ChatGPT: Daten analysieren (Data Analysis)

▸ Wie funktioniert die Datenanalyse von ChatGPT?

Die Data Analysis von ChatGPT funktioniert im Wesentlichen durch die Analyse und das Verständnis von Code-Anweisungen, die durch menschliche Sprache vermittelt werden. Wenn du also eine Frage zu einem bestimmten Code hast oder eine Hilfe zur Code-Lösung brauchst, interpretiert ChatGPT deine Anfrage, um sie anschließend in einen „übersetzten“ Code zu vermitteln. Zu umständlich formuliert? Macht nichts, ein Bild sagt mehr, als diese Worte 😀

Wie bereits erwähnt entscheidet ChatGPT auf Grund deines Prompts, wenn die Datenanalyse genutzt wird. Du hast aber auch die Möglichkeit, diese direkt untern den sogenannten GPTs auszuwählen.

Klicke links auf den Punkt Explore und dann auf der rechten Seite auf Data Analysis. Eventuell musst du ein wenig herunter scrollen. Das ist alles. Dein ChatGPT Fenster wird zum Dialog geöffnet und du hast nun verschiedene Voreinstellungen, die du nutzen wirst.

Wenn du mehr über die GPTs erfahren möchtest, schau dir den Beitrag ➥ OpenAI GPTs: erstellen und personalisieren an.

Achte darauf, dass die Data Analysis in deinen Einstellungen aktiviert ist. Klicke unten links auf deinen Namen. Dann wähle Settings aus und in dem neuen Fenster den Karteireiter Beta features. Nun nur noch die Data Analysis aktivieren. Das war es auch schon.

Für die Datenanalyse nutzt ChatGPT die Programmiersprache Python. Du kennst Python nicht? Das ist kein Problem, denn ChatGPT übersetzt ja deine Anweisungen in diese Programmiersprache. Über die Nutzung von Python hinaus werden sogenannte Bibliotheken verwendet. Diese ermöglichen beispielsweise die Ausgabe von Grafiken. Doch schauen wir uns die Möglichkeiten, die du mit der ChatGPT Datenanalyse hast, genauer an.

Noch ein Tipp: Lasse dir die Einsatzmöglichkeiten von ChatGPT anzeigen. Gib folgenden Text bei ChatGPT ein: „Was kann ich mit der Data Analysis von ChatGPT machen? Bitte zu jedem Punkt eine kurze Erklärung.“

▸ Berechnungen durchführen

Du kannst jetzt mathematische Berechnungen durchführen, die von einfachen Rechenaufgaben bis hin zu komplexen statistischen Berechnungen reichen. Wenn es komplizierter wird, werden wissenschaftlichen Bibliotheken verwendet. Du erinnerst dich? Bisher konnte ChatGPT nur so tun, als könne die „sprachbasierte KI“ rechnen. Jetzt funktionieren auch Berechnungen.

Beispiel einer Berechnung: Nehmen wir an, du möchtest 5.000 Euro mit einem Zinssatz von 2,8% für 5 Jahre anlegen. Was bekommst du nach 5 Jahren ausgezahlt?

Hier meine Frage an ChatGPT: Berechne eine Geldanlage. Anlagebetrag: 5000 Euro. Zinssatz 2,8 Prozent jährlich. Wie hoch ist die Auszahlung nach 5 Jahren?

ChatGPT rechnet nicht nur, sondern zeigt uns die Formel zur Berechnung an und den Lösungsweg. Du kannst dir das anschauen, indem du das graue Kästchen „Finished working“ aufklappst.

Zur Sicherheit habe ich das noch einmal in Excel nachgerechnet. Und es stimmt 👍.

▸ Datenanalysen

Links neben der Texteingabe ist ein Klammersymbol. Dort kannst du Dateien hochladen. Für die Datenanalyse nehmen wir eine Exceldatei.

In meinem Beispiel nehme ich eine Microsoft-Vorlage mit Umsatz, Produkten, Kunden und Quartalen. Diese muss zuerst in eine CSV-Datei konvertiert werden. Wenn du magst und sichergehen willst, solltest du vorher prüfen, ob die Formatierungen stimmen. Sind die Spalten richtig formatiert? Also Werte als Zahl usw. Das Trennzeichen sollte ein Komma sein. Und die Exportdatei im UTF-8 Format.

Schritt 1, Analyse der Datei:
Die Analyse ist recht einfach, zumindest für dich. Lade die Datei hoch und schreibe: Analysiere die Datei. ChatGPT beginnt zu arbeiten. Das ist wichtig, damit ChatGPT Unklarheiten erkennt und entsprechend umwandelt. In meinem Fall war der Umsatz beispielsweise eine Zeichenkette mit dem Euro-Symbol. ChatGPT hat dieses erkannt und die CSV-Datei intern verändert. Abhängig von den Formaten in der Datei können mehrere automatisierte Durchläufe stattfinden.

Schritt 2, Testfrage und Nachrechnen: Diesen Schritt musst du nicht machen, aber ich fühle mich sicherer, dass die Datei richtig analysiert wurde. In diesem Beispiel stelle ich die Frage, wie hoch der Gesamtumsatz eines bestimmten Produktes ist. Das lässt sich in Excel leicht nachrechnen. Wenn das stimmt, kommen wir nun zu den komplexeren Analysen.

Schritt 3, Datenanalyse: In meinem Beispiel möchte ich die Gesamtumsätze aller Produkte nach Quartal geordnet sehen. Hier das Ergebnis.

Schritt 4, Visualisieren: Du kannst die Daten auch visualisieren und dir ein Diagramm erstellen lassen. Ich habe folgenden Prompt genutzt: Erstelle ein Balkendiagramm. Umsatz pro Kunde und Quartal. Nimm die Top 6 Kunden.

Natürlich gehen auch komplexere Diagramme. Der Fantasie sind keine Grenzen gesetzt. Oder fast keine.

Tipp: Falls die Achsen vertauscht sind, kannst du schreiben: Tausche die X-Achse.
Du kannst einzelnen Werte auch Farben zuweisen oder andere Formatierungen wählen. Einfach als normalen Text eingeben und ChatGPT und die Data Analysis setzen es dann um.

▸ Programmiercode generieren und prüfen

Wie bereits in dem Abschnitt zur Datenanalyse erwähnt, kannst du den Python Code anschauen und kopieren. Es funktioniert aber auch mit anderen Programmiersprachen. Ich habe einmal eine PHP-Funktion für eine Website genommen. Folgende Optionen hast du:

Den Code überprüfen: Lade die Code-Datei hoch und schreibe, dass ChatGPT den Code prüfen soll. In meinem Fall habe ich einen Fehler eingebaut, um zu schauen, ob ChatGPT das erkennt. Und in der Tat, der Fehler wurde gefunden und noch einige Dinge darüber hinaus.

Den Code optimieren: Sag ChatGPT, dass du deinen Code optimiert haben willst. Versuch du es mit deinem Code einmal. Du wirst überrascht sein. Was soll ich sagen, ich habe den optimierten Code übernommen, er war einfach besser.

Code-Erweiterung: Du kannst neue Funktionen oder Fähigkeiten dem Code hinzufügen lassen. In meinem Fall hat auch das anstandslos funktioniert.

Dokumentation: ChatGPT kann auch eine Dokumentation für deinen Code schreiben. Und so sieht das Ganze dann aus (gekürzt).

Ich muss sagen, die Ergebnisse haben mich positiv überrascht. Du kannst nicht nur den Code überprüfen, nein, auch verbessern und erweitern. Außerdem brauchst du die lästige Dokumentation nicht allein zu machen. Insgesamt gewinnst du Qualität und sparst eine Menge Zeit. Ob das auch mit komplexem Code funktioniert, kann ich nicht sagen. Für meine Zwecke reicht es und ich bin begeistert. Ab sofort lasse ich meinen Code immer durch ChatGPT prüfen und hole mir Verbesserungsvorschläge ein.

Ich habe keine Dokumentation darüber gefunden, welche Dateiarten du bei der Data Analysis mit ChatGPT hochladen kannst. Aber ich habe einige ausprobiert:

PDF-Dateien: Bei PDF-Dateien kann es zu Schwierigkeiten kommen. Du erhältst beispielsweise die Meldung, dass PDF-Dateien nicht verarbeitet werden können, oder der extrahierte Text ist zerstückelt und die Leerzeichen fehlen. Schreibe ChatGPT, dass die Bibliothek PDFMiner verwendet werden soll. Damit habe ich gute Erfahrungen gemacht und du erhältst deinen Text.

Textdateien: Einfache Textdateien können hochgeladen und von der Data Analysis verarbeitet werden. Weiter oben habe ich die Datenanalyse ja mit CSV-Dateien durchgeführt. Es gibt aber noch andere Möglichkeiten. Du kannst zum Beispiel eine Textanalyse erstellen. Ich habe mir von einem Artikel über Ausflugsziele anzeigen lassen, welche Wörter wie oft im Text vorkommen. Das Ergebnis sieht dann so aus:

Bilddateien verändern: Mit Hilfe der Data Analysis von ChatGPT ist es möglich, Bilder und Fotos zu bearbeiten. Ich habe ein KI-Bild in einen Cartoon-Stil verändern lassen. Die Schritte, die durchlaufen wurden, sind schon erstaunlich und würden mit einem Fotobearbeitungsprogramm etwas schwieriger werden. ChatGPT schreibt zu den Schritten folgendes:

Und hier nun das Ergebnis. Es ist beeindruckend, finde ich.

Python Quellcode: Wenn Data Analysis verwendet wird, kannst du den entsprechenden Abschnitt aufklappen und den Quellcode sehen. Falls du sensible Daten bearbeiten möchtest, solltest du dies nicht innerhalb von ChatGPT tun. Du kannst dir aber den Quellcode erstellen lassen und dann lokal mit deinen echten Daten weiterarbeiten. Dazu benötigst du allerdings eine entsprechende Programmierumgebung.

Datenbankdatei SQLite: Falls du eine Datenbank in dem SQLite Format hast, kannst du diese auch hochladen und Datenanalysen durchführen. Ein anderes Datenbankformat wird meines Wissens nach nicht unterstützt.

Es gibt einige Dinge, die du bei der Nutzung beachten solltest:

Hochgeladene Dateien sind nur einen begrenzten Zeitraum vorhanden. Wenn du nach einiger Zeit mit dem Chat weitermachen möchtest und vorher Dateien hochgeladen hattest, bekommst du häufig folgende Meldung:

Übersetzt heißt das: Dieser Codeinterpreter-Chat (Beta) hat eine Zeitüberschreitung. Du kannst die Konversation fortsetzen, aber frühere Dateien, Links und Codeblöcke funktionieren möglicherweise nicht wie erwartet.

Und diese Meldung stimmt. Häufig bekommst du eine Fehlermeldung, wenn du weiter arbeiten willst.

Die Data Analysis funktionieren nur mit GPT-4 und dem kostenpflichtigen Abo.

Zeitbegrenzung: Code-Ausführungen haben eine maximale Zeitbegrenzung. Wenn eine Code-Ausführung diese Grenze überschreitet, wird sie abgebrochen und ein Timeout-Fehler wird zurückgegeben.

Begrenzte Ressourcen: Es gibt, wie bei vielen Dingen, begrenzte Rechen- und Speicherressourcen. Extrem rechen- oder speicherintensive Aufgaben können zu Fehlern führen.

Python-Bibliotheken: Es stehen viele gängige Python-Bibliotheken zur Verfügung, aber nicht alle. Es kann sein, dass eine spezielle Bibliothek, die du benötigst, nicht zur Verfügung steht. Eine Installation dieser fehlenden Bibliotheken ist nicht möglich.

Sicherheit: Aus Sicherheitsgründen sind einige Funktionen, die als potenziell unsicher gelten, eingeschränkt oder deaktiviert.

Hier findest du die ➥offiziellen Release Notes von OpenAi.