Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Estrarre e trasformare i dati

Lezione 13 di 14 Aggiornata il 5 novembre 2026 Intermedio
In questa pagina
  1. Estrarre dati strutturati da fonti non strutturate
  2. Cambiare formato
  3. Incrociare due fonti
  4. Pulire e normalizzare
  5. Recuperare il risultato
  6. Industrializzare i flussi di lavoro ricorrenti
  7. A te la parola
  8. Punti chiave

Leggere un file è solo il primo passo. ChatGPT può anche estrarre dati strutturati da documenti non strutturati, riformattarli, incrociarli con più fonti ed esportare i risultati nel formato che preferisci. Questa capacità di trasformazione lo rende un vero strumento di elaborazione dati, non un semplice lettore di documenti.

Estrarre dati strutturati da fonti non strutturate

L’estrazione strutturata consiste nel prendere informazioni sparse in un documento e organizzarle in un formato utilizzabile. Per un lotto di fatture PDF, la richiesta è una singola frase: «Estrai da ogni fattura: numero fattura, data, fornitore, importo imponibile, IVA e importo totale. Presenta tutto in una tabella». Lo stesso principio vale per un bilancio annuale con cifre sepolte nei paragrafi: «Estrai tutte le cifre finanziarie menzionate in questo rapporto: fatturato, utile netto, margine, effettivo. Organizzale per anno in una tabella comparativa». E per un documento puramente testuale: «Questo documento cita 15 contatti. Estrai nomi, aziende e ruoli di ciascuna persona in una tabella strutturata». Il filo conduttore di queste tre richieste è l’elenco esplicito dei campi attesi. Questo elenco trasforma un flusso di testo in dati tabellari utilizzabili, rappresentando una delle capacità più preziose di ChatGPT.

Cambiare formato

Una volta ottenuti i dati, cambiarne il formato è altrettanto semplice. Rendi leggibile un CSV grezzo: «Crea una tabella leggibile con intestazioni chiare. Traduci i nomi delle colonne dall’inglese all’italiano». Trasforma una tabella in un visual: «Sulla base di questi dati, genera un grafico a barre che mostri la distribuzione delle vendite per regione». Converti le cifre in una presentazione: «Trasforma questi dati trimestrali in 3 slide di sintesi: panoramica, migliori performer e punti di attenzione». Oppure passa tra strutture tecniche: «Questo file JSON contiene dati prodotto. Convertilo in una tabella CSV con le colonne: nome, prezzo, categoria, giacenza».

Incrociare due fonti

Carica due file nella stessa conversazione e l’incrocio diventa una singola frase. Immagina un elenco clienti con storico acquisti in un file Excel e un sondaggio di soddisfazione in un CSV: «Incrocia questi due file per nome cliente. Per ogni cliente, mostra l’importo totale degli acquisti e il punteggio di soddisfazione. Ordina per punteggio di soddisfazione in ordine decrescente. Identifica i clienti ad alto potenziale (acquisti elevati + alta soddisfazione) e i clienti a rischio (acquisti elevati + bassa soddisfazione)».

Normalmente, questa operazione richiederebbe formule Excel complesse o uno script Python; qui avviene tramite una richiesta conversazionale. Questo è un motivo in più per verificare il risultato: la corrispondenza si basa sui nomi e omonimi o errori di battitura possono distorcere silenziosamente gli abbinamenti. Controlla manualmente alcune righe prima di basare decisioni aziendali sull’output.

Pulire e normalizzare

I dati del mondo reale arrivano raramente puliti, ed è qui che ChatGPT eccelle. Per formati eterogenei: «In questa colonna di numeri di telefono, alcune voci usano il formato 06.12.34.56.78, altre +33612345678 e altre 06 12 34 56 78. Normalizzale tutte nel formato internazionale +33 6 12 34 56 78». Per date dubbie: «Analizza questa colonna di date. Identifica date non valide, formati incoerenti e valori anomali». Per duplicati approssimativi che nessuna formula può catturare: «Questo file contiene probabili duplicati (stessi nomi con lievi variazioni ortografiche). Identificali e proponi una versione consolidata». E per la categorizzazione in blocco: «Ecco 200 descrizioni di spese. Categorizza ciascuna in una di queste voci: Trasporti, Pasti, Alloggio, Forniture, Servizi, Altro».

Come per l’incrocio, la revisione di un campione rimane la regola anche in quest’ultimo caso: la categorizzazione automatica raramente sbaglia grossolanamente, ma commette errori. Per file di grandi dimensioni, non eseguire subito l’elaborazione completa. Richiedi prima un’analisi su un campione, valida il metodo e poi procedi con l’intero file.

Recuperare il risultato

Senza istruzioni specifiche sull’output, ChatGPT mostrerà i risultati come testo nella chat, lasciandoti il compito di copiare e incollare. Richiedi esplicitamente un file: «Genera un file CSV scaricabile con questi risultati», «Crea un file Excel con due schede: dati grezzi e sintesi» oppure «Formatta questi dati come JSON per l’integrazione nella nostra API». Il sistema produce il file e un link per il download appare nella conversazione.

Industrializzare i flussi di lavoro ricorrenti

Se ricevi lo stesso tipo di file ogni mese, scrivi il prompt una volta e riutilizzalo: «Ti invierò ogni mese un estratto conto bancario in PDF. Per ogni estratto, voglio che tu: (1) estrai tutte le transazioni, (2) le categorizzi in 6 voci (Abitazione, Alimentari, Trasporti, Svago, Salute, Altro), (3) calcoli il totale per categoria, (4) confronti con il mese precedente se disponibile, (5) esporti il risultato come CSV». Inserito nelle istruzioni di un progetto dedicato, questo prompt garantisce un’elaborazione coerente mese dopo mese, permettendo confronti significativi. Tuttavia, un estratto conto è un dato sensibile: valuta cosa il tuo piano e i tuoi obblighi consentono prima di caricarlo.

Trasformare i dati in quattro passaggi Quattro passaggi: estrarre i campi utili da un documento; incrociare due fonti su una chiave comune; pulire e normalizzare i formati; esportare il risultato in CSV o Excel. Verifica un campione a ogni passaggio. ESTRARRE, INCROCIARE, PULIRE, ESPORTARE Trasformare i dati in quattro passaggi 1 Estrarre Campi utili 2 Incrociare Su una chiave comune 3 Pulire Formati, duplicati 4 Esportare CSV o Excel Verifica un campione a ogni passaggio: un nome non corrispondente distorce silenziosamente un incrocio.
Basato sull'articolo "Data analysis with ChatGPT" del Centro assistenza OpenAI (novembre 2026).

A te la parola

Pulisci un file reale. Prendi un file del tuo lavoro quotidiano: un’esportazione CRM, un foglio ore, un elenco contatti o un rendiconto finanziario, e chiedi: «Analizza questo file. Identifica problemi di qualità dei dati (duplicati, valori mancanti, formati incoerenti). Proponi un piano di pulizia. Quindi applica la pulizia e genera un file corretto scaricabile». Scegli questo file con attenzione: dati sanitari, numeri di sicurezza sociale e informazioni bancarie richiedono una valutazione del rischio prima del caricamento.

Fonti ufficiali: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (Centro assistenza OpenAI)

Punti chiave

  • ChatGPT può estrarre dati strutturati da documenti non strutturati con una singola richiesta
  • L’incrocio di file e la normalizzazione dei dati avvengono in modo conversazionale
  • Richiedi esplicitamente un’esportazione (CSV, Excel, JSON) per recuperare i dati elaborati
  • Crea prompt riutilizzabili per compiti mensili o ricorrenti
  • Verifica sempre i risultati, specialmente per incroci e categorizzazioni automatiche