Du har et regneark med 168 000 rader og trenger å finne mønstre, lage grafer og trekke ut innsikt. I Excel ville dette tatt timer med pivottabeller og formler. Med dataanalyse i KI laster du opp filen, stiller spørsmål på vanlig norsk, og får ferdige visualiseringer tilbake.
Slik laster du opp data til ChatGPT
Klikk på vedleggsikonet i ChatGPT og velg filen din. Støttede formater inkluderer Excel-filer (.xlsx), CSV-filer, PDF-dokumenter og JSON. Du kan laste opp filer på opptil 512 MB og ha inntil ti filer i samme samtale.
Når filen er lastet opp, analyserer ChatGPT den første raden for å forstå strukturen i dataene dine. Kolonnenavn, datatyper og mønstre kartlegges automatisk. Du trenger ikke formatere filen på noen spesiell måte, men tydelige kolonneoverskrifter gjør analysen mer presis.
La KI foreslå hva du bør se etter
Her er et triks som sparer tid: i stedet for å bestemme selv hva du vil analysere, be ChatGPT foreslå det for deg. Skriv "Analyser vedlagt fil og foreslå prompts jeg kan bruke for å visualisere dataene på interessante måter." ChatGPT ser gjennom hele datasettet og kommer med konkrete forslag.
For et datasett med sykkelturdata fra Oslo Bysykkel foreslo ChatGPT blant annet linjegraf over antall turer per dag, gjennomsnittlig turvarighet per time på døgnet fordelt på ukedag og hverdag, og et heatmap over de mest populære start- og sluttpunktene. Hvert forslag kom med en ferdig prompt du bare kunne lime inn.
Denne tilnærmingen er spesielt nyttig når du jobber med data du ikke kjenner godt fra før. ChatGPT ser mønstre og muligheter du kanskje ikke tenker på selv.
Fra spørsmål til ferdig graf på sekunder
Bak kulissene skriver ChatGPT Python-kode for å prosessere dataene dine. Den bruker bibliotekene Pandas (for dataanalyse) og Matplotlib (for grafer). Du ser ikke koden med mindre du klikker for å utvide den, og du trenger ingen programmeringskunnskap.
Resultatet er ferdige grafer du kan laste ned som bildefiler. En linjegraf over daglig sykkelaktivitet viste at Oslo Bysykkel hadde rundt 6000 turer per dag i juli 2024. En graf over gjennomsnittlig turvarighet per time avslørte at turene varer lengre i helgene, med topp rundt klokken ti. Folk sykler sannsynligvis til badeplasser og friluftsområder.
Interaktive kart og avanserte visualiseringer
ChatGPT kan lage mer enn statiske grafer. Be om et heatmap på kart, og du får en nedlastbar HTML-fil som åpnes i nettleseren. Der kan du zoome, panorere og utforske dataene interaktivt.
Et heatmap over Oslo Bysykkel-data viste tydelig at Bygdøy (med badeplassen Huk), Vippetangen og Aker Brygge var de mest populære områdene sommeren 2024. Du kan zoome inn, klikke på enkeltpunkter og utforske mønstrene i detalj. Denne typen visualisering er vanskelig å lage i Excel, men tar ChatGPT noen sekunder.
Når KI-analyse fungerer best (og når den ikke gjør det)
Dataanalyse med KI er perfekt for rask utforskning. Du har et datasett og vil forstå hva som er i det, finne trender eller lage en presentasjon med grafer. Terskelen er null: ingen formler, ingen pivottabeller, ingen programmeringskunnskap.
For mer avanserte behov har KI-analyse begrensninger. Komplekse statistiske modeller, sanntidsoppdatering av data, eller analyser som krever tilkobling til databaser, fungerer bedre i dedikerte verktøy som Excel, Power BI eller Python-notebooks. KI-analyse erstatter ikke disse verktøyene, men den gjør at du kan gjøre på minutter det som tidligere krevde timer med oppsett.
En god arbeidsflyt er å starte i ChatGPT for å utforske dataene og finne de interessante mønstrene. Deretter kan du ta de mest verdifulle analysene videre i et dedikert verktøy hvis du trenger mer avansert funksjonalitet.
Tips for bedre dataanalyse med KI
Gi kontekst om dataene når du laster dem opp. "Denne filen inneholder alle sykkelturer i Oslo i juli 2024, med starttid, sluttid, startsted og sluttsted" hjelper ChatGPT gi mer relevante analyser enn bare å laste opp filen uten forklaring.
Still oppfølgingsspørsmål. Hvis en graf viser en uventet topp, spør "Hva skjedde den 15. juli som forklarer den høye aktiviteten?" ChatGPT går tilbake til dataene og undersøker.
Kombiner dataanalyse med KI-internettsøk. Etter at du har funnet et mønster i dataene, kan du be ChatGPT søke etter forklaringer. "Søk på internett og finn ut om det var noe spesielt arrangement i Oslo den 15. juli" gir kontekst som rene tall ikke kan gi.
Neste steg
Dataanalyse starter med å laste opp filer. Hvis du vil lære mer om hvilke filtyper KI støtter og hvordan du får mest ut av opplastede dokumenter, les artikkelen om filopplasting til KI. For å skrive prompter som gir bedre analyser, har vi en guide til prompting-teknikker. Og hvis du jobber med rapporter basert på dataanalysen, viser artikkelen om KI til rapportskriving hvordan du går fra tall til ferdig dokument.
Denne videoen er hentet fra kurset Generativ KI – komplett guide på Utdannet.no. I det fulle kurset lærer du å laste opp regneark og datasett, lage interaktive grafer og heatmaps, og bruke KI som et fullverdig analyseverktøy i hverdagen.
