Gegevens extraheren en transformeren
Op deze pagina
Het lezen van een bestand is slechts de eerste stap. ChatGPT kan ook gestructureerde gegevens extraheren uit ongestructureerde documenten, deze herformatteren, meerdere bronnen met elkaar kruisverwijzen en de resultaten exporteren in uw gewenste formaat. Deze transformatiemogelijkheid maakt het tot een echt gegevensverwerkingsinstrument, niet slechts een documentlezer.
Gestructureerde gegevens extraheren uit ongestructureerde bronnen
Gestructureerde extractie betekent dat u informatie die verspreid door een document staat, organiseert in een bruikbaar formaat. Voor een batch PDF-facturen volstaat één zin: “Extraheer het volgende uit elke factuur: factuurnummer, datum, leverancier, bedrag exclusief btw, btw en bedrag inclusief btw. Presenteer alles in een tabel.” Hetzelfde principe geldt voor een jaarverslag met cijfers die begraven liggen in alinea’s: “Extraheer alle financiële cijfers die in dit verslag worden genoemd: omzet, nettowinst, marge, personeelsbestand. Organiseer ze per jaar in een vergelijkingstabel.” En voor een puur tekstueel document: “Dit document noemt 15 contactpersonen. Extraheer de namen, bedrijven en functietitels van elke persoon in een gestructureerde tabel.” De rode draad in deze drie verzoeken is de expliciete lijst van verwachte velden. Deze lijst verandert een stroom tekst in bruikbare tabeldata, wat een van de meest waardevolle mogelijkheden van ChatGPT vertegenwoordigt.
Formaten wijzigen
Zodra u de gegevens heeft, is het wijzigen van het formaat net zo eenvoudig. Maak een ruwe CSV leesbaar: “Maak een leesbare tabel met duidelijke koppen. Vertaal de kolomnamen van het Engels naar het Nederlands.” Zet een tabel om in een visualisatie: “Genereer op basis van deze gegevens een staafdiagram dat de verkoopverdeling per regio weergeeft.” Zet cijfers om in een presentatiedek: “Transformeer deze kwartaalgegevens in 3 samenvattende dia’s: overzicht, beste presteerders en aandachtspunten.” Of schakel tussen technische structuren: “Dit JSON-bestand bevat productgegevens. Zet dit om in een CSV-tabel met de kolommen: naam, prijs, categorie, voorraad.”
Twee bronnen kruisverwijzen
Upload twee bestanden naar hetzelfde gesprek en kruisverwijzen wordt een enkele zin. Stel u een klantenlijst met aankoopgeschiedenis in een Excel-bestand voor en een tevredenheidsenquête in een CSV: “Kruisverwijs deze twee bestanden op klantnaam. Toon voor elke klant het totale aankoopbedrag en de tevredenheidsscore. Sorteer op tevredenheidsscore in aflopende volgorde. Identificeer klanten met hoog potentieel (hoge aankopen + hoge tevredenheid) en klanten met een risico (hoge aankopen + lage tevredenheid).”
Normaal gesproken zou deze bewerking complexe Excel-formules of een Python-script vereisen; hier gebeurt het via een conversationeel verzoek. Dit is des te meer reden om het resultaat te verifiëren: de matching is gebaseerd op namen en homoniemen of typefouten kunnen de koppelingen stilletjes verstoren. Controleer handmatig een paar rijen voordat u bedrijfsbeslissingen baseert op de uitvoer.
Schoonmaken en normaliseren
Gegevens uit de praktijk zijn zelden schoon bij aankomst, en hier blinkt ChatGPT in uit. Voor heterogene formaten: “In deze kolom met telefoonnummers gebruiken sommige invoeren het formaat 06.12.34.56.78, andere +33612345678 en weer andere 06 12 34 56 78. Normaliseer ze allemaal naar het internationale formaat +33 6 12 34 56 78.” Voor twijfelachtige datums: “Analyseer deze datumkolom. Identificeer ongeldige datums, inconsistente formaten en uitbijters.” Voor vage duplicaten die geen enkele formule kan vangen: “Dit bestand bevat waarschijnlijke duplicaten (dezelfde namen met lichte spellingvariaties). Identificeer ze en stel een geconsolideerde versie voor.” En voor bulkcategorisering: “Hier zijn 200 beschrijvingen van onkosten. Categoriseer elk in een van deze categorieën: Vervoer, Maaltijden, Accommodatie, Benodigdheden, Diensten, Overig.”
Net als bij kruisverwijzen blijft het controleren van een steekproef de regel voor dit laatste geval: geautomatiseerde categorisering is zelden volledig fout, maar maakt wel fouten. Voor grote bestanden voert u niet direct de volledige verwerking uit. Vraag eerst een analyse op een steekproef, valideer de methode en ga vervolgens door met het volledige bestand.
Het resultaat ophalen
Zonder specifieke uitvoerinstructies zal ChatGPT resultaten als tekst in de chat weergeven, waardoor u zelf moet kopiëren en plakken. Vraag expliciet om een bestand: “Genereer een downloadbaar CSV-bestand met deze resultaten”, “Maak een Excel-bestand met twee tabbladen: ruwe data en samenvatting”, of “Formatteer deze data als JSON voor integratie in onze API”. Het systeem produceert het bestand en er verschijnt een downloadlink in het gesprek.
Terugkerende workflows industrialiseren
Als u elke maand hetzelfde type bestand ontvangt, schrijf het prompt dan één keer en hergebruik het: “Ik stuur u elke maand een PDF van een bankafschrift. Voor elk afschrift wil ik dat u: (1) alle transacties extraheert, (2) deze categoriseert in 6 categorieën (Wonen, Voedsel, Vervoer, Vrije tijd, Gezondheid, Overig), (3) het totaal per categorie berekent, (4) vergelijkt met de vorige maand indien beschikbaar, (5) het resultaat exporteert als CSV.” Als dit prompt in de instructies van een toegewijd project wordt geplaatst, zorgt dit voor consistente verwerking van maand tot maand, wat zinvolle vergelijkingen mogelijk maakt. Een bankafschrift bevat echter gevoelige gegevens: evalueer wat uw abonnement en verplichtingen toestaan voordat u het uploadt.
Aan de slag
Maak een echt bestand schoon. Neem een bestand uit uw dagelijkse werk—een CRM-export, urenstaat, contactenlijst of financieel overzicht—en vraag: “Analyseer dit bestand. Identificeer problemen met de datakwaliteit (duplicaten, ontbrekende waarden, inconsistente formaten). Stel een schoonmaakplan voor. Pas vervolgens de schoonmaak toe en genereer een gecorrigeerd downloadbaar bestand.” Kies dit bestand wijs: gezondheidsgegevens, burgerservicenummers en bankinformatie vereisen een risicobeoordeling voordat ze worden geüpload.
Officiële bronnen: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (OpenAI Help Center)
Belangrijkste punten
- ChatGPT kan in één verzoek gestructureerde gegevens extraheren uit ongestructureerde documenten
- Kruisverwijzen van bestanden en normaliseren van gegevens gebeurt conversationeel
- Vraag expliciet om een export (CSV, Excel, JSON) om de verwerkte gegevens op te halen
- Maak herbruikbare prompts voor maandelijkse of terugkerende taken
- Verifieer altijd de resultaten, vooral bij kruisverwijzingen en geautomatiseerde categorisering