Pridobivanje in preoblikovanje podatkov
Na tej strani
Branje datoteke je šele prvi korak. ChatGPT lahko iz nestrukturiranih dokumentov pridobi strukturirane podatke, jih preoblikuje, križno poveže več virov in rezultate izvozi v želeno obliko. Ta zmožnost preoblikovanja ga spremeni v pravo orodje za obdelavo podatkov, ne le v bralnik dokumentov.
Pridobivanje strukturiranih podatkov iz nestrukturiranih virov
Strukturirano pridobivanje pomeni, da informacije, razpršene po dokumentu, organiziraš v uporabno obliko. Pri seriji računov v formatu PDF je zahteva en stavek: „Iz vsakega računa izvleci naslednje: številko računa, datum, dobavitelja, znesek brez DDV, DDV in znesek z DDV. Vse prikaži v tabeli.” Enako načelo velja za letno poročilo s številkami, skritimi v odstavkih: „Izvleci vse finančne podatke iz tega poročila: prihodke, čisti dobiček, maržo in število zaposlenih. Organiziraj jih po letih v primerjalno tabelo.” In za čisto besedilni dokument: „Ta dokument omenja 15 kontaktov. Izvleci imena, podjetja in delovna mesta za vsako osebo v strukturirano tabelo.” Skupni imenovalec teh treh zahtev je izrecni seznam pričakovanih polj. Ta seznam pretvori tok besedila v uporabne tabelarične podatke, kar predstavlja eno najvrednejših zmožnosti ChatGPT.
Spreminjanje formatov
Ko imaš podatke, je sprememba njihovega formata prav tako preprosta. Iz surovega CSV naredi berljivo tabelo: „Ustvari berljivo tabelo z jasnimi glavami. Imena stolpcev prevedi iz angleščine v francoščino.” Tabelo pretvori v vizualizacijo: „Na podlagi teh podatkov ustvari stolpčni diagram, ki prikazuje porazdelitev prodaje po regijah.” Številke pretvori v gradivo za sestanek: „Te četrtletne podatke pretvori v 3 povzetne diapozitive: pregled, najboljši rezultati in opozorilne točke.” Ali pa preklopi med tehničnimi strukturami: „Ta datoteka JSON vsebuje podatke o izdelkih. Pretvori jo v tabelo CSV s stolpci: ime, cena, kategorija, zaloga.”
Križno povezovanje dveh virov
Naloži dve datoteki v isti pogovor in križno povezovanje postane en stavek. Predstavljaj si seznam strank z zgodovino nakupov v datoteki Excel in anketo o zadovoljstvu v datoteki CSV: „Križno poveži ti dve datoteki po imenu stranke. Za vsako stranko prikaži skupni znesek nakupov in oceno zadovoljstva. Razvrsti po oceni zadovoljstva padajoče. Identificiraj stranke z visokim potencialom (visoki nakupi + visoko zadovoljstvo) in ogrožene stranke (visoki nakupi + nizko zadovoljstvo).”
Običajno bi ta operacija zahtevala zapletene formule v Excelu ali skript v Pythonu; tukaj se zgodi prek pogovorne zahteve. To je toliko večji razlog za preverjanje rezultata: ujemanje temelji na imenih, sopomenke ali tipkarske napake pa lahko tiho popačijo povezave. Ročno preveri nekaj vrstic, preden na podlagi izhoda sprejmeš poslovne odločitve.
Čiščenje in normalizacija
Podatki iz resničnega sveta redko prispejo čisti in tu ChatGPT izstopa. Pri heterogenih formatih: „V tem stolpcu s telefonskimi številkami nekateri vnosi uporabljajo obliko 06.12.34.56.78, drugi +33612345678, tretji pa 06 12 34 56 78. Vse normaliziraj v mednarodno obliko +33 6 12 34 56 78.” Pri dvomljivih datumih: „Analiziraj ta stolpec z datumi. Identificiraj neveljavne datume, nedosledne formate in osamelce.” Pri nejasnih dvojnikih, ki jih nobena formula ne more ujeti: „Ta datoteka vsebuje verjetne dvojnike (ista imena z rahlimi črkovnimi variacijami). Identificiraj jih in predlagaj konsolidirano različico.” In pri množičnem kategoriziranju: „Tukaj je 200 opisov stroškov. Vsakega razvrsti v eno od teh kategorij: Prevoz, Obroki, Nastanitev, Potrošni material, Storitve, Drugo.”
Kot pri križnem povezovanju tudi tukaj velja pravilo pregleda vzorca: avtomatizirano kategoriziranje redko popolnoma zgreši, vendar dela napake. Pri velikih datotekah ne zaženi takoj celotne obdelave. Najprej zahtevaj analizo na vzorcu, potrdi metodo in šele nato nadaljuj s celotno datoteko.
Pridobitev rezultata
Brez posebnih navodil za izhod bo ChatGPT rezultate prikazal kot besedilo v pogovoru, ti pa jih boš moral kopirati in prilepiti. Izrecno zahtevaj datoteko: „Ustvari datoteko CSV za prenos s temi rezultati,” „Ustvari datoteko Excel z dvema zavihkoma: surovi podatki in povzetek” ali „Oblikuj te podatke kot JSON za integracijo v naš API.” Sistem ustvari datoteko in v pogovoru se pojavi povezava za prenos.
Industrializacija ponavljajočih se delovnih tokov
Če vsak mesec prejmeš enako vrsto datoteke, napiši poziv enkrat in ga ponovno uporabi: „Vsak mesec ti bom poslal bančni izpisek v formatu PDF. Za vsak izpisek želim, da: (1) izvlečeš vse transakcije, (2) jih razvrstiš v 6 kategorij (Stanovanje, Hrana, Prevoz, Prosti čas, Zdravje, Drugo), (3) izračunaš skupni znesek na kategorijo, (4) ga primerjaš s prejšnjim mesecem, če je na voljo, (5) rezultat izvoziš kot CSV.” Če ta poziv vključiš v navodila namensko ustvarjenega projekta, zagotoviš dosledno obdelavo iz meseca v mesec, kar omogoča smiselne primerjave. Vendar pa je bančni izpisek občutljiv podatek: pred nalaganjem oceni, kaj dopušča tvoj načrt in tvoje obveznosti.
Tvoja vrsta
Očisti pravo datoteko. Vzemi datoteko iz svojega vsakdanjega dela – izvoz iz CRM, časovnico, seznam kontaktov ali finančni izkaz – in vprašaj: „Analiziraj to datoteko. Identificiraj težave s kakovostjo podatkov (dvojniki, manjkajoče vrednosti, nedosledni formati). Predlagaj načrt čiščenja. Nato uporabi čiščenje in ustvari popravljeno datoteko za prenos.” To datoteko izberi previdno: zdravstveni podatki, številke socialnega zavarovanja in bančni podatki zahtevajo oceno tveganja pred nalaganjem.
Uradni viri: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (Center za pomoč OpenAI)
Ključne ugotovitve
- ChatGPT lahko z eno samo zahtevo izvleče strukturirane podatke iz nestrukturiranih dokumentov
- Križno povezovanje datotek in normalizacija podatkov potekata pogovorno
- Za pridobitev obdelanih podatkov izrecno zahtevaj izvoz (CSV, Excel, JSON)
- Ustvari ponovno uporabne pozive za mesečne ali ponavljajoče se naloge
- Vedno preveri rezultate, zlasti pri križnem povezovanju in avtomatiziranem kategoriziranju