Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Extrakcia a transformácia dát

Lekcia 13 z 14 Aktualizované 5. novembra 2026 Mierne pokročilý
Na tejto strane
  1. Extrakcia štruktúrovaných dát z neštruktúrovaných zdrojov
  2. Zmena formátov
  3. Skríženie dvoch zdrojov
  4. Čistenie a normalizácia
  5. Získanie výsledku
  6. Industrializácia opakujúcich sa workflow
  7. Teraz si na rade ty
  8. Kľúčové poznatky

Prečítanie súboru je len prvým krokom. ChatGPT dokáže aj extrahovať štruktúrované dáta z neštruktúrovaných dokumentov, preformátovať ich, skrížiť viaceré zdroje a exportovať výsledky v tvojom preferovanom formáte. Táto schopnosť transformácie z neho robí skutočný nástroj na spracovanie dát, nielen čítačku dokumentov.

Extrakcia štruktúrovaných dát z neštruktúrovaných zdrojov

Štruktúrovaná extrakcia znamená vziať informácie roztrúsené po celom dokumente a usporiadať ich do použiteľného formátu. Pri dávke faktúr vo formáte PDF stačí jedna veta: „Extrahuj z každej faktúry nasledujúce údaje: číslo faktúry, dátum, dodávateľa, sumu bez DPH, DPH a sumu vrátane DPH. Všetko prezentuj v tabuľke.“ Rovnaký princíp platí pre výročnú správu s číslami ukrytými v odsekoch: „Extrahuj všetky finančné údaje uvedené v tejto správe: tržby, čistý zisk, marža, počet zamestnancov. Usporiadaj ich podľa rokov do porovnávacej tabuľky.“ A pre čisto textový dokument: „Tento dokument spomína 15 kontaktov. Extrahuj mená, spoločnosti a pracovné pozície každej osoby do štruktúrovanej tabuľky.“ Spoločným menovateľom týchto troch požiadaviek je explicitný zoznam očakávaných polí. Tento zoznam mení tok textu na použiteľné tabuľkové dáta, čo predstavuje jednu z najcennejších schopností ChatGPT.

Zmena formátov

Akonáhle máš dáta k dispozícii, zmena ich formátu je rovnako jednoduchá. Správ surové CSV čitateľným: „Vytvor čitateľnú tabuľku s jasnými hlavičkami. Prelož názvy stĺpcov z angličtiny do slovenčiny.“ Preveď tabuľku na vizualizáciu: „Na základe týchto dát vygeneruj stĺpcový graf zobrazujúci rozdelenie predajov podľa regiónu.“ Konvertuj čísla do prezentácie na poradu: „Transformuj tieto štvrťročné dáta na 3 zhrňujúce snímky: prehľad, najlepší výkon a body vyžadujúce pozornosť.“ Alebo prepínaj medzi technickými štruktúrami: „Tento súbor JSON obsahuje údaje o produktoch. Preveď ho na tabuľku CSV so stĺpcami: názov, cena, kategória, zásoba.“

Skríženie dvoch zdrojov

Nahraj dva súbory do tej istej konverzácie a skríženie sa stane jednou vetou. Predstav si zoznam zákazníkov s históriou nákupov v súbore Excel a prieskum spokojnosti v súbore CSV: „Skríž tieto dva súbory podľa mena zákazníka. Pre každého zákazníka zobraz celkovú sumu nákupov a skóre spokojnosti. Zoraď podľa skóre spokojnosti zostupne. Identifikuj zákazníkov s vysokým potenciálom (vysoké nákupy + vysoká spokojnosť) a ohrozených zákazníkov (vysoké nákupy + nízka spokojnosť).”

Bežne by táto operácia vyžadovala zložité vzorce v Exceli alebo skript v Pythone; tu sa deje prostredníctvom konverzačnej požiadavky. O to viac dôvodov overiť výsledok: párovanie sa spolieha na mená a homonymá alebo preklepy môžu ticho skresliť priradenia. Ručne skontroluj niekoľko riadkov skôr, než na základe výstupu prijmeš obchodné rozhodnutia.

Čistenie a normalizácia

Dáta z reálneho sveta zriedka prichádzajú čisté a práve tu ChatGPT vyniká. Pri heterogénnych formátoch: „V tomto stĺpci s telefónnymi číslami niektoré položky používajú formát 06.12.34.56.78, iné +33612345678 a ďalšie 06 12 34 56 78. Normalizuj ich všetky na medzinárodný formát +33 6 12 34 56 78.“ Pri pochybných dátumoch: „Analyzuj tento stĺpec s dátumami. Identifikuj neplatné dátumy, nekonzistentné formáty a odľahlé hodnoty.“ Pri fuzzy duplikátoch, ktoré nezachytí žiadny vzorec: „Tento súbor obsahuje pravdepodobné duplikáty (rovnaké mená s miernymi variáciami v pravopise). Identifikuj ich a navrhni konsolidovanú verziu.“ A pri hromadnej kategorizácii: „Tu je 200 popisov výdavkov. Každý zaraď do jednej z týchto kategórií: Doprava, Stravovanie, Ubytovanie, Potreby, Služby, Iné.“

Rovnako ako pri skrížení, aj v tomto poslednom prípade platí pravidlo kontroly vzorky: automatizovaná kategorizácia málokedy úplne zlyhá, ale robí chyby. Pri veľkých súboroch nespúšťaj okamžite celé spracovanie. Najprv požiadaj o analýzu na vzorke, over metódu a až potom pokračuj s celým súborom.

Získanie výsledku

Bez špecifických pokynov pre výstup zobrazí ChatGPT výsledky ako text v chate a ty ich budeš musieť kopírovať a vkladať. Explicitne požiadaj o súbor: „Vygeneruj stiahnuteľný súbor CSV s týmito výsledkami“, „Vytvor súbor Excel s dvoma hárkami: surové dáta a zhrnutie“ alebo „Naformátuj tieto dáta ako JSON pre integráciu do nášho API.“ Systém vytvorí súbor a v konverzácii sa objaví odkaz na stiahnutie.

Industrializácia opakujúcich sa workflow

Ak dostávaš každý mesiac rovnaký typ súboru, napíš prompt raz a znovu ho používaj: „Každý mesiac ti pošlem výpis z bankového účtu vo formáte PDF. Pre každý výpis chcem, aby si: (1) extrahoval všetky transakcie, (2) zaradil ich do 6 kategórií (Bývanie, Jedlo, Doprava, Voľný čas, Zdravie, Iné), (3) vypočítal súčet za každú kategóriu, (4) porovnal ho s predchádzajúcim mesiacom, ak je k dispozícii, (5) exportoval výsledok ako CSV.” Umiestnením tohto promptu do inštrukcií vyhradeného projektu zabezpečíš konzistentné spracovanie z mesiaca na mesiac, čo umožní zmysluplné porovnania. Výpis z bankového účtu sú však citlivé údaje: pred nahraním vyhodnoť, čo tvoj plán a povinnosti dovoľujú.

Transformácia dát v štyroch krokoch Štyri kroky: extrakcia užitočných polí z dokumentu; skríženie dvoch zdrojov na spoločnom kľúči; čistenie a normalizácia formátov; export výsledku do CSV alebo Excelu. Over vzorku v každom kroku. EXTRAKCIA, SKRÍŽENIE, ČISTENIE, EXPORT Transformácia dát v štyroch krokoch 1 Extrakcia Užitočné polia 2 Skríženie Na spoločnom kľúči 3 Čistenie Formáty, duplikáty 4 Export CSV alebo Excel Over vzorku v každom kroku: nezhodujúce sa meno ticho skreslí skríženie.
Na základe článku „Data analysis with ChatGPT“ z centra pomoci OpenAI (november 2026).

Teraz si na rade ty

Vyčisti reálny súbor. Vezmi súbor zo svojej každodennej práce – export z CRM, výkaz pracovného času, zoznam kontaktov alebo finančný výkaz – a opýtaj sa: „Analyzuj tento súbor. Identifikuj problémy s kvalitou dát (duplikáty, chýbajúce hodnoty, nekonzistentné formáty). Navrhni plán čistenia. Potom aplikuj čistenie a vygeneruj opravený stiahnuteľný súbor.“ Tento súbor vyberaj múdro: zdravotné údaje, rodné čísla a bankové informácie si vyžadujú pred nahraním posúdenie rizika.

Oficiálne zdroje: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (Centrum pomoci OpenAI)

Kľúčové poznatky

  • ChatGPT dokáže extrahovať štruktúrované dáta z neštruktúrovaných dokumentov na jednu požiadavku
  • Skríženie súborov a normalizácia dát prebiehajú konverzačným spôsobom
  • Explicitne požiadaj o export (CSV, Excel, JSON), aby si získal spracované dáta
  • Vytváraj opakovane použiteľné prompty pre mesačné alebo opakujúce sa úlohy
  • Vždy overuj výsledky, najmä pri skrížení a automatizovanej kategorizácii