupce ili ćelije u interaktivnom pregledu tablice, a zatim postaviti pitanje samo o tom odabiru—najčešća vrijednost u stupcu, prosjek nekoliko ćelija.
Formuliranje učinkovitih pitanja
Kvaliteta odgovora izravno ovisi o tome koliko je tvoje pitanje jasno. Tvoj prvi refleks trebao bi biti imenovanje stupaca umjesto govora u općenitostima. “Analiziraj prodaju” ostavlja ChatGPT-u da nagađa koji stupac sadrži iznos; ova formulacija ne ostavlja prostora za tumačenje:
Izračunaj zbroj stupca "amount_incl_tax" grupiran po "region"
i sortiraj od najvećeg prema najmanjem.
Tvoj drugi refleks je navesti željeni format izlaza. Inače ćeš dobiti pisani odgovor kada ti je trebala tablica za lijepljenje u izvještaj, a izgubit ćeš vrijeme ušteđeno na izračunu ponovnim formatiranjem:
Daj mi rezultat kao tablicu s ovim stupcima:
regija, ukupna prodaja, broj transakcija, prosječna vrijednost košarice.
Treći, često zanemaren, korak je pružiti poslovni kontekst koji datoteka ne sadrži. ChatGPT ne zna da određeni retci ne bi trebali biti uključeni u izračun:
Stupac "status" sadrži "approved", "pending" i "cancelled".
Uključi samo odobrene narudžbe.
Bez ovog pojašnjenja, tvoje otkazane narudžbe umjetno povećavaju prihode, a greška prolazi nezapaženo: rezultat i dalje izgleda savršeno uvjerljivo. Ovo je vrsta pogreške koja neometano prođe kroz sastanak uprave.
Iteracija nad rezultatima
Analiza podataka rijetko je linearna i ne očekuje se da ćeš pogoditi pravo pitanje iz prvog pokušaja. Započneš traženjem ukupnog prihoda po mjesecu, uočiš pad u veljači, a zatim pitaš zašto je došlo do tog pada. Ako odgovor ostane nejasan, filtriraš kategoriju “premium” i ponovno izračunaš, zatim usporediš s istim razdobljem prošle godine kako bi utvrdio radi li se o poznatoj sezonalnosti ili incidentu.
ChatGPT zadržava kontekst razgovora i učitane datoteke, pa se svako pitanje nadovezuje na prethodna. To omogućuje progresivno istraživanje: veljačanski pad, jednom izoliran na segment premium, mogao bi se objasniti time što je jedan veliki klijent prešao konkurenciji—zaključak do kojeg se ne bi došlo prvim pitanjem.
Više razmišljanja za složene analize
Neka se pitanja ne mogu riješiti jednostavnom agregacijom. Unakrsne korelacije, analize iz više izvora, nijansirana tumačenja: kad god je potrebno višestepeno zaključivanje, odaberi višu razinu razmišljanja u ChatGPT-ovom biraču—High ili Extra High ovisno o tvom planu, ili gumb Think na Free i Go paketima. Dodatno razmišljanje pomaže uzeti u obzir čimbenike koji bi mogli objasniti vezu između dviju varijabli prije donošenja zaključka o uzročnosti, uočiti suptilne obrasce—sezonalnost pomaknutu za tri tjedna, segment koji opada iz kvartala u kvartal—i izgraditi preporuke na temelju izračunatih brojki. Međutim, nijedna postavka ne pretvara korelaciju u uzročnost: tu tvoje poznavanje područja, a ponekad i test, donose odluku.
Red je na tebi
Tvoja prva pitanja.
- Uvezi datoteku koju dobro poznaješ
- Postavi jedno pitanje iz svake obitelji: sažetak, agregacija, filtriranje, rangiranje
- Preformuliraj jedno od njih imenujući stupce i navodeći format izlaza, zatim usporedi dva odgovora
- Dodaj poslovno pravilo—na primjer, isključi otkazane narudžbe—i izmjeri razliku
- Prikaži kod za izračun i ručno ga provjeri na dva ili tri retka
Službeni izvori: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (OpenAI Help Center) · Prompting (dokumentacija ChatGPT-a)
Ključne točke
- Postavljaj pitanja na običnom jeziku; ChatGPT ih prevodi u kod
- Budi specifičan: imenuj stupce, navedi filtre, označi željeni format
- Iteriraj unutar istog razgovora kako bi produbio analizu
- Povisi razinu razmišljanja za višestepene analize
- Uvijek provjeri rezultate—ChatGPT može pogrešno protumačiti stupac