Automatizovaná deskriptívna štatistika
Na tejto strane
Pochopte svoje dáta okamžite
Deskriptívna štatistika je základom každej analýzy. Priemer, medián, smerodajná odchýlka, rozdelenie: tieto ukazovatele vám povedia, čo vaše dáta obsahujú, ešte predtým, než sa pokúsite niečo vysvetliť. Vynechanie tohto kroku je ako stavať odporúčanie na priemere skreslenom tromi extrémnymi hodnotami a následne ho obhajovať presvedčením, ktoré čísla neoprávňujú. S ChatGPT trvá táto diagnóza jednu vetu a interpretácia nasleduje okamžite.
Expresný štatistický súhrn
Najjednoduchší príkaz na začiatok:
Give me a complete statistical summary of this dataset.
ChatGPT sa zvyčajne spolieha na funkciu pandas describe() a komentuje výsledok. Pre každý numerický stĺpec získate nasledujúce ukazovatele:
- count — počet neprázdnych hodnôt
- mean — priemer
- std — smerodajná odchýlka (mierka rozptylu)
- min / max — extrémne hodnoty
- 25% / 50% / 75% — kvartily (medián = 50 %)
Krížové porovnanie týchto riadkov už prináša cenné poznatky. Ak je count 8 400 v súbore s 10 000 riadkami, 16 % dát chýba a akýkoľvek vypočítaný priemer platí len pre časť portfólia. Ak sa priemer výrazne líši od mediánu, rozdelenie je skreslené. Namiesto toho, aby ste túto mentálnu aritmetiku robili sami, stačí sa opýtať:
Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?
Štatistika podľa kategórie
Globálne priemery takmer vždy maskujú disparity. Priemerná hodnota košíka 180 € môže skrývať firemný segment na úrovni 900 € a individuálny segment na úrovni 60 €. V takom prípade priemer nepopisuje žiadneho reálneho zákazníka a akékoľvek rozhodnutie založené na ňom úplne míňa obe populácie.
Calculate the mean, median, and standard deviation of order amounts
for each product category.
Stále si musíte vybrať ukazovateľ, ktorý odpovedá na vašu otázku, pretože každý meria niečo iné.
| Ukazovateľ | Čo meria | Kedy ho použiť |
|---|---|---|
| Priemer (Mean) | Stredná hodnota | Symetrické dáta, bez extrémnych hodnôt |
| Medián | Stredná hodnota | Skreslené dáta alebo dáta s odľahlými hodnotami |
| Smerodajná odchýlka | Rozptyl okolo priemeru | Posúdenie variability výkonu |
| Modus | Najčastejšia hodnota | Kategóriálne alebo diskrétne dáta |
| Korelácia | Lineárny vzťah medzi dvoma premennými | Identifikácia prepojených faktorov |
Rozdelenia a frekvencie
Pri numerickej premennej vám tvar rozdelenia povie viac ako priemer. Histogram ukazuje, či sa vaše sumy zhlukujú okolo jednej hodnoty, alebo sa rozprestierajú cez dva odlišné vrcholy, čo je znakom dvoch prekrývajúcich sa nákupných správaní v tom istom súbore.
Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.
ChatGPT vygeneruje histogram a môže aplikovať test normality, ako je Shapiro-Wilkov test, čo ovplyvňuje výber následných testov. Pri veľkých vzorkách tento test označí aj najmenšiu odchýlku od normality, preto si pred vyvodením záverov skontrolujte tvar histogramu. Pri kategóriálnych premenných sa logika presúva k frekvenciám:
What is the distribution of clients by industry sector?
Display absolute and relative frequencies.
Získate počet a percentuálny podiel pre každú kategóriu – čo stačí na to, aby ste odhalili, že jeden sektor tvorí 60 % portfólia, čo znamená 60 % vášho rizika, ak sa tento sektor spomalí.
Korelácie medzi premennými
Korelácie odhaľujú vzťahy medzi vašimi numerickými stĺpcami a otvárajú nové smerovania analýzy.
Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).
ChatGPT vygeneruje maticu, zvýrazní významné korelácie a vysvetlí, čo každá z nich znamená vo vašom business kontexte. Pri čítaní výsledkov sú potrebné tri opatrenia. Po prvé, korelácia neznamená kauzalitu: spoločný nárast reklamného rozpočtu a predaja môže byť len spoločným účinkom sezónnosti. Po druhé, extrémne hodnoty skresľujú koeficient – požiadajte o výpočet s odľahlými hodnotami aj bez nich; rozdiel je často poučný. Nakoniec, kategóriálne premenné nie sú zahrnuté automaticky. Ak chcete zahrnúť segmenty zákazníkov alebo predajné kanály, požiadajte o ich predchádzajúce kódovanie. Ak chcete ísť ďalej – porovnať skupiny pomocou t-testu alebo ANOVA, alebo modelovať vzťah pomocou regresie – popíšte, čo chcete pochopiť, požiadajte ChatGPT o vhodnú techniku a nechajte si vysvetliť výsledok.
Detekcia odľahlých hodnôt
Odľahlá hodnota nie je nutne chybou. Objednávka na 95 000 € môže byť chyba pri zadávaní dát alebo prvá veľká firemná zmluva roka. Postup sa úplne líši: v jednom prípade ju opravíte, v druhom ju zvýrazníte.
Identify outliers in "order_amount"
using the IQR method. List the affected rows
and indicate whether they appear to be errors or legitimate cases.
ChatGPT vypočíta hranice IQR (Q1 - 1,5 * IQR a Q3 + 1,5 * IQR) a vypíše hodnoty mimo týchto hraníc spolu s ich kontextom. Následne rozhodujete riadok po riadku, namiesto toho, aby ste zahodili celú dávku – a omylom vymazali práve tých klientov, ktorí vám zabezpečili rok.
Automatizácia deskriptívnej správy
Akonáhle zvládnete tento prístup, zhrňte ho do jedného promptu:
Generate a complete descriptive statistical report for this file.
Include: overview, statistics per numerical column,
distribution of categorical variables, main correlations,
detected outliers, and recommendations for the next analysis step.
Tento prompt vytvorí štruktúrovaný dokument, ktorý by ste mali pred zdieľaním skontrolovať. Majte ho po ruke: ak ho aplikujete na rovnaký export každý mesiac, stane sa vaším štandardným východiskovým bodom a umožní porovnateľnosť období.
Teraz ste na rade vy
Vaša prvá štatistická diagnóza.
- Vyžiadajte si štatistický súhrn vášho súboru a následne jeho interpretáciu
- Porovnajte priemer a medián vo vašom hlavnom stĺpci so sumami
- Vypočítajte rovnaké ukazovatele podľa kategórie
- Zobrazte rozdelenie tohto stĺpca a identifikujte odľahlé hodnoty
- Klasifikujte každú odľahlú hodnotu: chyba na opravu alebo legitímny prípad
Oficiálne zdroje: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)
Kľúčové poznatky
- Štatistický súhrn je vašim prvým krokom po očistení dát
- Vždy segmentujte podľa kategórie – globálne priemery skrýv disparity
- Medián je často spoľahlivejší ako priemer pre reálne dáta
- Korelácie odhaľujú smerovania analýzy, nie istoty
- Požiadajte ChatGPT, aby interpretoval čísla, nielen aby ich vypočítal