Kombinuokite kelis duomenų šaltinius
Šiame puslapyje
Duomenų kryžminė analizė išsamesniems rezultatams
Galingiausi įžvalgų šaltiniai – tai kelių šaltinių kryžminė analizė. Pardavimai ir CRM, biudžetas prieš faktus, žiniatinklio analitika ir konversijos: atskirai kiekvienas failas pasakoja tik pusę istorijos. Juos sujungus atsiskleidžia dėsningumai, nematomi nė viename atskirame šaltinyje – pavyzdžiui, galite atrasti, kad didžiausią apyvartą generuojantys klientai iš tikrųjų yra mažiausiai pelningi pagal maržą.
Kelių failų importavimas
ChatGPT viename pokalbyje priima kelis failus. Geriausia praktika – įkelti juos sesijos pradžioje ir aiškiai nurodyti, ką kiekvienas jų turi. Tai sutaupys laiko, nereikės atsakinėti į patikslinimo klausimus vėliau, ir, svarbiausia, neleis ChatGPT neteisingai interpretuoti failo paskirties.
Here are 3 files:
1. sales_q1_2026.xlsx — sales transactions
2. clients_crm.csv — customer database with sector and size
3. targets_2026.csv — targets by region and month
I will ask you to cross-reference them for a complete analysis.
Įkelkite juos po vieną arba visus kartu; ChatGPT gali perskaityti juos visus savo Python aplinkoje. Leidžiamas failų skaičius viename pokalbyje priklauso nuo failo tipo, modelio, prenumeratos plano ir jūsų importo kvotos. Kai jūsų paskyroje yra atitinkamų papildinių, failus galite pridėti ir iš „Google Drive“, „OneDrive“ arba „SharePoint“. Kaip ir 1 pamokoje, palikite tik tas CRM stulpelius, kurie reikalingi sujungimui.
Lentelių sujungimas (joins)
Sujungimas (join) sujungia dvi lenteles pagal bendrą stulpelį: tai bet kokios kryžminės analizės pagrindas. Prašykite to aiškiai įvardydami raktą ir reikalaukite nedelsiant pranešti apie „našlaičių“ eilutes – tas, kurioms raktas neranda atitikmens.
Merge the sales file with the clients file
using the "id_client" column as the join key.
Show a preview of the result and flag any sales
without a matching client.
Rezultatas priklauso nuo pasirinkto sujungimo tipo, ir šis pasirinkimas niekada nėra neutralus: priklausomai nuo atvejo, arba prarasite pardavimų duomenis, arba paliksite nepilnas eilutes.
| Sujungimo tipas | Elgsena | Kada naudoti |
|---|---|---|
| Vidinis sujungimas (Inner join) | Palieka tik atitikmenis | Griežta analizė, jokių nepilnų duomenų |
| Kairysis sujungimas (Left join) | Palieka visas pirminės lentelės eilutes | Papildyti pardavimus klientų informacija (net jei klientas nežinomas) |
| Išorinis sujungimas (Outer join) | Palieka visas abiejų lentelių eilutes | Nustatyti neatitikimus tarp dviejų šaltinių |
Jums nereikia žinoti šios terminijos, kad galėtumėte ja naudotis. Tiesiog aprašykite norimą rezultatą, nurodydami, kaip tvarkyti neatitikusius atvejus.
I want to enrich my sales data with client info.
Keep all sales, even those where the client
is not in the CRM (mark these as "Unknown").
ChatGPT šį prašymą paverčia sujungimu – šiuo atveju kairiuoju sujungimu, nes jokie pardavimai neturi dingti iš bendros sumos; patikrinkite tai kode. Formulavimas svarbus: jei būtumėte tiesiog parašę „sukryžiuokite abu failus“ be papildomo tikslinimo, vidinis sujungimas galėjo pašalinti visas pajamas, kurių klientų nėra CRM sistemoje.
Biudžeto ir faktų palyginimas
Dažniausia veiklos valdymo kryžminė analizė priešpriešina du skirtingų komandų sukurtus failus: vienoje pusėje – metų pradžioje nustatyti tikslai, kitoje – agreguoti pardavimai. Ypatumas tas, kad sujungimo raktas yra sudėtinis – regionas ir mėnuo, nes nė vienas stulpelis atskirai nepakankamas eilutei identifikuoti.
Cross-reference the targets file (columns: region, month, target_revenue)
with the aggregated sales file (region, month, actual_revenue).
Calculate the variance in euros and percentage for each combination.
Flag any instances where the target was not met.
Papildymas išoriniais duomenimis
Etaloninis failas leidžia pridėti matmenį, kurio nėra nė viename jūsų pardavimų duomenų šaltinyje. Klasikinis atvejis – pašto kodas: esantis kiekviename užsakyme, jis atrakina geografinę analizę, kai susiejamas su paieškos lentele. ChatGPT Python aplinka neturi prieigos prie interneto: atsisiųskite šią lentelę iš oficialaus šaltinio, tada pridėkite ją.
Here is a reference file with postal codes
and French administrative regions.
Add a "region" column to my sales data
using the postal code as the key.
Tas pats mechanizmas sujungia du dažniausiai izoliuotus pasaulius: skaitmeninę rinkodarą ir prekybą. Sietinant srautą su pardavimais, atskleidžiami puslapiai, kurie pritraukia lankytojų, bet nekonvertuoja jų – tie, kurių auditorija gražina rinkodaros ataskaitas, tačiau niekada nepildo užsakymų knygos.
File 1: Web traffic by product page (page_url, visits, bounce_rate)
File 2: Sales by product (product, revenue, quantity)
Cross-reference the two files on the product name.
Calculate the conversion rate (sales / visits) per product.
Which product has the best visits-to-sales ratio?
Neatitikimų tarp šaltinių valdymas
Duomenų šaltiniai retai turi tą patį formatą, ir būtent čia sujungimai tyliamai žlunga. Nuolat pasikartoja trys problemos. Pirmoji susijusi su stulpelių pavadinimais, kurie tą pačią informaciją žymi skirtingai, nes dvi komandos juos pavadino atskirai.
In the sales file, the column is named "client_id".
In the CRM, it is named "customer_identifier".
Perform the join by mapping these two columns.
Antroji problema – datos, kurių granuliariškumas ir formatavimas skiriasi nuo sistemos iki sistemos. Suderinimas turi vykti prieš sujungimą, o ne po jo: kai eilutės jau nesutampa, niekas nebeleis atsekti klaidos šaltinio.
Sales use the DD/MM/YYYY format.
Targets use the YYYY-MM format.
Harmonize both to month (YYYY-MM) before cross-referencing.
Trečioji problema – kategorinės reikšmės, kai paprastas raidžių dydžio ar diakritinių ženklų skirtumas lemia atitikimo nebuvimą, nors žmogus skaitytojas čia nematytų jokio dviprasmiškumo.
In sales, regions are uppercase (ILE-DE-FRANCE).
In the CRM, they are mixed case with accents (Île-de-France).
Normalize both before the join.
Jokios šios atsargumo priemonės nepakeičia galutinio patikrinimo būtinybės. Nepavykęs sujungimas neišmeta klaidos pranešimo: jis tiesiog sukuria mažesnę lentelę, kuri atrodo visiškai tvarkinga, ir niekas to nepastebi iki pat susirinkimo. Todėl sistemingai prašykite santraukos.
After the join, how many rows were lost?
How many rows found no match?
Show 5 examples of non-matches.
Daugiamatė kryžminė analizė
Kai šaltiniai sujungti, galite kryžminti matmenis, kurie anksčiau buvo atskirti. Tai tikroji viso šio techninio darbo nauda ir momentas, kai ji tampa matoma.
Now that I have sales enriched with CRM info:
1. Revenue by client industry sector AND by product category
2. Average order value by company size (Micro, Small, Medium, Large)
3. Top 10 most profitable combinations (sector × product)
Šios analizės būtų neįmanomos naudojant tik vieną failą: pardavimų faile nėra informacijos apie kliento įmonės dydį, o CRM sistemoje – ką jie perka. Būtent kryžminė analizė galiausiai leidžia užduoti klausimą, kuris rūpi komercinei vadovybei: kokio tipo klientas perka kokio tipo produktą.
Tavo eilė
Tavo pirmoji kryžminė analizė.
- Pasirink du failus, turinčius bendrą raktą: pardavimai ir CRM, biudžetas ir faktai.
- Pristatyk juos ChatGPT, nurodydamas kiekvieno vaidmenį.
- Prieš sujungimą suderink stulpelių pavadinimus, datas ir reikšmes.
- Aprašyk, kaip tvarkyti neatitikusias eilutes, tada atlik sujungimą.
- Paprašyk prarastų eilučių santraukos ir peržiūrėk penkis pavyzdžius.
Oficialūs šaltiniai: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT („OpenAI Help Center“)
Svarbiausi punktai
- Importuok kelis failus į tą patį pokalbį, kad galėtum atlikti jų kryžminę analizę.
- Aprašyk sujungimo logiką natūralia kalba, tada patikrink sujungimo tipą kode.
- Prieš sujungdami suderinkite formatus (datas, pavadinimus, raidžių dydį).
- Visada tikrink eilučių skaičių prieš sujungimą ir po jo.
- Kelių šaltinių kryžminė analizė atskleidžia įžvalgas, nematomas jokiame izoliuotame šaltinyje.