Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Adatok kinyerése és átalakítása

13. lecke 14 közül Frissítve 2026. november 5. Középhaladó
Ezen az oldalon
  1. Strukturált adatok kinyerése rendezetlen forrásokból
  2. Formátumok megváltoztatása
  3. Két forrás összekapcsolása
  4. Tisztítás és normalizálás
  5. Az eredmény lekérése
  6. Ismétlődő munkafolyamatok iparosítása
  7. Rajtad a sor
  8. Főbb megállapítások

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.

Adatok átalakítása négy lépésben Négy lépés: hasznos mezők kinyerése egy dokumentumból; két forrás összekapcsolása egy közös kulcs alapján; formátumok tisztítása és normalizálása; az eredmény exportálása CSV-be vagy Excelbe. Minden lépésnél ellenőrizz egy mintát. KINYERÉS, ÖSSZEKAPCSOLÁS, TISZTÍTÁS, EXPORTÁLÁS Adatok átalakítása négy lépésben 1 Kinyerés Hasznos mezők 2 Összekapcsolás Közös kulcs alapján 3 Tisztítás Formátumok, duplikációk 4 Exportálás CSV vagy Excel Ellenőrizz egy mintát minden lépésnél: egy rosszul egyeztetett név csendben eltorzítja az összekapcsolást.
Az OpenAI Súgóközpont „Adatelemzés ChatGPT-vel“ című cikke alapján (2026. november).

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