Extrahera och transformera data
På denna sida
Att läsa en fil är bara första steget. ChatGPT kan också extrahera strukturerad data från ostrukturerade dokument, formatera om den, korsreferera flera källor och exportera resultaten i det format du föredrar. Denna transformeringsförmåga gör det till ett riktigt databehandlingsverktyg, inte bara en dokumentläsare.
Extrahera strukturerad data från ostrukturerade källor
Strukturerad extraktion innebär att ta information som är spridd i ett dokument och organisera den i ett användbart format. För en batch med PDF-fakturor räcker en enda mening: “Extrahera följande från varje faktura: fakturanummer, datum, leverantör, belopp exklusive moms, moms och belopp inklusive moms. Presentera allt i en tabell.” Samma princip gäller för en årsredovisning där siffror gömts i stycken: “Extrahera alla finansiella siffror som nämns i denna rapport: omsättning, nettovinst, marginal, antal anställda. Organisera dem efter år i en jämförelsetabell.” Och för ett rent textbaserat dokument: “Detta dokument nämner 15 kontakter. Extrahera namn, företag och befattning för varje person i en strukturerad tabell.” Den gemensamma nämnaren i dessa tre förfrågningar är den explicita listan över förväntade fält. Denna lista omvandlar en textström till användbar tabelldata, vilket representerar en av ChatGPT:s mest värdefulla förmågor.
Ändra format
När du väl har datan är det lika enkelt att ändra dess format. Gör en rå CSV-fil läsbar: “Skapa en läsbar tabell med tydliga rubriker. Översätt kolumnnamnen från engelska till franska.” Gör om en tabell till en visualisering: “Generera ett stapeldiagram baserat på denna data som visar försäljningsfördelningen per region.” Omvandla siffror till ett presentationsunderlag: “Omvandla denna kvartalsdata till 3 sammanfattande bilder: översikt, topprestatörer och varningspunkter.” Eller växla mellan tekniska strukturer: “Denna JSON-fil innehåller produktdata. Konvertera den till en CSV-tabell med kolumnerna: namn, pris, kategori, lager.”
Korsreferera två källor
Ladda upp två filer i samma konversation, så blir korsreferering en enda mening. Tänk dig en kundlista med köphistorik i en Excel-fil och en nöjd-kund-undersökning i en CSV: “Korsreferera dessa två filer efter kundnamn. Visa totalt köpbelopp och nöjd-kund-poäng för varje kund. Sortera efter nöjd-kund-poäng i fallande ordning. Identifiera kunder med hög potential (höga köp + hög nöjdhet) och kunder i riskzonen (höga köp + låg nöjdhet).”
Normalt skulle denna operation kräva komplexa Excel-formler eller ett Python-skript; här sker det via en konversationsbaserad förfrågan. Det är ytterligare en anledning att verifiera resultatet: matchningen bygger på namn, och homonymer eller stavfel kan tyst snedvrida kopplingarna. Kontrollera manuellt några rader innan du fattar affärsbeslut baserade på utdata.
Rensa och normalisera
Data från verkligheten är sällan ren, och det är här ChatGPT excellerar. För heterogena format: “I denna kolumn med telefonnummer använder vissa poster formatet 06.12.34.56.78, andra +33612345678 och andra 06 12 34 56 78. Normalisera alla till det internationella formatet +33 6 12 34 56 78.” För tveksamma datum: “Analysera denna datumkolumn. Identifiera ogiltiga datum, inkonsekventa format och avvikande värden.” För diffusa dubbletter som ingen formel kan fånga: “Denna fil innehåller sannolika dubbletter (samma namn med små stavningsskillnader). Identifiera dem och föreslå en konsoliderad version.” Och för bulk-kategorisering: “Här är 200 utgiftsbeskrivningar. Kategorisera var och en i en av dessa kategorier: Transport, Måltider, Boende, Förnödenheter, Tjänster, Övrigt.”
Precis som vid korsreferering gäller regeln att granska ett urval även i detta sista fall: automatiserad kategorisering är sällan helt fel, men misstag förekommer. För stora filer ska du inte köra hela bearbetningen direkt. Begär först en analys på ett urval, validera metoden och fortsätt sedan med hela filen.
Hämta resultatet
Utan specifika utdata-instruktioner kommer ChatGPT att visa resultat som text i chatten, vilket lämnar dig att kopiera och klistra in. Begär uttryckligen en fil: “Generera en nedladdningsbar CSV-fil med dessa resultat”, “Skapa en Excel-fil med två flikar: rådata och sammanfattning” eller “Formatera denna data som JSON för integration i vårt API.” Systemet producerar filen och en nedladdningslänk visas i konversationen.
Industrialisera återkommande arbetsflöden
Om du får samma typ av fil varje månad, skriv prompten en gång och återanvänd den: “Jag kommer att skicka en PDF med bankutdrag varje månad. För varje utdrag vill jag att du: (1) extraherar alla transaktioner, (2) kategoriserar dem i 6 kategorier (Boende, Mat, Transport, Fritid, Hälsa, Övrigt), (3) beräknar summan per kategori, (4) jämför med föregående månad om tillgängligt, (5) exporterar resultatet som CSV.” Placerad i instruktionerna för ett dedikerat projekt säkerställer denna prompt konsekvent bearbetning från månad till månad, vilket möjliggör meningsfulla jämförelser. Ett bankutdrag är dock känslig data: utvärdera vad din plan och dina skyldigheter tillåter innan du laddar upp det.
Din tur
Rensa en riktig fil. Ta en fil från ditt dagliga arbete – en CRM-export, tidrapport, kontaktlista eller finansiell rapport – och fråga: “Analysera denna fil. Identifiera problem med datakvaliteten (dubbletter, saknade värden, inkonsekventa format). Föreslå en reningsplan. Tillämpa sedan rensningen och generera en korrigerad nedladdningsbar fil.” Välj denna fil med omsorg: hälsodata, personnummer och bankinformation kräver en riskbedömning innan uppladdning.
Officiella källor: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (OpenAI Help Center)
Viktiga punkter
- ChatGPT kan extrahera strukturerad data från ostrukturerade dokument i en enda förfrågan
- Korsreferering av filer och datanormalisering sker konversationsbaserat
- Begär uttryckligen en export (CSV, Excel, JSON) för att hämta bearbetad data
- Skapa återanvändbara promptar för månatliga eller återkommande uppgifter
- Verifiera alltid resultaten, särskilt vid korsreferering och automatiserad kategorisering