Adatok kinyerése és átalakítása
Ezen az oldalon
A fájl beolvasása csupán az első lépés. A ChatGPT képes strukturált adatokat kinyerni rendezetlen dokumentumokból, átformázni azokat, több forrást összekapcsolni, és a kívánt formátumban exportálni az eredményt. Ez az átalakítási képesség valódi adatfeldolgozó eszközzé teszi, nem csupán egy dokumentumolvasóvá.
Strukturált adatok kinyerése rendezetlen forrásokból
A strukturált kinyerés azt jelenti, hogy egy dokumentumban szétszórt információkat használható formátumba rendezünk. PDF-számlák kötege esetén a kérés egyetlen mondat: „Kinyerd az alábbiakat minden számlából: számlaszám, dátum, szállító, adó nélküli összeg, ÁFA és az adóval növelt végösszeg. Minden adatot táblázatban jeleníts meg.“ Ugyanez az elv vonatkozik egy éves jelentésre, ahol számok bújnak meg bekezdésekben: „Kinyered ebből a jelentésből az összes említett pénzügyi adatot: bevétel, nettó nyereség, árrés, létszám. Évenkénti összehasonlító táblázatba rendezed őket.“ És egy tisztán szöveges dokumentum esetén: „Ez a dokumentum 15 kapcsolattartót említ. Kinyered minden személy nevét, cégét és beosztását egy strukturált táblázatba.“ E három kérés közös vonása az elvárt mezők explicit felsorolása. Ez a lista alakítja a szövegfolyamot használható táblázatos adattá, ami a ChatGPT egyik legértékesebb képessége.
Formátumok megváltoztatása
Ha már megvannak az adataid, formátumuk megváltoztatása ugyanilyen egyszerű. Tegyen olvashatóvá egy nyers CSV-t: „Készíts olvasható táblázatot egyértelmű fejlécekkel. Fordítsd le az oszlopneveket angolról franciára.“ Alakítsd a táblázatot vizuálissá: „Ezen adatok alapján generálj egy oszlopdiagramot, amely mutatja az értékesítés megoszlását régiónként.“ Alakítsd a számokat prezentációvá: „Alakítsd át ezt a negyedéves adatot 3 összefoglaló diává: áttekintés, legjobb teljesítők és figyelmeztető pontok.“ Vagy válts technikai struktúrák között: „Ez a JSON-fájl termékadatokat tartalmaz. Alakítsd át CSV-táblázattá a következő oszlopokkal: név, ár, kategória, készlet.“
Két forrás összekapcsolása
Tölts fel két fájlt ugyanabba a beszélgetésbe, és az összekapcsolás egyetlen mondattá válik. Képzeld el, hogy van egy Excel-fájlod vásárlási előzményekkel rendelkező ügyféllistával és egy CSV-formátumú elégedettségi felméréssel: „Kapcsold össze ezt a két fájlt ügyfélnév alapján. Minden ügyfél esetén mutasd meg a teljes vásárlási összeget és az elégedettségi pontszámot. Rendezd csökkenő sorrendbe az elégedettségi pontszám szerint. Azonosítsd a magas potenciálú ügyfeleket (magas vásárlás + magas elégedettség) és a kockázatos ügyfeleket (magas vásárlás + alacsony elégedettség).”
Normál esetben ehhez a művelethez összetett Excel-képletekre vagy egy Python-szkriptre lenne szükség; itt viszont egy beszélgetéses kéréssel történik. Ez még inkább indokolttá teszi az eredmény ellenőrzését: az egyeztetés neveken alapul, és a névazonosságok vagy elírások csendben eltorzíthatják a párosításokat. Mielőtt üzleti döntéseket hoznál a kimenet alapján, manuálisan ellenőrizz néhány sort.
Tisztítás és normalizálás
A valós világ adatai ritkán érkeznek tisztán, és itt jeleskedik a ChatGPT. Heterogén formátumok esetén: „Ebben a telefonszám-oszlopban egyes bejegyzések a 06.12.34.56.78 formátumot használják, mások a +33612345678-at, megint mások a 06 12 34 56 78-at. Normalizáld őket mind a nemzetközi +33 6 12 34 56 78 formátumra.“ Kérdéses dátumok esetén: „Elemezd ezt a dátumoszlopot. Azonosítsd az érvénytelen dátumokat, az inkonzisztens formátumokat és a kiugró értékeket.“ Olyan fuzzy duplikációkhoz, amelyeket egyetlen képlet sem fog ki: „Ez a fájl valószínűsíthető duplikációkat tartalmaz (ugyanazok a nevek enyhe helyesírási eltérésekkel). Azonosítsd őket, és javasolj egy konszolidált verziót.“ És tömeges kategorizáláshoz: „Íme 200 kiadási leírás. Kategorizáld mindegyiket az alábbi kategóriák egyikébe: Közlekedés, Étkezés, Szállás, Eszközök, Szolgáltatások, Egyéb.“
Akárcsak az összekapcsolásnál, itt is szabály marad egy minta átnézése ennél az utolsó esetben: az automatikus kategorizálás ritkán téved nagyot, de azért követ el hibákat. Nagy fájloknál ne futtasd le azonnal a teljes feldolgozást. Először kérj elemzést egy mintán, validáld a módszert, és csak ezután folytasd a teljes fájllal.
Az eredmény lekérése
Kifejezett kimeneti utasítások hiányában a ChatGPT szöveges formátumban jeleníti meg az eredményeket a chatben, így neked kell másolnod és beillesztened azokat. Kérj expliciten egy fájlt: „Generálj egy letölthető CSV-fájlt ezekkel az eredményekkel“, „Készíts egy Excel-fájlt két lappal: nyers adatok és összefoglaló“, vagy „Formázd meg ezeket az adatokat JSON-ként az API-nkba való integráláshoz.“ A rendszer előállítja a fájlt, és egy letöltési hivatkozás jelenik meg a beszélgetésben.
Ismétlődő munkafolyamatok iparosítása
Ha minden hónapban ugyanolyan típusú fájlt kapsz, írd meg egyszer a promptot, és használd újra: „Minden hónapban küldeni fogok neked egy bankszámlakivonat-PDF-et. Minden kivonat esetén azt szeretném, ha: (1) kinyernéd az összes tranzakciót, (2) kategorizálnád őket 6 kategóriába (Lakhatás, Élelem, Közlekedés, Szabadidő, Egészség, Egyéb), (3) kiszámolnád a kategóriánkénti összeget, (4) összehasonlítanád az előző hónappal, ha elérhető, (5) CSV-ként exportálnád az eredményt.” Egy dedikált projekt utasításai közé helyezve ez a prompt biztosítja a hónapról hónapra konzisztens feldolgozást, lehetővé téve az értelmes összehasonlítást. Ugyanakkor a bankszámlakivonat érzékeny adat: mielőtt feltöltenéd, mérd fel, mit engednek meg a csomagod és a kötelezettségeid.
Rajtad a sor
Tisztíts meg egy valódi fájlt. Vegyél elő egy fájlt a napi munkádból – egy CRM-exportot, munkaidő-nyilvántartást, kapcsolattartói listát vagy pénzügyi kimutatást –, és kérdezd meg: „Elemezd ezt a fájlt. Azonosítsd az adatminőségi problémákat (duplikációk, hiányzó értékek, inkonzisztens formátumok). Javasolj egy tisztítási tervet. Ezután alkalmazd a tisztítást, és generálj egy javított, letölthető fájlt.” Bölcsen válaszd ki ezt a fájlt: az egészségügyi adatok, társadalombiztosítási számok és bankszámlainformációk feltöltése előtt kockázatfelmérés szükséges.
Hivatalos források: Adatelemzés ChatGPT-vel · Fájlok és hanganyagok feltöltése a ChatGPT-be · Projektek a ChatGPT-ben (OpenAI Súgóközpont)
Főbb megállapítások
- A ChatGPT egyetlen kéréssel képes strukturált adatokat kinyerni rendezetlen dokumentumokból
- A fájlok összekapcsolása és az adatok normalizálása beszélgetéses úton történik
- A feldolgozott adatok lekéréséhez kérj explicit exportálást (CSV, Excel, JSON)
- Készíts újrahasználható promptokat havi vagy ismétlődő feladatokhoz
- Mindig ellenőrizd az eredményeket, különösen az összekapcsolás és az automatikus kategorizálás esetén