Was du brauchst
Werkzeuge für die Datenanalyse
Standardoptionen
pandas mit matplotlib oder seaborn
Warum du es brauchst
Damit kannst du Daten importieren, Datenprofile erstellen, Datensätze verknüpfen und bereinigen sowie erste Diagramme erstellen.
.md an die URL der Seite anhängst.
Anwendungsfall für Codex
Analysiere ungeordnete Daten und mache die Ergebnisse mit Visualisierungen verständlich.
Mit ChatGPT Work kannst du Daten bereinigen, Quellen verknüpfen, einer Frage nachgehen und das Ergebnis modellieren. Fasse die Ergebnisse in einem verständlichen Bericht zusammen, veranschauliche sie mit Diagrammen und erläutere die Grenzen ihrer Aussagekraft.
Analysiere ungeordnete Daten und mache die Ergebnisse mit Visualisierungen verständlich.
Mit ChatGPT Work kannst du Daten bereinigen, Quellen verknüpfen, einer Frage nachgehen und das Ergebnis modellieren. Fasse die Ergebnisse in einem verständlichen Bericht zusammen, veranschauliche sie mit Diagrammen und erläutere die Grenzen ihrer Aussagekraft.
Mit ChatGPT Work kannst du Daten bereinigen, Quellen verknüpfen, einer Frage nachgehen und das Ergebnis modellieren. Fasse die Ergebnisse in einem verständlichen Bericht zusammen, veranschauliche sie mit Diagrammen und erläutere die Grenzen ihrer Aussagekraft.
Weiterführende Links
| Skill | Nutzen |
|---|---|
| Spreadsheets | Untersuche CSV-, TSV- und Excel-Dateien, prüfe Formeln und Joins und erstelle Tabellen oder Diagramme, die andere überprüfen können. |
| Google Drive | Lies die freigegebenen Tabellen aus Google Sheets und die freigegebenen Quelldateien, die du in Drive angibst. |
| Data Analytics | Trage Hintergrundinformationen zu den Quellen zusammen, analysiere und validiere die Daten und erstelle wiederverwendbare Berichte, Dashboards, Diagramme oder Notebooks. |
Datenanalysen liefern eine Grundlage für Entscheidungen. Eine Analyse ist kein Selbstzweck. Am Ende soll etwas stehen, mit dem andere arbeiten können, etwa ein Diagramm für die Geschäftsleitung, die Auswertung eines Experiments für ein Produktteam, eine Modellbewertung für Forschende oder ein Dashboard für Entscheidungen im Tagesgeschäft.
Das Buch R for Data Science hat einen Ansatz bekannt gemacht, bei dem du schrittweise vorgehst. Zuerst importierst du die Daten und bringst sie in eine einheitliche Struktur. Dann wechselst du zwischen Datentransformation, Visualisierung und Modellierung, bis du die Zusammenhänge gut genug verstehst, um die Ergebnisse zu vermitteln.
ChatGPT Work unterstützt dich bei diesem Ablauf. Du kannst damit Daten bereinigen, Hypothesen untersuchen, Analysen durchführen und reproduzierbare Ergebnisse erstellen. Das Ziel geht über ein Notebook für den einmaligen Gebrauch hinaus. Andere sollen deine Analyse prüfen, ihr vertrauen und sie erneut ausführen können.
Wähle eine konkrete Frage, die du mit deinen Daten beantworten möchtest. Je genauer du die Frage formulierst, desto leichter kannst du festlegen, welche Daten und Prüfungen du brauchst und in welcher Form das Ergebnis vorliegen soll.
Als Beispiel untersuchen wir folgende Frage:
Um wie viel niedriger werden Häuser in Autobahnnähe bewertet als weiter entfernte Häuser?
Angenommen, ein Datensatz enthält Immobilienwerte oder Verkaufspreise. Ein zweiter enthält Angaben zur Lage, zum Flurstück oder zur Entfernung von der Autobahn. Neben der Modellierung gehört es zu deinen Aufgaben, die Verlässlichkeit der Ausgangsdaten sicherzustellen, die Verknüpfungen zu dokumentieren und zu prüfen, wie belastbar das Ergebnis ist. Am Ende soll ein Ergebnis stehen, das andere nutzen können.
Du kannst CSV-Dateien oder Excel-Arbeitsmappen anhängen, mit @google-drive eine freigegebene Google-Tabelle angeben oder die Desktop-App verwenden, wenn die Daten auf deinem Computer liegen.
In einer fiktiven Stichprobe findet ChatGPT für elf Immobilienverkäufe einen passenden Eintrag in der Datei mit den Entfernungen zur Autobahn. Einen Verkauf ohne passende Entfernungsangabe markiert ChatGPT. Häuser, die höchstens eine Meile (rund 1,6 km) von der Autobahn entfernt liegen, erzielen einen durchschnittlichen Verkaufspreis von 500.000 USD. Bei Häusern in zwei bis fünf Meilen Entfernung (rund 3,2 bis 8 km) sind es 600.000 USD.
Auch nach Ausschluss der teuersten Immobilie in der weiter entfernten Gruppe beträgt der Unterschied noch 94.000 USD. Bericht und Diagramm weisen darauf hin, dass die Stichprobe klein ist und der Verkauf ohne Entfernungsangabe aus der Analyse ausgeschlossen wurde. Der Vergleich belegt keinen ursächlichen Zusammenhang und berücksichtigt weder Wohnviertel noch Verkaufszeitpunkt, Verkehr oder Lärm.
Hänge zuerst die Dateien an und bitte ChatGPT, sie zu prüfen. So klärst du einige grundlegende Fragen:
Bitte zunächst um eine Bestandsaufnahme und eine Erklärung der Daten. Schlussfolgerungen kommen später.
Hier beginnt oft die eigentliche Arbeit. Du hast zwei oder mehr Datensätze, der Primärschlüssel ist unklar, und beim unbedachten Zusammenführen können Daten verloren gehen oder Duplikate entstehen.
Bitte ChatGPT, vor dem Zusammenführen zu prüfen, wie sich die Datensätze verknüpfen lassen:
Manchmal musst du den passenden Schlüssel erst ableiten, etwa indem du Adressen vereinheitlichst oder eine Flurstückskennung aus mehreren Spalten bildest. Auch eine Verknüpfung anhand der Lage kommt infrage. Lass dir von ChatGPT die Vor- und Nachteile sowie mögliche Ausnahmefälle erklären, bevor du der Zusammenführung zustimmst.
Nutze Diagramme, um die Daten zu verstehen, bevor du ein Modell auswählst. Vergleiche im Autobahnbeispiel Häuser in Autobahnnähe mit weiter entfernten Häusern. Untersuche Ausreißer und prüfe, ob fehlende Werte einem Muster folgen. Schau dir an, ob der beobachtete Unterschied mit der Zusammensetzung der Wohnviertel, der Größe der Häuser oder einem anderen Faktor zusammenhängt.
Richte jedes Diagramm an der Ausgangsfrage aus. Speichere aussagekräftige Vergleiche, damit andere die Analyse nachvollziehen können.
Nicht jede Analyse braucht ein komplexes Modell. Beginne mit einem einfachen, gut interpretierbaren Basismodell.
Für die Frage zur Autobahnnähe eignet sich zunächst eine Regression oder ein anderes nachvollziehbares Modell. Damit schätzt du den Zusammenhang zwischen der Nähe zur Autobahn und dem Immobilienwert und berücksichtigst zugleich relevante Faktoren wie Größe, Alter und Lage.
Bitte ChatGPT, folgende Punkte ausdrücklich zu erläutern:
Auch ein erstes Modell mit geringer Aussagekraft hilft dir weiter. Es gibt dir Hinweise darauf, ob das Problem am Modell, an den Merkmalen, an der Qualität der Datenverknüpfung oder an der Fragestellung selbst liegt.
Eine Analyse wird dann nützlich, wenn andere mit ihr arbeiten können. Bitte ChatGPT, das Ergebnis in der Form aufzubereiten, die deine Zielgruppe braucht:
Bitte ChatGPT, auf Einschränkungen hinzuweisen. Wenn die Datenverknüpfung Schwächen hat, die Stichprobe verzerrt ist oder die Modellannahmen nur bedingt tragfähig sind, sollte das im Ergebnis klar benannt sein.
Wenn du für das Projekt wiederverwendbare Skripte oder ein Notebook brauchst, bitte ChatGPT, die vorhandene Python-Umgebung zu nutzen oder eine kleine, reproduzierbare Umgebung einzurichten. Lass die Quelldateien unverändert und speichere die Analyse, die Diagramme und den Abschlussbericht separat. Um angehängte Dateien in ChatGPT Work zu analysieren, musst du Python nicht vorher einrichten.
Datensätze laden und erklären lassen
Verknüpfung vor dem Zusammenführen prüfen
Ein erstes interpretierbares Modell erstellen
Ergebnisse für die Beteiligten aufbereiten
Was du brauchst
Standardoptionen
Warum du es brauchst
Was du brauchst
Werkzeuge für die Datenanalyse
Standardoptionen
pandas mit matplotlib oder seaborn
Warum du es brauchst
Damit kannst du Daten importieren, Datenprofile erstellen, Datensätze verknüpfen und bereinigen sowie erste Diagramme erstellen.
Was du brauchst
Modellierung
Standardoptionen
statsmodels oder scikit-learn
Warum du es brauchst
Beginne mit interpretierbaren Basismodellen, bevor du komplexere Prognosemodelle einsetzt.
| Was du brauchst | Standardoptionen | Warum du es brauchst |
|---|---|---|
| Werkzeuge für die Datenanalyse | pandas mit matplotlib oder seaborn | Damit kannst du Daten importieren, Datenprofile erstellen, Datensätze verknüpfen und bereinigen sowie erste Diagramme erstellen. |
| Modellierung | statsmodels oder scikit-learn | Beginne mit interpretierbaren Basismodellen, bevor du komplexere Prognosemodelle einsetzt. |
Gib ChatGPT deine Rechercheergebnisse, Planungsunterlagen, Modelle und Dashboards
Gib ChatGPT KPI-Dashboards, Arbeitsmappen zum Finanzabschluss, Definitionen der Kennzahlen...
Gib ChatGPT die bisherigen Berichtsunterlagen, eine Fortschrittsübersicht, Statuslisten zu...