Poni domande ai tuoi dati in linguaggio naturale
In questa pagina
Interroga i tuoi dati come se parlassi con un collega
Il vantaggio principale di ChatGPT per l’analisi dei dati si riduce a una cosa: comprende le tue domande in italiano corrente. Non hai bisogno di SQL, Python o di formule Excel annidate su tre livelli. Descrivi semplicemente ciò che cerchi esattamente come lo diresti a un collega analista che guarda lo stesso file: ChatGPT tradurrà la tua intenzione in codice eseguibile. Questo cambiamento è reale e trasforma la natura del lavoro: il tuo sforzo si sposta dalla sintassi alla formulazione della domanda giusta.
Il principio: dal linguaggio naturale al codice Python
Quando poni una domanda sui tuoi dati, ecco cosa succede dietro le quinte:
Questo codice non è una scatola nera: puoi visualizzarlo, esaminarlo e chiedere a ChatGPT di modificare il metodo. Tieni presente che l’ambiente Python non ha accesso al web: se la tua analisi richiede dati esterni, importali o collega una fonte.
Tipi di domande che puoi porre
Le domande di riepilogo ti aiutano a farti un’idea del file prima di approfondire i dettagli: “Quante righe e colonne ha questo file?”, “Dammi una panoramica generale dei dati” oppure “Quali colonne sono disponibili e quali sono i loro tipi?”. Queste domande ti evitano di avviare un’analisi che presuppone una granularità che i tuoi dati non possiedono: non puoi calcolare la dimensione media del carrello per cliente se il file è già aggregato per regione.
Seguono le domande di aggregazione, che condensano migliaia di righe in numeri utilizzabili: “Qual è il totale delle vendite per categoria di prodotto?”, “Qual è la dimensione media del carrello per mese?”, “Quanti clienti unici per trimestre?”. Questo è il cuore del reporting mensile e spesso rappresenta la metà del lavoro che ti verrà richiesto.
Le domande di filtraggio isolano poi un sottoinsieme rilevante: “Mostrami solo le vendite superiori a 10.000 €”, “Quali prodotti non hanno avuto vendite a marzo?”, “Elenca i clienti nella regione Île-de-France”; mentre le domande di classifica ordinano i dati per evidenziare gli estremi: “Chi sono i primi 10 venditori?”, “Classifica le regioni per fatturato in ordine decrescente”, “Quale mese ha performato meglio?”. Nella pratica, un’analisi seria concatena tutti e quattro i tipi: riassumi, aggregi, filtri l’anomalia che hai individuato, poi classifichi per dare priorità all’azione. Puoi anche selezionare righe, colonne o celle nell’anteprima interattiva della tabella, quindi porre la tua domanda solo su quella selezione: il valore più frequente in una colonna, la media di alcune celle.
Formulare domande efficaci
La qualità della risposta dipende direttamente da quanto è chiara la tua domanda. Il tuo primo riflesso dovrebbe essere nominare le colonne invece di parlare in generalità. “Analizza le vendite” lascia ChatGPT nell’incertezza su quale colonna contenga l’importo; questa formulazione non lascia spazio all’interpretazione:
Calcola il totale della colonna "amount_incl_tax" raggruppato per "region"
e ordinato dal più alto al più basso.
Il tuo secondo riflesso è specificare il formato di output desiderato. Altrimenti, riceverai una risposta testuale quando ti serviva una tabella da incollare nel tuo report, e perderai il tempo risparmiato sul calcolo dover riformattare:
Dammi il risultato come tabella con queste colonne:
regione, totale vendite, numero di transazioni, dimensione media del carrello.
Il terzo, spesso trascurato, è fornire il contesto aziendale che il file non contiene. ChatGPT non sa che certe righe non dovrebbero essere incluse nel calcolo:
La colonna "status" contiene "approved", "pending" e "cancelled".
Includi solo gli ordini approvati.
Senza questa precisazione, i tuoi ordini annullati gonfiano il fatturato e l’errore passa inosservato: il risultato sembra comunque perfettamente plausibile. Questo è il tipo di errore che scivola inosservato durante una riunione dirigenziale.
Iterare sui risultati
L’analisi dei dati è raramente lineare e non ci si aspetta che tu trovi la domanda giusta al primo tentativo. Inizi chiedendo il fatturato totale per mese, noti un calo a febbraio, poi chiedi perché si è verificato quel calo. Se la risposta rimane vaga, filtri sulla categoria “premium” e ricalcoli, quindi confronti con lo stesso periodo dell’anno precedente per determinare se si tratta di una stagionalità nota o di un incidente.
ChatGPT mantiene il contesto della conversazione e il file caricato, quindi ogni domanda si basa su quelle precedenti. Questo rende possibile un’esplorazione progressiva: il calo di febbraio, una volta isolato nel segmento premium, potrebbe essere spiegato da un singolo grande cliente passato a un concorrente: una conclusione irraggiungibile dalla prima domanda.
Più ragionamento per analisi complesse
Alcune domande non possono essere risolte con una semplice aggregazione. Correlazioni incrociate, analisi multi-sorgente, interpretazioni sfumate: ogni volta che è necessario un ragionamento a più passaggi, scegli un livello di pensiero superiore nel selettore di ChatGPT: Alto o Molto Alto a seconda del tuo piano, oppure il pulsante Pensa (Think) sui piani Free e Go. Il ragionamento aggiuntivo aiuta a considerare fattori che potrebbero spiegare un legame tra due variabili prima di concludere sulla causalità, individuare schemi sottili (una stagionalità spostata di tre settimane, un segmento in calo trimestre dopo trimestre) e costruire raccomandazioni partendo dai numeri calcolati. Nessuna impostazione, tuttavia, trasforma la correlazione in causalità: è qui che la tua conoscenza del settore e, talvolta, un test, fanno la differenza.
A te la parola
Le tue prime domande.
- Importa un file che conosci bene
- Poni una domanda per ciascuna famiglia: riepilogo, aggregazione, filtraggio, classifica
- Riformulane una nominando le colonne e specificando il formato di output, quindi confronta le due risposte
- Aggiungi una regola aziendale (ad esempio, escludi gli ordini annullati) e misura la differenza
- Visualizza il codice per un calcolo e verificalo manualmente su due o tre righe
Fonti ufficiali: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (Centro assistenza OpenAI) · Prompting (documentazione ChatGPT)
Punti chiave
- Poni domande in linguaggio naturale; ChatGPT le traduce in codice
- Sii specifico: nomina le colonne, specifica i filtri, indica il formato desiderato
- Itera all’interno della stessa conversazione per approfondire la tua analisi
- Aumenta il livello di pensiero per le analisi a più passaggi
- Verifica sempre i risultati: ChatGPT può interpretare male una colonna