Bagaimana alat analisis data ChatGPT menghasilkan wawasan bisnis yang dapat ditindaklanjuti tanpa pemrograman

Penasaran dengan wawasan data berbasis AI? Alat canggih ChatGPT menyederhanakan analisis data, membantu Anda menangani kumpulan data yang kompleks, menemukan wawasan, memperbaiki kesalahan, dan mengungkap tren dalam hitungan menit.

ChatGPT menawarkan Analisis Data Tingkat Lanjut, alat canggih yang membantu pengguna mengolah data dan mencari wawasan. Selama setahun terakhir, saya memiliki kesempatan untuk menggunakannya dengan hasil yang cukup baik. AI lain mulai menawarkan alat serupa, namun sejauh ini, mereka tampaknya tidak memiliki kekuatan fitur Analisis Data Lanjutan ChatGPT.

Analisis data telah menjadi bagian dari perangkat komputasi selama beberapa dekade, sehingga AI menawarkan hal yang lebih sama. Data mentah masuk, dan beberapa kesimpulan keluar.

Inilah yang membuat AI berbeda dalam konteks yang dapat Anda manfaatkan segera: AI dapat melakukan tugas analitik komputasi berat hanya dengan beberapa perintah -- mendapatkan hasil yang sebelumnya memerlukan pemrogram berpengalaman atau ilmuwan data untuk menghasilkannya.

Saya seorang programmer yang mampu melakukan analisis komputasi; sebenarnya, saya menikmati menulis rutinitas pengolah data. Saya juga menyukai bagan dan tabel sampai pada tingkat yang mungkin mendekati patologis. Ini adalah kondisi yang berkisar antara lucu dan sangat mengkhawatirkan, menurut anggota keluarga tertentu.

Namun maksud saya di sini adalah bahwa bahkan saya -- seseorang dengan keahlian pemrograman analitik yang obsesif -- menemukan bahwa ChatGPT sangat membantu dan dapat memberikan hasil dalam hitungan menit yang membutuhkan waktu berhari-hari atau berminggu-minggu untuk pemrograman.

Dalam artikel ini, saya akan memperkenalkan beberapa proyek yang saya berikan kepada ChatGPT dan menjelaskan mengapa proyek tersebut relevan dengan kebutuhan data Anda. Kemudian saya akan meninjau pelajaran yang saya pelajari mengenai cara berpikir tentang penggunaan ChatGPT untuk analisis data. Terakhir, saya akan membantu Anda mencari cara untuk mengatasi keterbatasan yang lebih tidak terduga pada generasi AI ini.

Pertama, sedikit konteks

Mengenai analisis data yang akan kami jelajahi, kami akan melihat analisis data berbasis chatbot saja.

Tidak ada keraguan bahwa AI dan data besar dapat bekerja sama menggunakan API dan program kompleks untuk melakukan beberapa hal menakjubkan. Misalnya, para profesional keamanan siber kini dapat menggabungkan alat AI dan otomatisasi mendalam untuk menyaring sejumlah besar data real-time dengan kecepatan yang jauh lebih cepat daripada yang dapat diproses manusia. Ini biasanya menggunakan berbagai API untuk menghubungkan sistem bersama-sama untuk melakukan analisis.

Kami tidak melakukan itu di sini. Kami membatasi analisis data pada apa yang dapat Anda unggah atau tempelkan ke antarmuka web ChatGPT yang berfokus pada pengguna akhir (dan aplikasi Mac dan Windows-nya).

Selain itu, ketika saya berbicara tentang ChatGPT, biasanya yang saya maksud adalah versi langganan Plus $20/bulan. Saat Analisis Data Tingkat Lanjut pertama kali diperkenalkan, kemampuannya hanya tersedia untuk pengguna Plus. Unggahan file juga dibatasi untuk pengguna Plus.

Saat ini, kedua fitur tersebut tersedia untuk pengguna gratis, meskipun pencarian web terintegrasi yang baru terbatas untuk pengguna Plus. Sulit untuk menentukan dengan tepat fitur mana yang ada di ChatGPT Plus vs. versi gratisnya, selain OpenAI yang menggambarkan versi gratisnya sebagai "terbatas".

Untuk melakukan sebagian besar analisis datanya, ChatGPT menggunakan fitur yang disebut Analisis Data Tingkat Lanjut. Di ChatGPT versi sebelumnya, Anda harus mengaktifkan dan menonaktifkannya di pengaturan. Sekarang, itu hanya bagian dari chatbot.

Berdasarkan pengalaman saya, saya menemukan bahwa saya dapat menjalankan beberapa perintah dari ChatGPT gratis sebelum diberi tahu bahwa saya telah melampaui batas sambutan saya dan diminta untuk kembali lagi nanti. Versi Plus memungkinkan saya untuk terus berinteraksi dengan AI (kebanyakan) selama yang saya inginkan. Saya pernah terpotong ketika saya melakukan interogasi yang sangat lama dan cepat terhadap AI, yang -- setelah beberapa saat -- mengangkat tangan virtualnya dan berseru, "Sudah cukup!" Tapi tahukah Anda, itu jarang terjadi.

Jangan ragu untuk melaju sejauh yang Anda bisa dengan akun gratis. Namun perlu diketahui bahwa untuk pekerjaan yang lebih serius, Anda mungkin diminta membayar.

Dan dengan itu, mari selami.

Normalisasi data yang mudah

Salah satu pengujian awal saya terhadap kemampuan analisis data ChatGPT adalah memintanya memetakan populasi kota. Dengan memanfaatkan data dalam basis pengetahuan internalnya, AI memberi saya hasil yang fungsional, meskipun beberapa data tidak tidak akurat. Karena basis pengetahuan memiliki batas waktu yang terbatas, data populasi kota sudah ketinggalan zaman dalam beberapa tahun.

Dengan hanya menggunakan pengetahuan di basis pengetahuan ChatGPT, analisis datanya hanyalah tipuan belaka. Namun begitu ChatGPT dapat mengunggah file data sebenarnya, hal itu berubah.

Tes saya berikutnya juga menggunakan informasi yang sudah ketinggalan zaman: nama-nama bayi Kota New York dari tahun 2011-2014. Saya tidak peduli bahwa itu sudah ketinggalan zaman karena saya hanya menggunakannya sebagai data uji untuk mengenal alat tersebut. Itu adalah kumpulan data 69.215 rekor nama bayi, etnis, jenis kelamin, dan jumlah keseluruhan.

Dari data tersebut saya bisa melakukan perhitungan mudah seperti menentukan perbandingan bayi laki-laki dan perempuan. Saya juga bisa menentukan nama bayi terpopuler. Dan saya dapat menggunakan data etnis yang cukup terbatas untuk memetakan nama berdasarkan etnis.

Namun, ada masalah dalam cara ChatGPT menafsirkan data. Diasumsikan bahwa penggunaan huruf besar relevan, sehingga menganggap "Madison" dan "MADISON" sebagai nama yang berbeda. Hal ini juga dibingungkan oleh versi data yang dipersingkat, sehingga "Hisp" dan "Hispanik" dianggap sebagai etnis yang berbeda.

Apa yang membuat ChatGPT begitu ampuh, terutama bagi non-pemrogram, adalah Anda dapat memperbaiki masalah ini dengan cepat. Sesuatu seperti "Untuk semua permintaan berikut, nama bayi harus peka huruf besar-kecil" dapat membawa Anda ke sana tanpa pemrograman.

Trik utamanya adalah mengingat bahwa normalisasi data mungkin perlu disematkan dalam perintah Anda. Jangan takut untuk menyalin perintah sebelumnya dan menambahkan kalimat yang menjelaskan cara menyesuaikan data agar konsisten.

Tugas Anda adalah memperhatikan dengan cermat hasil yang diberikan oleh AI dan segera melakukan penyesuaian pada area yang kurang tepat. Anggap saja seolah-olah Anda mendapat tugas kembali dari seorang siswa di kelas Anda. Anda akan melihat pekerjaan mereka dan melakukan koreksi. Sama dengan AI.

Wawasan bisnis yang cepat

Inilah saatnya saya menjadi yakin bahwa kemampuan analisis data ChatGPT membawa perubahan besar: Saya melakukan proyek analisis sentimen dengan data bisnis milik saya sendiri.

Saya memiliki bisnis perangkat lunak freemium kecil dengan beberapa produk. Model bisnis ini memungkinkan pengguna mengunduh dan menggunakan produk perangkat lunak yang berfungsi penuh secara gratis. Pendapatannya berasal dari penjualan add-on yang meningkatkan kemampuan perangkat lunak dasar. Saya tidak menghasilkan banyak uang dari bisnis sampingan ini, tetapi bisnis sampingan ini membuat coding saya tetap terpotong dan membantu membayar sedikit kecanduan alat listrik saya.

Saya mengumpulkan data berdasarkan saat pengguna mencopot pemasangan produk gratis. Jika pengguna berhenti menggunakan suatu produk, mereka akan diberikan kuesioner sederhana yang menanyakan alasan umum untuk mencopot pemasangan, serta kolom isian di mana mereka dapat berbagi pemikiran.

Saya telah mengumpulkan data di server saya selama bertahun-tahun tetapi tidak pernah sempat melakukan apa pun dengannya. Saya tidak pernah bisa menjelaskan waktu yang diperlukan untuk menulis semua kode khusus yang diperlukan untuk mengubah informasi yang dikumpulkan menjadi wawasan yang berguna.

Namun, setelah pembaruan yang cukup besar pada salah satu produk, saya khawatir apakah pengguna puas dengan pembaruan tersebut atau tidak dengan perubahan tersebut. Saya ingin melihat apa yang bisa disampaikan oleh data uninstall saya, dan apakah ada perubahan pola sebelum dan sesudah pembaruan itu.

Tapi saya masih belum punya waktu satu atau dua minggu untuk membuat kode analisis. Jadi saya beralih ke ChatGPT. Saya mengambil data dari server dan menghabiskan beberapa waktu di Excel untuk membersihkan data mentah sehingga dapat dibaca oleh AI. Itu melibatkan pemberian nama kolom kolom, menghapus pembatas sampah, dll. Kemudian saya mengunggah file yang sudah dibersihkan ke ChatGPT.

Di sinilah saya perlu menunjukkan bahwa saya memberikan data bisnis milik ChatGPT. Dalam kasus saya, ini adalah pekerjaan sampingan, jadi saya tidak peduli apa -- jika ada -- yang dilakukan OpenAI dengan datanya. Namun Anda perlu mempertimbangkan kebijakan perusahaan Anda untuk berbagi data sebelum mengunggah data milik Anda ke cloud, terutama AI yang mungkin menggunakannya untuk data pelatihan.

Bagaimanapun, ChatGPT mampu mengolah data saya. Tidak hanya menangani konten bidang statis dasar, tetapi juga mampu menganalisis komentar berbentuk bebas yang ditulis oleh pengguna. Ini mengiris dan memotong hasil berdasarkan waktu, versi, dan produk. Dari situ, saya dapat memastikan bahwa tidak ada peningkatan jumlah pencopotan pemasangan atau ketidakpuasan setelah pembaruan saya.

Saya menulis dua petunjuk, pada dasarnya dua kalimat, dan ChatGPT menelusuri 22.797 catatan dan memberi saya kesimpulan yang tidak saya duga: Pengguna menunjukkan "sedikit peningkatan sentimen positif" setelah pembaruan.

Ini adalah hal yang sangat kuat. Mengesampingkan masalah apakah Anda dapat berbagi data kepemilikan dengan AI, kini kami memiliki mekanisme yang memungkinkan non-pemrogram dapat melakukan prestasi analitis luar biasa dalam hitungan menit. Dengan kemampuan seperti itu, ada baiknya menggali semua silo data tempat data berguna disimpan tetapi tidak pernah diperiksa, untuk melihat wawasan apa yang mungkin didapat dari beberapa pertanyaan cepat.

Forensik diagnostik yang informatif

Mari kita gali satu contoh lagi. (Anda dapat membaca detail lengkap proyek ini di artikel ini.) Pernyataan masalah mendasar adalah printer 3D saya menunjukkan beberapa pola kinerja yang tidak konsisten.

Proyek ini melibatkan memasukkan dua file kode G, instruksi pergerakan mesin untuk menghasilkan cetakan 3D yang saya evaluasi. Saya membuat salah satu file melalui praktik normal, dan yang lainnya adalah versi yang disediakan pabrik.

Versi mereka membutuhkan waktu 16 menit untuk dicetak. Milik saya membutuhkan waktu 42 menit. Saya ingin tahu alasannya. Penjangkauan saya ke perusahaan tidak membuahkan hasil, jadi saya meminta bantuan ChatGPT.

Bersama-sama, kedua file tersebut terdiri dari lebih dari 170.000 baris kode, sebagian besar berupa koordinat X dan Y tempat kepala cetak akan dipindahkan. Ada juga beberapa pengaturan suhu dan aliran, serta instruksi sesekali untuk memindahkan pelat pembuat sehingga mesin dapat meletakkan lapisan plastik cair lainnya.

Namun mengapa satu versi jauh lebih cepat dibandingkan versi lainnya? Saya mengunggah kedua file ke ChatGPT dan memintanya untuk membandingkan file. Lalu saya mengajukan pertanyaan sederhana: Mengapa "cetak cepat" jauh lebih cepat?

Itu saja. Dapatkah Anda membayangkan pemrograman yang diperlukan untuk melakukan analisis data semacam itu? Yang saya lakukan hanyalah mengajukan pertanyaan sederhana. Ini sangat besar.

Setelah saya mendapat jawaban (pada dasarnya, pabrik bermain-main dengan kecepatan pergerakan dan laju aliran material), saya mengajukan beberapa pertanyaan lanjutan sederhana. Sekali lagi, ChatGPT menelusuri beberapa file data raksasa dan memberi saya kembali informasi yang dapat ditindaklanjuti.

Berikut hal penting lainnya: Data yang Anda masukkan ke ChatGPT tidak harus berupa data formulir tradisional dengan baris dan kolom. Jika Anda memiliki data dan ada dalam satu (atau dua) file, jangan ragu untuk memberikannya kepada AI dan lihat apa yang dapat dibedakan dari file mentah.

Kami telah memiliki mesin basis data selama bertahun-tahun. Namun AI lebih dari itu. Ini seperti memiliki sekumpulan pekerja magang persiapan data dan ilmuwan data yang dapat mengelola data, menemukan pola, dan menghasilkan wawasan. Dengan hasil yang sangat cepat dan petunjuk yang sangat mudah, tidak ada alasan untuk tidak mencoba AI pada file informasi apa pun yang ingin Anda jelajahi. Maksudku, kenapa tidak?

Batas token

Salah satu diskusi menarik yang saya lakukan dengan komentator ZDNet berkaitan dengan pertanyaan tentang batasan token. AI tidak mengukur jumlah informasi yang diminta untuk diproses berdasarkan garis atau karakter, melainkan berdasarkan token. Ini adalah representasi teks dari informasi yang diharapkan diproses oleh AI.

Menurut ChatGPT sendiri, batas tokennya untuk GPT-3.5 adalah sekitar 4K token per interaksi. GPT-4 meningkatkannya menjadi 8 ribu token per interaksi. GPT-4o sedikit lebih fleksibel, dengan batas token 128K untuk "interaksi yang diperluas", namun hanya 8K atau 32K untuk sebagian besar interaksi.

Apa yang membuat salah satu komentator saya menjadi sangat lucu adalah pertanyaan tentang bagaimana saya bisa membuat ChatGPT memproses 170.000 baris data masukan ketika batasan token tampaknya jauh lebih sedikit.

Saya mengajukan pertanyaan kepada ChatGPT dan diberi tahu bahwa token tidak cocok satu per satu dengan perintah atau baris. Selain itu, ChatGPT memberi tahu saya bahwa ia memproses file dalam beberapa bagian dan melakukan pemrosesan selektif. Jadi ia mengelola data melalui mekanisme yang lebih bernuansa daripada pemindaian brute force sederhana.

Cara saya menguji apakah ChatGPT dapat memproses file lengkap adalah dengan mengajukan pertanyaan tentang file lengkap, mulai dari berapa baris yang dapat dihitung hingga memintanya menjelaskan beberapa data dari awal hingga akhir, dan melihat apakah data tersebut cocok dengan apa yang saya lihat.

Namun demikian, jangan takut untuk menggunakan program spreadsheet untuk memproses data terlebih dahulu sebelum mengunggahnya. Anda dapat menggunakan ini untuk menormalkan data agar respons AI lebih dapat diprediksi, menghilangkan elemen data apa pun yang mengganggu yang tidak ingin AI pertimbangkan, dan -- mungkin -- mengelompokkan data jika chatbot kewalahan karena banyaknya data yang telah disajikan.

Anda dapat menggunakan ChatGPT untuk membantu Anda membuat rumus di Excel yang diperlukan untuk memfaktorkan ulang dan menormalkan data Anda. ChatGPT juga dapat memberikan dukungan untuk Google Sheets dan Apple Numbers, jadi apa pun alat spreadsheet yang Anda pilih untuk digunakan, Anda tidak perlu menggunakannya sendiri.

10 tip cepat

ChatGPT ternyata sangat kuat dan dapat memberikan wawasan yang membutuhkan banyak kerja keras dan keterampilan pemrograman. Saya akan menutup ikhtisar ini dengan 10 tips cepat berdasarkan pengalaman saya mengobrol dengan ChatGPT.

1. Jika ragu, cobalah. Tidak ada salahnya atau biaya tambahan dalam membuang data di ChatGPT dan melihat apa yang akan disampaikannya kepada Anda.
2. Data tidak harus direpresentasikan hanya dalam baris dan kolom. Anda dapat memasukkan input teks lengkap ChatGPT, dan bahkan PDF.
3. Selalu periksa kembali hasilnya. Cara termudah untuk melakukannya adalah dengan mengajukan banyak pertanyaan tentang data dan melihat isinya. Tentu saja, pastikan untuk melihat sendiri datanya untuk mengonfirmasi.
4. Tanyakan, "Apa yang bisa Anda ceritakan tentang data ini?" Ini adalah pertanyaan terbuka yang bagus yang dapat membuat ChatGPT mulai memberi Anda wawasan dan merupakan titik awal untuk analisis tambahan.
5. "Tunjukkan karya Anda" adalah cara ampuh lainnya untuk mendapatkan wawasan tentang cara ChatGPT melihat dan memproses data Anda.
6. Jika Anda tidak mendapatkan apa yang Anda inginkan, coba lagi. Ulangi perintah Anda. Sederhanakan. Tambahkan detail dan batasan. Pertanyaan pertama Anda mungkin tidak cukup tepat, tetapi setelah beberapa kali pengulangan, Anda mungkin akan mendapatkan hasil yang baik.
7. Mintalah grafik dan tabel. ChatGPT tidak selalu menghasilkan bagan dan tabel secara otomatis dan dapat menghasilkan wawasan yang sangat kuat.
8. ChatGPT membuat kesalahan, tetapi tidak akan membuat Anda kesal jika Anda mengatakannya. Jika menurut Anda hasil yang diberikan AI tidak benar, beri tahu, dan minta AI memikirkan kembali pendekatannya.
9. Perlahan tingkatkan analisis Anda. Anda dapat menyalin dan menempelkan perintah sebelumnya, menambahkan lebih banyak kekhususan dan instruksi karena ChatGPT membuktikan bahwa ia melakukan langkah-langkah sebelumnya dengan benar.
10. Selamat bersenang-senang. Tidak ada yang lebih menyenangkan daripada memasukkan kumpulan data raksasa ke AI dan menampilkan grafik dan tabel keren.

Jadi begitulah. Cobalah analisis data ChatGPT. Saya yakin Anda akan menemukan wawasan yang tersembunyi di dalamnya melalui kumpulan data.

Bagaimana denganmu?

Sudahkah Anda menggunakan ChatGPT untuk melakukan analisis data tingkat lanjut? Apakah Anda pelanggan ChatGPT Plus? Apakah Anda mendapatkan wawasan menarik atau memberikan data atau file apa pun yang menurut Anda merupakan penggunaan teknologi yang menarik? Beri tahu kami di komentar di bawah.