Ekstrakcija i transformacija podataka
Na ovoj stranici
Čitanje datoteke tek je prvi korak. ChatGPT može izvući strukturirane podatke iz nestrukturiranih dokumenata, reformatsirati ih, unakrsno povezati više izvora i izvesti rezultate u formatu po tvojem izboru. Ta mogućnost transformacije čini ga pravim alatom za obradu podataka, a ne samo čitačem dokumenata.
Ekstrakcija strukturiranih podataka iz nestrukturiranih izvora
Strukturirana ekstrakcija znači uzeti informacije raspršene po dokumentu i organizirati ih u upotrebljiv format. Za seriju PDF računa, zahtjev je jedna rečenica: „Iz svakog računa izvuci sljedeće: broj računa, datum, dobavljač, iznos bez PDV-a, PDV i iznos s PDV-om. Sve prikaži u tablici.“ Isti princip vrijedi za godišnje izvješće s brojkama zakopanima u odlomcima: „Izvuci sve financijske brojke spomenute u ovom izvješću: prihodi, neto dobit, marža, broj zaposlenih. Organiziraj ih po godinama u usporednu tablicu.“ A za čisto tekstualni dokument: „Ovaj dokument spominje 15 kontakata. Izvuci imena, tvrtke i radna mjesta za svaku osobu u strukturiranu tablicu.“ Zajednička nit ovih triju zahtjeva jest eksplicitan popis očekivanih polja. Taj popis pretvara tok teksta u upotrebljive tablične podatke, što predstavlja jednu od najvrjednijih mogućnosti ChatGPT-a.
Promjena formata
Kad jednom imaš podatke, promjena njihova formata jednako je jednostavna. Učini sirovi CSV čitljivim: „Stvori čitljivu tablicu s jasnim zaglavljima. Prevedi nazive stupaca s engleskog na hrvatski.“ Pretvori tablicu u vizual: „Na temelju ovih podataka generiraj stupčasti dijagram koji prikazuje distribuciju prodaje po regijama.“ Pretvori brojke u prezentaciju za sastanak: „Transformiraj ove kvartalne podatke u 3 sažeta slajda: pregled, najbolji rezultati i točke koje zahtijevaju pozornost.“ Ili se prebaci između tehničkih struktura: „Ova JSON datoteka sadrži podatke o proizvodima. Pretvori je u CSV tablicu sa stupcima: naziv, cijena, kategorija, zaliha.“
Unakrsno povezivanje dvaju izvora
Učitaj dvije datoteke u isti razgovor i unakrsno povezivanje postaje jedna rečenica. Zamisli popis kupaca s povijesti kupnje u Excel datoteci i anketu zadovoljstva u CSV-u: „Unakrsno poveži ove dvije datoteke prema imenu kupca. Za svakog kupca prikaži ukupan iznos kupnje i ocjenu zadovoljstva. Sortiraj po ocjeni zadovoljstva silazno. Identificiraj kupce s visokim potencijalom (visoke kupnje + visoko zadovoljstvo) i kupce u riziku (visoke kupnje + nisko zadovoljstvo).”
Normalno bi ta operacija zahtijevala složene Excel formule ili Python skriptu; ovdje se događa putem konverzacijskog zahtjeva. To je utoliko više razlog da provjeriš rezultat: podudaranje se oslanja na imena, a istozvučnici ili tipfelerski mogu tiho iskriviti uparivanja. Ručno provjeri nekoliko redaka prije nego što doneseš poslovne odluke na temelju izlaza.
Čišćenje i normalizacija
Podaci iz stvarnog svijeta rijetko stižu čisti, a tu ChatGPT excels. Za heterogene formate: „U ovom stupcu s brojevima telefona neki unosi koriste format 06.12.34.56.78, drugi +33612345678, a treći 06 12 34 56 78. Normaliziraj ih sve u međunarodni format +33 6 12 34 56 78.“ Za upitne datume: „Analiziraj ovaj stupac s datumima. Identificiraj nevažeće datume, nedosljedne formate i ekstremne vrijednosti.“ Za nejasne duplikate koje nijedna formula ne može uhvatiti: „Ova datoteka sadrži vjerojatne duplikate (ista imena s malim varijacijama u pravopisu). Identificiraj ih i predloži konsolidiranu verziju.“ A za masovnu kategorizaciju: „Ovdje je 200 opisa troškova. Kategoriziraj svaki u jednu od ovih kategorija: Prijevoz, Obroci, Smještaj, Potrošni materijal, Usluge, Ostalo.“
Kao i kod unakrsnog povezivanja, pregled uzorka ostaje pravilo i za ovaj posljednji slučaj: automatizirana kategorizacija rijetko je drastično pogrešna, ali ipak griješi. Za velike datoteke nemoj odmah pokrenuti punu obradu. Prvo zatraži analizu na uzorku, validiraj metodu, a zatim nastavi s cijelom datotekom.
Preuzimanje rezultata
Bez specifičnih uputa za izlaz, ChatGPT će prikazati rezultate kao tekst u chatu, ostavljajući tebi da kopiraš i lijepiš. Eksplicitno zatraži datoteku: „Generiraj CSV datoteku za preuzimanje s ovim rezultatima“, „Stvori Excel datoteku s dvije kartice: sirovi podaci i sažetak“ ili „Formatiraj ove podatke kao JSON za integraciju u naš API.“ Sustav proizvodi datoteku i u razgovoru se pojavljuje poveznica za preuzimanje.
Industrializacija ponavljajućih radnih tijekova
Ako svaki mjesec primaš istu vrstu datoteke, napiši upit jednom i ponovno ga koristi: „Svaki ću ti mjesec poslati PDF izvoda iz banke. Za svaki izvod želim da: (1) izvučeš sve transakcije, (2) kategoriziraš ih u 6 kategorija (Stanovanje, Hrana, Prijevoz, Slobodno vrijeme, Zdravlje, Ostalo), (3) izračunaš ukupno po kategoriji, (4) usporediš s prethodnim mjesecom ako je dostupno, (5) izvezeš rezultat kao CSV.” Smješten u upute namjenskog projekta, ovaj upit osigurava dosljednu obradu iz mjeseca u mjesec, omogućujući smislene usporedbe. Međutim, izvod iz banke osjetljivi su podaci: procijeni što tvoj plan i obveze dopuštaju prije nego što ga učitaš.
Tvoj red
Očisti stvarnu datoteku. Uzmi datoteku iz svog svakodnevnog rada – izvoz iz CRM-a, evidenciju radnog vremena, popis kontakata ili financijski izvještaj – i pitaj: „Analiziraj ovu datoteku. Identificiraj probleme s kvalitetom podataka (duplikati, nedostajuće vrijednosti, nedosljedni formati). Predloži plan čišćenja. Zatim primijeni čišćenje i generiraj ispravljenu datoteku za preuzimanje.” Mudro odaberi ovu datoteku: zdravstveni podaci, OIB-ovi i bankovni podaci zahtijevaju procjenu rizika prije učitavanja.
Službeni izvori: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (OpenAI Help Center)
Ključne točke
- ChatGPT može izvući strukturirane podatke iz nestrukturiranih dokumenata jednim zahtjevom
- Unakrsno povezivanje datoteka i normalizacija podataka odvijaju se konverzacijski
- Eksplicitno zatraži izvoz (CSV, Excel, JSON) kako bi preuzeo obrađene podatke
- Stvori ponovno upotrebljive upite za mjesečne ili ponavljajuće zadatke
- Uvijek provjeri rezultate, posebno kod unakrsnog povezivanja i automatizirane kategorizacije