Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Meerdere gegevensbronnen combineren

Les 13 van 14 Bijgewerkt op 5 november 2026 Gemiddeld
Op deze pagina
  1. Gegevens kruisverwijzen voor een rijker analyse
  2. Meerdere bestanden importeren
  3. Tabellen samenvoegen (joins)
  4. Begroting versus realisatie vergelijken
  5. Verrijken met externe gegevens
  6. Inconsistenties tussen bronnen afhandelen
  7. Multidimensionale kruisanalyse
  8. Aan de slag
  9. Belangrijkste punten

Gegevens kruisverwijzen voor een rijker analyse

De krachtigste inzichten ontstaan door meerdere bronnen te kruisverwijzen. Verkoop en CRM, begroting versus realisatie, webanalytics en conversies: apart vertelt elk bestand slechts de helft van het verhaal. Door ze te combineren, komen patronen aan het licht die in geen enkele afzonderlijke bron zichtbaar zijn. U ontdekt bijvoorbeeld dat uw klanten met het hoogste volume eigenlijk de minst winstgevende zijn qua marge.

Meerdere bestanden importeren

ChatGPT accepteert meerdere bestanden in één gesprek. De beste werkwijze is om ze aan het begin van de sessie te uploaden en expliciet te vermelden wat elk bestand bevat. Dit bespaart u het beantwoorden van verduidelijkingsvragen later en, nog belangrijker, voorkomt het dat ChatGPT de rol van een bestand verkeerd interpreteert.

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.

Upload ze één voor één of allemaal tegelijk; ChatGPT kan ze allemaal lezen binnen zijn Python-omgeving. Het aantal toegestane bestanden per gesprek varieert per bestandstype, model, abonnementsplan en uw importquotum. U kunt ook bestanden bijvoegen vanuit Google Drive, OneDrive of SharePoint wanneer de bijbehorende plug-ins beschikbaar zijn voor uw account. Houd, net als in Les 1, alleen de kolommen uit het CRM die nodig zijn voor de koppeling.

Tabellen samenvoegen (joins)

Een join combineert twee tabellen op basis van een gemeenschappelijke kolom: dit is de kern van elke kruisverwijzing. Vraag dit aan door de sleutel expliciet te benoemen en eis directe rapportage over weesrijen—die waarbij de sleutel geen overeenkomst vindt.

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.

Het resultaat hangt af van het type join dat u kiest, en deze keuze is nooit neutraal: afhankelijk van het geval verliest u verkoopgegevens of behoudt u onvolledige rijen.

JointypeGedragWanneer gebruiken
Inner joinBehoudt alleen overeenkomstenStrikte analyse, geen onvolledige gegevens
Left joinBehoudt alle rijen van de primaire tabelVerrijk verkoop met klantinfo (ook als de klant onbekend is)
Outer joinBehoudt alle rijen van beide tabellenIdentificeer discrepanties tussen twee bronnen

U hoeft deze jargon niet te kennen om het te gebruiken. Beschrijf simpelweg het gewenste resultaat en specificeer hoe u met niet-overeenkomende gevallen wilt omgaan.

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 vertaalt dit verzoek naar een join—in dit geval een left join, omdat geen enkele verkoop uit het totaal mag verdwijnen; verifieer dit in de code. Formulering is belangrijk: als u simpelweg had geschreven “kruisverwijs de twee bestanden” zonder verdere precisering, had een inner join uw omzetcijfers kunnen ontdoen van alle klanten die ontbraken in het CRM.

Begroting versus realisatie vergelijken

De meest voorkomende kruisverwijzing in prestatiemanagement zet twee bestanden tegenover elkaar die door verschillende teams zijn opgesteld: aan het begin van het jaar vastgestelde doelen aan de ene kant, geaggregeerde verkopen aan de andere. De twist hier is de joinsleutel, die samengesteld is—regio en maand—omdat geen enkele kolom afzonderlijk voldoende is om een rij te identificeren.

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.

Verrijken met externe gegevens

Een referentiebestand stelt u in staat een dimensie toe te voegen die nergens in uw verkoopdata bestaat. Het klassieke geval is de postcode: aanwezig in elke bestelling, ontsluit het geografische analyse zodra het gekoppeld wordt aan een opzoektabel. De Python-omgeving van ChatGPT heeft geen toegang tot het web: download deze tabel van een officiële bron en voeg deze vervolgens bij.

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.

Hetzelfde mechanisme overbrugt twee doorgaans gescheiden werelden: digitale marketing en commerce. Het correleren van verkeer met verkoop onthult pagina’s die bezoekers trekken maar niet converteren—pagina’s waarvan het publiek marketingrapporten mooier maakt zonder ooit de orderboeken te vullen.

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?

Inconsistenties tussen bronnen afhandelen

Gegevensbronnen delen zelden hetzelfde formaat, en dit is precies waar joins stilzwijgend falen. Drie problemen keren constant terug. Het eerste betreft kolomnamen, die dezelfde informatie anders labelen omdat twee teams ze afzonderlijk hebben benoemd.

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.

Het tweede betreft datums, waarbij de granulariteit en opmaak per systeem verschillen. Harmonisatie moet samenvoegen voorafgaan, nooit volgen: zodra rijen niet overeenkomen, is er niets meer waarmee u de fout kunt traceren.

Sales use the DD/MM/YYYY format.
Targets use the YYYY-MM format.
Harmonize both to month (YYYY-MM) before cross-referencing.

Het derde betreft categorische waarden, waarbij een simpel verschil in hoofdletters of accentuatie ervoor zorgt dat koppelingen mislukken, hoewel een menselijke lezer geen ambiguïteit zou zien.

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.

Geen van deze voorzorgsmaatregelen vervangt de noodzaak van een finale controle. Een mislukte join produceert geen foutmelding: het produceert een kleinere tabel, perfect presenteerbaar, en niemand merkt het tot de vergadering. Vraag daarom systematisch om een samenvatting.

After the join, how many rows were lost?
How many rows found no match?
Show 5 examples of non-matches.

Multidimensionale kruisanalyse

Zodra bronnen zijn samengevoegd, kunt u dimensies kruisverwijzen die voorheen gescheiden waren. Dit is het echte voordeel van al dit leidingwerk, en het moment waarop het zichtbaar wordt.

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)

Deze analyses zouden onmogelijk zijn met één enkel bestand: het verkoopbestand negeert de grootte van het bedrijf van de klant, en het CRM negeert wat ze kopen. Kruisverwijzing is wat u eindelijk in staat stelt de vraag te stellen waar het commerciële leiderschap om geeft: welk type klant koopt welk type product.

Twee bronnen kruisverwijzen zonder rijen te verliezen Vijf stappen: beschrijf de rol van elk bestand; lijn kolomnamen, datums en waarden op; join op een expliciete sleutel; controleer op verloren rijen; kruisverwijs dimensies. JOINS Twee bronnen kruisverwijzen zonder rijen te verliezen 1 Beschrijven Rol 2 Uitlijnen Formaten 3 Joinen Sleutel 4 Verifiëren Rijen 5 Kruisverwijzen Dimensies Een mislukte join produceert geen fout: het produceert een kleinere tabel.
Lesmethode; datasets samenvoegen op basis van het artikel "Extracting Insights with ChatGPT Data Analysis" van het OpenAI Help Center (november 2026).

Aan de slag

Uw eerste kruisverwijzing.

  1. Kies twee bestanden die een sleutel delen: verkoop en CRM, begroting en realisatie
  2. Presenteer ze aan ChatGPT en vermeld de rol van elk
  3. Harmoniseer kolomnamen, datums en waarden vóór de join
  4. Beschrijf hoe u omgaat met niet-overeenkomende rijen en voer vervolgens de join uit
  5. Vraag om een samenvatting van verloren rijen en onderzoek vijf voorbeelden

Officiële bronnen: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Belangrijkste punten

  • Importeer meerdere bestanden in hetzelfde gesprek om ze te kruisverwijzen
  • Beschrijf de join-logica in natuurlijke taal en verifieer vervolgens het join-type in de code
  • Harmoniseer formaten (datums, namen, hoofdlettergebruik) vóór het samenvoegen
  • Controleer altijd het aantal rijen vóór en na de join
  • Kruisverwijzing van meerdere bronnen onthult inzichten die in geen enkele geïsoleerde bron zichtbaar zijn