Salt la conținutul principal
Română— Alege o limbă
Meniu

Puneți întrebări datelor dumneavoastră în limbaj natural

Lecția 2 din 14 Actualizată 5 noiembrie 2026 Intermediar
Pe această pagină
  1. Interogați-vă datele ca și cum ați vorbi cu un coleg
  2. Principiul: De la limbaj natural la cod Python
  3. Tipuri de întrebări pe care le puteți pune
  4. Formularea unor întrebări eficiente
  5. Iterarea asupra rezultatelor
  6. Mai multă gândire pentru analize complexe
  7. Pe rândul dumneavoastră
  8. Puncte cheie

Interogați-vă datele ca și cum ați vorbi cu un coleg

Cel mai mare avantaj al ChatGPT pentru analiza datelor se rezumă la un singur lucru: înțelege întrebările dumneavoastră în limbaj curent. Nu aveți nevoie de SQL, Python sau de o formulă Excel imbricată pe trei niveluri. Descrieți exact ceea ce căutați, așa cum i-ați explica unui coleg analist care se uită la același fișier, iar ChatGPT va traduce intenția dumneavoastră în cod executabil. Această schimbare este reală și modifică natura muncii: efortul dumneavoastră se mută de la sintaxă la formularea întrebării corecte.

Principiul: De la limbaj natural la cod Python

Când puneți o întrebare despre datele dumneavoastră, iată ce se întâmplă în spatele scenei:

De la limbaj natural la rezultat Patru pași: puneți întrebarea în limbaj curent; ChatGPT scrie codul Python, adesea folosind pandas; codul rulează într-un notebook Jupyter; rezultatul sosește sub formă de tabel, număr sau grafic. PRINCIPIU De la limbaj natural la rezultat 1 Întrebare În limbaj curent 2 Cod Python, adesea pandas 3 Execuție Într-un notebook Jupyter 4 Rezultat Tabel, număr, grafic Afișați codul și revizuiți ipotezele înainte de a avea încredere în rezultat.
Bazat pe articolul „Data analysis with ChatGPT“ din Centrul de ajutor OpenAI (noiembrie 2026).

Acest cod nu este o cutie neagră: îl puteți afișa, revizui și puteți cere ChatGPT să ajusteze metoda. Rețineți că mediul Python nu are acces la web: dacă analiza dumneavoastră necesită date externe, importați-le sau conectați o sursă.

Tipuri de întrebări pe care le puteți pune

Întrebările de rezumat vă ajută să vă faceți o idee despre fișier înainte de a intra în detalii: „Câte rânduri și coloane are acest fișier?“, „Oferiți-mi o prezentare generală a datelor“ sau „Ce coloane sunt disponibile și care sunt tipurile lor?“. Aceste întrebări vă împiedică să începeți o analiză care presupune o granularitate pe care datele dumneavoastră nu o au – nu puteți calcula coșul mediu per client dacă fișierul este deja agregat pe regiuni.

Urmează întrebările de agregare, care condensează mii de rânduri în numere acționabile: „Care este volumul total al vânzărilor pe categorie de produs?“, „Care este coșul mediu pe lună?“, „Câți clienți unici pe trimestru?“. Acesta este nucleul raportării lunare și, adesea, reprezintă jumătate din munca pe care vi se va cere să o faceți.

Întrebările de filtrare izolează apoi un subset relevant – „Afișați-mi doar vânzările peste 10.000 €“, „Ce produse nu au avut vânzări în martie?“, „Listați clienții din regiunea Île-de-France“ – în timp ce întrebările de clasament ordonează datele pentru a evidenția extremele: „Cine sunt primii 10 agenți de vânzări?“, „Clasați regiunile după venituri în ordine descrescătoare“, „Care lună a avut cele mai bune rezultate?“. În practică, o analiză serioasă înlănțuie toate cele patru tipuri: rezumați, agregați, filtrați anomalia pe care ați observat-o, apoi clasificați pentru a prioritiza acțiunea. De asemenea, puteți selecta rânduri, coloane sau celule în previzualizarea tabelului interactiv, apoi puteți pune întrebarea doar despre acea selecție – cea mai frecventă valoare dintr-o coloană, media câtorva celule.

Formularea unor întrebări eficiente

Calitatea răspunsului depinde direct de claritatea întrebării dumneavoastră. Primul reflex ar trebui să fie numirea coloanelor, mai degrabă decât vorbirea în generalități. „Analizați vânzările“ îl lasă pe ChatGPT să ghicească ce coloană conține suma; această formulare nu lasă loc de interpretare:

Calculate the total of the "amount_incl_tax" column grouped by "region"
and sorted from highest to lowest.

Al doilea reflex este să specificați formatul de ieșire dorit. În caz contrar, veți primi un răspuns scris când aveati nevoie de un tabel pentru a-l lipi în raport, și veți pierde timpul economisit la calcul reformatand:

Give me the result as a table with these columns:
region, total sales, number of transactions, average basket size.

Al treilea, adesea neglijat, este furnizarea contextului de afaceri pe care fișierul nu îl conține. ChatGPT nu știe că anumite rânduri nu ar trebui incluse în calcul:

The "status" column contains "approved", "pending", and "cancelled".
Only include approved orders.

Fără această clarificare, comenzile anulate vă umflă veniturile, iar eroarea trece neobservată: rezultatul pare încă perfect plauzibil. Acesta este tipul de greșeală care se strecoară neobservat într-o ședință executivă.

Iterarea asupra rezultatelor

Analiza datelor este rareori liniară, iar nu vi se cere să găsiți întrebarea corectă din prima încercare. Începeți prin a cere veniturile totale pe lună, observați o scădere în februarie, apoi întrebați de ce a avut loc acea scădere. Dacă răspunsul rămâne vag, filtrați categoria „premium“ și recalculați, apoi comparați cu aceeași perioadă a anului precedent pentru a determina dacă este o sezonalitate cunoscută sau un incident.

ChatGPT păstrează contextul conversației și fișierul încărcat, astfel încât fiecare întrebare se bazează pe cele anterioare. Acest lucru face posibilă explorarea progresivă: scăderea din februarie, odată izolată în segmentul premium, ar putea fi explicată de un singur client major care a trecut la un competitor – o concluzie inaccesibilă din prima întrebare.

Mai multă gândire pentru analize complexe

Unele întrebări nu pot fi rezolvate cu o simplă agregare. Corelații încrucișate, analize din surse multiple, interpretări nuanțate: ori de câte ori este nevoie de raționament în mai mulți pași, alegeți un nivel de gândire mai ridicat în selectorul ChatGPT – High sau Extra High, în funcție de planul dumneavoastră, sau butonul Think pe planurile Free și Go. Gândirea suplimentară ajută la luarea în considerare a factorilor care ar putea explica o legătură între două variabile înainte de a concluziona cauzalitatea, la identificarea unor modele subtile – o sezonalitate deplasată cu trei săptămâni, un segment în declin trimestru după trimestru – și la construirea de recomandări pe baza numerelor calculate. Totuși, nicio setare nu transformă corelația în cauzalitate: aici intervin cunoștințele dumneavoastră de domeniu și, uneori, un test.

Pe rândul dumneavoastră

Primele dumneavoastră întrebări.

  1. Importați un fișier pe care îl cunoașteți bine
  2. Puneți o întrebare din fiecare familie: rezumat, agregare, filtrare, clasament
  3. Reformulați una dintre ele numind coloanele și specificând formatul de ieșire, apoi comparați cele două răspunsuri
  4. Adăugați o regulă de afaceri – de exemplu, excludeți comenzile anulate – și măsurați diferența
  5. Afișați codul pentru un calcul și verificați-l manual pe două sau trei rânduri

Surse oficiale: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (Centrul de ajutor OpenAI) · Prompting (Documentația ChatGPT)

Puncte cheie

  • Puneți întrebări în limbaj curent; ChatGPT le traduce în cod
  • Fiți specifici: numiți coloanele, specificați filtrele, indicați formatul dorit
  • Iterați în cadrul aceleiași conversații pentru a aprofunda analiza
  • Ridicați nivelul de gândire pentru analizele în mai mulți pași
  • Verificați întotdeauna rezultatele – ChatGPT poate interpreta greșit o coloană