Нейросети для анализа данных: как научиться работать с таблицами

Нейросеть полезна в анализе данных не тогда, когда ей отдают файл со словами «найди что-нибудь интересное». Рабочий результат начинается с вопроса: какое решение должна поддержать таблица? Например, нужно понять, в каком месяце прибыль выше, проверить план продаж или найти строки с пропусками.

Такой порядок сохраняет контроль над исследованием: сначала решение, затем данные и план проверки, потом расчёты и выводы. Это соответствует практическому подходу из руководства OpenAI по анализу данных. Ниже — маршрут, который можно повторить на небольшом CSV или Excel-файле.

1. Подготовьте таблицу до загрузки

Начните с исходного файла, а не с формулировки промпта. В первой строке должны быть понятные заголовки, а каждая строка — одной записью. Например:

месяц	выручка_руб	расходы_руб
январь	120000	90000
февраль	150000	105000

Важны не только названия столбцов, но и типы значений. Если в одном месте написано 120000, а в другом 120 000 ₽, нейросеть может распознать их по-разному. То же относится к датам: 01.02.2026 и 2026-02-01 лучше не смешивать без пояснения.

Перед загрузкой проверьте несколько строк глазами:

• нет ли объединённых ячеек, пустых разделителей и заголовков в середине листа;
• одна ли строка соответствует одному месяцу, заказу или клиенту;
• одинаково ли записаны единицы измерения;
• обозначены ли пропуски, а не заменены ли они нулём без основания;
• нет ли итоговой строки, которая будет ошибочно посчитана ещё раз.

CSV, XLS и XLSX поддерживаются в анализе данных ChatGPT, но доступность загрузки, Python-анализатора и других функций зависит от модели, плана и настроек аккаунта. Если файл не читается, сначала исправьте структуру или вставьте небольшой фрагмент с пояснением столбцов. Не переносите таблицу в изображение без необходимости: числа на картинке труднее проверить и обработать.

2. Сначала попросите план, а не готовый вывод

Хороший запрос описывает контекст, задачу и способ проверки. Например:

Проанализируй прикреплённую таблицу продаж. Цель — сравнить прибыль и маржу по месяцам. Сначала опиши структуру данных и возможные проблемы: пропуски, дубли, типы столбцов и единицы измерения. Затем предложи план исследовательского анализа. После моего подтверждения рассчитай для каждой строки прибыль = выручка − расходы и маржу = прибыль / выручка × 100%. Покажи исходные значения, формулы и промежуточные результаты в таблице. Отдельно укажи допущения и не делай выводов о причинах изменения показателей без дополнительных данных.

В этом запросе есть несколько отдельных поручений. Нейросеть должна:

1. прочитать структуру;
2. найти проблемы в данных;
3. предложить план;
4. выполнить расчёт;
5. объяснить ограничения.

Их лучше не скрывать за общим «сделай анализ». Если вы меняете формулу, фильтр или период, зафиксируйте это в запросе. Иначе повторный анализ может выглядеть убедительно, но окажется несопоставимым с первым.

После бесплатного учебного сценария может понадобиться платный доступ к самому инструменту. Читателю из России можно посмотреть каталог оплаты зарубежных цифровых сервисов Amber Market, открыть карточку нужной услуги и перед заказом проверить актуальные условия, наличие и итоговую сумму. Магазин принимает оплату через СБП по подтверждению владельца. Каталог не является условием обучения: доступность функции анализа нужно отдельно проверить в своём аккаунте.

3. Разделите исследовательский анализ и объяснение

На этапе EDA (исследовательского анализа) попросите показать то, что помогает понять таблицу до интерпретации:

• число строк и столбцов;
• тип каждого столбца;
• минимальное, максимальное и среднее значение там, где они уместны;
• количество пропусков и повторов;
• необычные значения и возможные выбросы;
• сравнение показателей по выбранному измерению, например по месяцам.

Попросите не только назвать результат, но и показать, из каких строк он получен. «Февраль лучше» — это короткий вывод. «В феврале прибыль 45 000 рублей против 30 000 рублей в январе, а маржа выше на 5 процентных пунктов» — уже проверяемое утверждение.

Если нейросеть запускает Python-код, запросите сам код или его существенный фрагмент. Проверьте, какие столбцы он использует, как обрабатывает пропуски и округляет ли значения до расчёта. Среда анализа не обращается к внешним сайтам и API без предварительно доступных данных, поэтому сведения о рынке, клиентах или конкурентах не появятся из одного локального файла.

4. Проверьте расчёт на исходных значениях

Для учебной таблицы расчёт выглядит так:

месяц	выручка	расходы	прибыль	маржа
январь	120 000	90 000	30 000	25%
февраль	150 000	105 000	45 000	30%

Сверка занимает несколько строк. Для января:

120 000 − 90 000 = 30 000

30 000 / 120 000 × 100% = 25%

Для февраля:

150 000 − 105 000 = 45 000

45 000 / 150 000 × 100% = 30%

Значит, в этой маленькой таблице февраль имеет и большую абсолютную прибыль, и более высокую маржу. Но это проверка двух строк, а не измерение качества или скорости конкретной модели. Нейросеть могла правильно оформить ответ, однако важные числа всё равно нужно пересчитать в исходном Excel, калькуляторе или коротком проверяемом скрипте.

Полезно попросить второй проход: «Сверь итоговую таблицу с исходными строками. Для каждой строки укажи, совпадает ли прибыль с формулой, и покажи расхождения». Если расхождение есть, сначала найдите его причину: округление, неверный столбец, текст вместо числа или скрытая строка.

5. Не превращайте связь в причину

Если вы видите, что расходы растут вместе с выручкой, это ещё не доказывает, что одно вызвало другое. Для причинного вывода могут потребоваться цены, количество заказов, рекламные расходы, сезонность, изменения ассортимента и другие наблюдения.

Корреляция отвечает на вопрос о совместном изменении показателей, но не объясняет механизм. Например, выручка и расходы могут расти одновременно потому, что компания открыла новый канал продаж. Без этого контекста фраза «расходы привели к росту выручки» будет предположением.

Отдельно отмечайте, каких данных не хватает. Если в файле есть только месяц, выручка и расходы, из него можно посчитать прибыль и маржу, но нельзя надёжно определить влияние рекламы или причину февральского роста.

6. Рабочий цикл для следующих таблиц

Сохраните последовательность как короткий чек-лист:

1. Определите решение, которое должен поддержать анализ.
2. Приведите таблицу к простой структуре: заголовки в первой строке, одна запись в строке, единые типы и единицы.
3. Загрузите файл и попросите описать структуру, пропуски, дубли и риски.
4. Получите план EDA и согласуйте формулы, фильтры и период.
5. Попросите расчёт с исходными значениями, кодом и допущениями.
6. Пересчитайте ключевые показатели вручную или независимым инструментом.
7. Отделите наблюдение от гипотезы и укажите, каких данных не хватает.

Так нейросеть становится помощником в разборе таблицы, а не источником безусловной истины. Для сравнения разных инструментов анализа структурированных данных можно перейти к отдельному обзору нейросетей для анализа данных. Если нужна практика на конкретном файле, пригодится инструкция по анализу таблицы в ChatGPT и проверке выводов. А структуру самого запроса можно разобрать в материале о том, как написать промпт для ChatGPT.