Salt la conținutul principal
Română— Alege o limbă
Meniu

Extragerea și transformarea datelor

Lecția 13 din 14 Actualizată 5 noiembrie 2026 Intermediar
Pe această pagină
  1. Extragerea datelor structurate din surse nestructurate
  2. Schimbarea formatelor
  3. Corelarea a două surse
  4. Curățarea și normalizarea
  5. Obținerea rezultatului
  6. Industrializarea fluxurilor de lucru recurente
  7. Pe rândul dumneavoastră
  8. Puncte cheie

Citirea unui fișier este doar primul pas. ChatGPT poate, de asemenea, să extragă date structurate din documente nestructurate, să le reformateze, să coreleze mai multe surse și să exporte rezultatele în formatul preferat de dumneavoastră. Această capacitate de transformare îl face un instrument autentic de procesare a datelor, nu doar un simplu cititor de documente.

Extragerea datelor structurate din surse nestructurate

Extragerea structurată înseamnă preluarea informațiilor dispersate într-un document și organizarea lor într-un format utilizabil. Pentru un lot de facturi PDF, cererea se rezumă la o singură propoziție: „Extrageți din fiecare factură următoarele: numărul facturii, data, furnizorul, suma fără TVA, TVA-ul și suma cu TVA. Prezentați totul sub formă de tabel.“ Același principiu se aplică unui raport anual cu cifre îngropate în paragrafe: „Extrageți toate cifrele financiare menționate în acest raport: venituri, profit net, marjă, număr de angajați. Organizați-le pe ani într-un tabel comparativ.“ Iar pentru un document pur textual: „Acest document menționează 15 contacte. Extrageți numele, companiile și funcțiile fiecărei persoane într-un tabel structurat.“ Firul comun al acestor trei cereri este lista explicită a câmpurilor așteptate. Această listă transformă un flux de text în date tabulare utilizabile, reprezentând una dintre cele mai valoroase capacități ale ChatGPT.

Schimbarea formatelor

Odată ce aveți datele, schimbarea formatului lor este tout aussi simplă. Faceți un CSV brut lizibil: „Creați un tabel lizibil cu anteturi clare. Traduceți numele coloanelor din engleză în franceză.“ Transformați un tabel într-o vizualizare: „Pe baza acestor date, generați o diagramă cu bare care să arate distribuția vânzărilor pe regiuni.“ Convertiți cifrele într-un suport de prezentare pentru o reuniune: „Transformați aceste date trimestriale în 3 diapozitive de sinteză: prezentare generală, cei mai buni performeri și puncte de alertă.“ Sau comutați între structuri tehnice: „Acest fișier JSON conține date despre produse. Convertiți-l într-un tabel CSV cu coloanele: nume, preț, categorie, stoc.“

Corelarea a două surse

Încărcați două fișiere în aceeași conversație, iar corelarea devine o simplă propoziție. Imaginați-vă o listă de clienți cu istoricul achizițiilor într-un fișier Excel și un sondaj de satisfacție într-un CSV: „Corelați aceste două fișiere după numele clientului. Pentru fiecare client, afișați suma totală a achizițiilor și scorul de satisfacție. Sortați după scorul de satisfacție în ordine descrescătoare. Identificați clienții cu potențial ridicat (achiziții mari + satisfacție ridicată) și clienții cu risc (achiziții mari + satisfacție scăzută).”

În mod normal, această operațiune ar necesita formule Excel complexe sau un script Python; aici, ea se realizează printr-o cerere conversațională. Cu atât mai mult motiv pentru a verifica rezultatul: potrivirea se bazează pe nume, iar omonimele sau greșelile de tastare pot distorsiona silențios asocierile. Verificați manual câteva rânduri înainte de a baza deciziile de afaceri pe rezultatul obținut.

Curățarea și normalizarea

Datele din lumea reală rareori sosesc curate, iar aici excелеază ChatGPT. Pentru formate eterogene: „În această coloană de numere de telefon, unele intrări folosesc formatul 06.12.34.56.78, altele +33612345678, iar altele 06 12 34 56 78. Normalizați-le pe toate în formatul internațional +33 6 12 34 56 78.“ Pentru date suspecte: „Analizați această coloană de date. Identificați datele invalide, formatele inconsistente și valorile aberante.“ Pentru duplicatele fuzzy pe care nicio formulă nu le poate detecta: „Acest fișier conține duplicate probabile (aceleași nume cu ușoare variații ortografice). Identificați-le și propuneți o versiune consolidată.“ Iar pentru categorizarea în masă: „Iată 200 de descrieri de cheltuieli. Categorizați fiecare într-una dintre aceste categorii: Transport, Mese, Cazare, Consumabile, Servicii, Altele.“

Ca și în cazul corelării, revizuirea unui eșantion rămâne regula pentru acest ultim caz: categorizarea automatizată rareori greșește grav, dar face totuși erori. Pentru fișierele mari, nu rulați imediat procesarea completă. Solicitați mai întâi o analiză pe un eșantion, validați metoda și apoi procedați cu întregul fișier.

Obținerea rezultatului

Fără instrucțiuni specifice de ieșire, ChatGPT va afișa rezultatele ca text în chat, lăsându-vă să copiați și să lipiți manual. Solicitați explicit un fișier: „Generează un fișier CSV descărcabil cu aceste rezultate“, „Creează un fișier Excel cu două tabele: date brute și sinteză“ sau „Formatează aceste date ca JSON pentru integrarea în API-ul nostru.“ Sistemul produce fișierul, iar un link de descărcare apare în conversație.

Industrializarea fluxurilor de lucru recurente

Dacă primiți același tip de fișier în fiecare lună, scrieți promptul o singură dată și reutilizați-l: „Îți voi trimite lunar un extras de cont bancar în PDF. Pentru fiecare extras, vreau să: (1) extragi toate tranzacțiile, (2) le categorizezi în 6 categorii (Locuință, Alimente, Transport, Loisir, Sănătate, Altele), (3) calculezi totalul per categorie, (4) compari cu luna precedentă dacă este disponibil, (5) exporți rezultatul ca CSV.” Plasat în instrucțiunile unui proiect dedicat, acest prompt asigură o procesare consistentă de la o lună la alta, permițând comparații relevante. Totuși, un extras de cont reprezintă date sensibile: evaluați ce permite planul dumneavoastră și care sunt obligațiile legale înainte de a-l încărca.

Transformarea datelor în patru pași Patru pași: extrageți câmpurile utile dintr-un document; corelați două surse pe o cheie comună; curățați și normalizați formatele; exportați rezultatul în CSV sau Excel. Verificați un eșantion la fiecare pas. EXTRAGE, CORELEAZĂ, CURĂȚĂ, EXPORTĂ Transformarea datelor în patru pași 1 Extrage Câmpuri utile 2 Corelează Pe o cheie comună 3 Curăță Formate, Duplicate 4 Exportă CSV sau Excel Verificați un eșantion la fiecare pas: un nume nepotrivit distorsionează silențios o corelare.
Bazat pe articolul „Data analysis with ChatGPT“ din Centrul de ajutor OpenAI (noiembrie 2026).

Pe rândul dumneavoastră

Curățați un fișier real. Luați un fișier din activitatea dumneavoastră zilnică – un export CRM, o foaie de pontaj, o listă de contacte sau un raport financiar – și întrebați: „Analizează acest fișier. Identifică problemele de calitate a datelor (duplicate, valori lipsă, formate inconsistente). Propune un plan de curățare. Apoi aplică curățarea și generează un fișier corectat descărcabil.“ Alegeți acest fișier cu înțelepciune: datele privind sănătatea, numerele de asigurări sociale și informațiile bancare necesită o evaluare a riscurilor înainte de încărcare.

Surse oficiale: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (Centrul de ajutor OpenAI)

Puncte cheie

  • ChatGPT poate extrage date structurate din documente nestructurate printr-o singură cerere
  • Corelarea fișierelor și normalizarea datelor se realizează conversațional
  • Solicitați explicit un export (CSV, Excel, JSON) pentru a recupera datele procesate
  • Creați prompturi reutilizabile pentru sarcinile lunare sau recurente
  • Verificați întotdeauna rezultatele, în special pentru corelări și categorizări automate