Analyzing data with ChatGPT

Analyser des données avec ChatGPT

ChatGPT peut vous aider à passer des données brutes à des informations utiles avec un minimum de configuration. Vous pouvez télécharger un fichier CSV ou Excel, coller un tableau, ou connecter une source de données (si supportée dans votre espace de travail), puis commencer à poser des questions en langage courant.

Au lieu de créer des formules, des tableaux croisés dynamiques ou des tableaux de bord pour chaque question, vous pouvez rapidement explorer les données, nettoyer les tableaux, générer des visualisations simples et extraire les points clés dans un format facile à partager. C'est particulièrement utile au début du processus, lorsque vous essayez encore de comprendre ce qu'il y a dans les données, d'identifier les anomalies et de décider où approfondir. Cela aide également à traduire les résultats en résumés que d'autres peuvent examiner et sur lesquels agir.

Comment commencer

Commencez par la décision que vous essayez de soutenir. Un cadre simple est : “Je cherche à décider ___, basé sur ___.” Cela indique à ChatGPT à quoi ressemble un résultat « terminé » et maintient l'analyse concentrée.

Fournissez vos données ainsi que tout contexte critique : définitions, période et ce que représentent les colonnes clés. Vous pouvez fournir des données via un téléchargement de fichier ou en utilisant une application connectée. Demandez une approche, pas seulement une réponse. Par exemple, demandez un résumé d'analyse exploratoire des données (EDA) suivi d'hypothèses à tester. Cela conduit à des résultats plus structurés et fiables que de sauter directement aux conclusions.

Si des visuels peuvent aider, demandez-les explicitement : ce qu'il faut tracer, comment segmenter, et toutes les informations indispensables comme les étiquettes d'axes ou les unités. Demandez des résultats que vous pouvez réutiliser, comme un tableau final propre ou un court résumé exécutif qui traduit les résultats en actions.

Tâches

Analyser des données et résumer les points clés

• Utilisez l'échantillon de données de notre boutique Shopify (derniers 30 jours).
• Fournissez un résumé structuré des points clés, y compris ce qui se démarque à travers les canaux et les produits, l'identification des zones sous-performantes (par exemple, canaux à faible conversion) et des modèles notables. Incluez 4 à 6 observations prioritaires et 5 analyses ou questions spécifiques à examiner ensuite.

Examiner et analyser nos données de tunnel de vente

• Utilisez les données de [Nom de la campagne] de [application d'analyse connectée].
• Produisez un ensemble de sections clairement séparées : (1) modèles clés observés dans le tunnel, (2) hypothèses expliquant ces modèles (par exemple, l'intégration comme moteur principal), et (3) expériences ou tests recommandés. Les insights sont classés par impact commercial, avec un accent sur les goulets d'étranglement de conversion et les points de levier.

Identifier des problèmes ou des inefficacités dans un processus à l'aide des données

• Examinez le document de processus actuel joint, ainsi que les données des tickets de l'équipe de support au format CSV.
• Produisez une liste priorisée des problèmes opérationnels et des goulets d'étranglement (par exemple, retards d'escalade, causes de tickets répétés), chacun soutenu par des signaux de données. Incluez un raisonnement clair sur pourquoi chaque problème est important, ainsi que des domaines recommandés pour une amélioration ou une enquête immédiate, regroupés en gains rapides contre corrections plus profondes.

Conseils pour réussir

Aidez ChatGPT à vous aider en partageant ce à quoi ressemble un « bon » résultat dès le départ, y compris la métrique de succès qui vous intéresse, la période que vous examinez et quels groupes ou segments vous souhaitez comparer. Si les chiffres sont vraiment importants, vous pouvez également lui demander de montrer comment il y est parvenu, y compris les hypothèses qu'il a faites, toutes les formules qu'il a utilisées pour calculer les métriques, et des vérifications rapides pour des données manquantes ou des pics inhabituels.

Il est également utile d'établir quelques règles simples afin que l'analyse reste fiable. Par exemple, vous pouvez lui dire de ne pas traiter les corrélations comme des causes, de signaler toute limitation dans les données, et de signaler tout ce qui semble suspect. Avant de partager des résultats ou de prendre une décision, effectuez une vérification rapide de la réalité : choisissez quelques chiffres clés et vérifiez-les pour vous assurer que tout est cohérent.