Kládť otázky svojim dátam v prirodzenom jazyku
Na tejto strane
Dopytuj sa na svoje dáta, akoby si hovoril s kolegom
Najväčšou výhodou ChatGPT pri analýze dát je jedna vec: rozumie tvojim otázkam v bežnej reči. Nepotrebuješ SQL, Python ani zložité vnorené vzorce v Exceli. Stačí presne opísať, čo hľadáš, rovnako ako by si to povedal kolegovi analytikovi, ktorý sa pozerá na ten istý súbor, a ChatGPT preloží tvoj zámer do spustiteľného kódu. Táto zmena je reálna a mení povahu práce: tvoje úsilie sa presúva od syntaxe k formulovaniu správnej otázky.
Princíp: Od prirodzeného jazyka po kód v Pythone
Keď sa opýtaš otázku týkajúcu sa tvojich dát, toto sa deje na pozadí:
Tento kód nie je čiernou skrinkou: môžeš si ho zobraziť, skontrolovať a požiadať ChatGPT o úpravu metódy. Všimni si, že prostredie Pythonu nemá prístup na web: ak tvoja analýza potrebuje externé dáta, musíš ich importovať alebo pripojiť zdroj.
Typy otázok, ktoré môžeš položiť
Otázky typu zhrnutie ti pomôžu získať prehľad o súbore ešte predtým, než sa ponoríš do detailov: „Koľko riadkov a stĺpcov má tento súbor?“, „Poskytni mi všeobecný prehľad o dátach“ alebo „Aké stĺpce sú k dispozícii a aké majú typy?“ Tieto otázky ti zabránia začať analýzu, ktorá predpokladá granularitu, ktorú tvoje dáta nemajú – nemôžeš vypočítať priemernú hodnotu košíka na zákazníka, ak je súbor už agregovaný podľa regiónu.
Ďalej prichádzajú otázky typu agregácia, ktoré kondenzujú tisíce riadkov na použiteľné čísla: „Aký je celkový predaj podľa kategórie produktu?“, „Aká je priemerná hodnota košíka podľa mesiaca?“, „Koľko unikátnych zákazníkov pripadá na štvrťrok?“ Toto je jadro mesačného reportingu a často predstavuje polovicu práce, ktorú budeš musieť vykonať.
Otázky typu filtrovanie následne izolujú relevantnú podmnožinu – „Ukáž mi len predaje nad 10 000 €“, „Ktoré produkty nemali v marci žiadny predaj?“, „Vypíš zákazníkov v regióne Île-de-France“ – zatiaľ čo otázky typu radenie usporiadajú dáta tak, aby zvýraznili extrémy: „Kto je 10 najlepších obchodníkov?“, „Usporiadaj regióny podľa tržieb zostupne“, „Ktorý mesiac dosiahol najlepšie výsledky?“ V praxi seriózna analýza spája všetky štyri typy: najprv zhrnieš dáta, agreguješ ich, odfiltruješ anomáliu, ktorú si všimol, a následne zoradíš výsledky, aby si prioritizoval ďalšie kroky. Môžeš tiež vybrať riadky, stĺpce alebo bunky v interaktívnom náhľade tabuľky a potom položiť otázku týkajúcu sa iba tohto výberu – napríklad najčastejšiu hodnotu v stĺpci alebo priemer niekoľkých buniek.
Formulovanie efektívnych otázok
Kvalita odpovede priamo závisí od toho, ako jasne položíš otázku. Tvojím prvým reflexom by malo byť pomenovanie stĺpcov namiesto všeobecných vyjadrení. „Analyzuj predaje“ necháva ChatGPT hádať, ktorý stĺpec obsahuje sumu; táto formulácia neponecháva priestor na interpretáciu:
Calculate the total of the "amount_incl_tax" column grouped by "region"
and sorted from highest to lowest.
Tvojím druhým reflexom je špecifikovať požadovaný formát výstupu. Inak dostaneš textovú odpoveď, keď si potreboval tabuľku na vloženie do reportu, a stratíš čas, ktorý si ušetril výpočtom, opätovným formátovaním:
Give me the result as a table with these columns:
region, total sales, number of transactions, average basket size.
Tretím, často prehliadaným krokom, je poskytnutie business kontextu, ktorý súbor neobsahuje. ChatGPT nevie, že určité riadky by nemali byť zahrnuté do výpočtu:
The "status" column contains "approved", "pending", and "cancelled".
Only include approved orders.
Bez tohto vysvetlenia ti zrušené objednávky nafúknu tržby a chyba zostane nepovšimnutá: výsledok bude stále vyzerať úplne vierohodne. Toto je typ chyby, ktorý prejde bez povšimnutia aj na porade vedenia.
Iterácia nad výsledkami
Analýza dát je zriedkavo lineárna a neočakáva sa, že nájdeš správnu otázku hneď na prvý pokus. Začneš tým, že sa opýtaš na celkové tržby podľa mesiaca, všimneš si pokles vo februári a potom sa opýtaš, prečo k tomuto poklesu došlo. Ak odpoveď zostane vágna, odfiltruješ kategóriu „premium“ a prepočítaš to, následne porovnáš výsledky s rovnakým obdobím minulého roka, aby si zistil, či ide o známu sezónnosť alebo o incident.
ChatGPT si pamätá kontext konverzácie a nahraný súbor, takže každá otázka nadväzuje na tie predchádzajúce. To umožňuje postupné skúmanie: februárový pokles, akonáhle je izolovaný na segment premium, môže byť vysvetlený tým, že jeden veľký klient prestúpil ku konkurencii – záver, ku ktorému by si sa z prvej otázky nedostal.
Viac premýšľania pre komplexné analýzy
Niektoré otázky nemožno vyriešiť jednoduchou agregáciou. Krížové korelácie, analýzy z viacerých zdrojov, nuansované interpretácie: kedykoľvek je potrebné viacstupňové uvažovanie, vyber si vyššiu úroveň premýšľania vo výbere ChatGPT – High alebo Extra High podľa tvojho plánu, alebo tlačidlo Think vo verziách Free a Go. Dodatočné premýšľanie pomáha zohľadniť faktory, ktoré by mohli vysvetliť súvislosť medzi dvoma premennými predtým, než vyvodíš záver o príčinnosti, odhaliť jemné vzorce – sezónnosť posunutú o tri týždne, segment, ktorý klesá štvrťrok čo štvrťrok – a zostaviť odporúčania na základe vypočítaných čísel. Žiadne nastavenie však nepremení koreláciu na príčinnosť: tu rozhodujú tvoje doménové znalosti a niekedy aj test.
Teraz si na rade ty
Tvoje prvé otázky.
- Importuj súbor, ktorý dobre poznáš.
- Polož jednu otázku z každej kategórie: zhrnutie, agregácia, filtrovanie, radenie.
- Preformuluj jednu z nich tak, že pomenuješ stĺpce a špecifikuješ formát výstupu, potom porovnaj obe odpovede.
- Pridaj business pravidlo – napríklad vylúč zrušené objednávky – a zmeraj rozdiel.
- Zobraz kód pre výpočet a manuálne ho over na dvoch alebo troch riadkoch.
Oficiálne zdroje: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (centrum pomoci OpenAI) · Prompting (dokumentácia ChatGPT)
Kľúčové poznatky
- Kládť otázky v bežnej reči; ChatGPT ich preloží do kódu.
- Buď špecifický: pomenuj stĺpce, špecifikuj filtre, uveď požadovaný formát.
- Iteruj v rámci tej istej konverzácie, aby si prehĺbil analýzu.
- Zvýš úroveň premýšľania pri viacstupňových analýzach.
- Vždy overuj výsledky – ChatGPT môže nesprávne interpretovať stĺpec.