Cara menganalisis hamparan dengan AI dalam Whizi

Profilkan data sebelum anda bertanya apa-apa

Cara paling biasa analisis hamparan menjadi tersasar tiada kaitan dengan AI. Ia berlaku apabila fail mengandungi 14 baris dengan ruang berlebih di hujung nama wilayah, dua format tarikh berbeza, satu baris subjumlah yang tertinggal di tengah-tengah, dan 300 sel kosong dalam lajur yang anda hendak purata. Tanya soalan anda dahulu dan anda akan mendapat jawapan yang yakin tetapi dikira daripada data yang rosak.

Jadi gesaan pertama adalah sama untuk setiap fail.

Gesaan: profil data

Profilkan fail ini sebelum kita menganalisis apa-apa. Berikan: jumlah baris, nama lajur berserta jenis yang disimpulkan, bilangan dan peratusan nilai yang hilang bagi setiap lajur, bilangan baris pendua yang tepat sama, nilai unik bagi setiap lajur dengan kurang daripada 25 nilai unik, nilai min dan maks bagi setiap lajur berangka dan tarikh, dan mana-mana lajur yang nilainya kelihatan tidak konsisten (format bercampur, ruang berlebih, unit bercampur, format tarikh bercampur). Jangan analisis atau tafsir lagi. Beritahu saya sahaja apa yang ada dalam fail ini dan apa yang kelihatan tidak kena.

Satu gesaan itu sahaja sudah mengesan kebanyakan perkara yang boleh merosakkan analisis. Senarai nilai unik khususnya adalah tempat anda menemui bahawa "UK", "U.K.", dan "United Kingdom" adalah tiga wilayah berasingan dalam data anda.

Gesaan: baiki apa yang ditemui

Seragamkan isu yang anda kenal pasti: potong ruang berlebih, seragamkan [lajur] kepada satu format sahaja, dan gabungkan varian ini: [senaraikan]. Tunjukkan pemetaan yang anda gunakan sebagai jadual sebelum melaksanakannya. Jangan buang mana-mana baris tanpa memberitahu saya baris mana dan sebabnya.

Tanya soalan yang menghasilkan jawapan yang boleh disemak

Soalan kabur mendapat jawapan kabur. Gesaan yang berkesan menamakan lajur, operasi, dan format hasil, serta meminta cara pengiraannya ditunjukkan.

Gesaan: pengagregatan dengan pengiraan ditunjukkan

Kumpulkan mengikut [lajur] dan kira [metrik]. Berikan jadual Markdown dengan kumpulan, bilangan baris di dalamnya, dan metrik tersebut. Di bawah jadual, nyatakan dengan tepat bagaimana anda mengira metrik itu, baris mana yang anda kecualikan dan sebabnya, dan bagaimana anda mengendalikan sel kosong. Susun menurun mengikut [lajur].

Gesaan: soalan kohort

Bagi setiap [dimensi kohort, contohnya bulan pendaftaran], kira [metrik] pada [selang masa]. Tunjukkan saiz kohort bersama setiap angka. Tandakan mana-mana kohort dengan kurang daripada [n] baris sebagai terlalu kecil untuk ditafsir dan bukannya melaporkan peratusan untuknya.

Arahan terakhir itu mengelakkan hasil yang paling mengelirukan dalam analisis hamparan: kohort empat pengguna dilaporkan sebagai "75% pengekalan" dan duduk dalam jadual bersebelahan dengan kohort sembilan ribu.

Gesaan: pemburuan anomali

Apa yang mencurigakan tentang data ini? Cari: nilai di luar julat yang munasabah, kejutan mendadak dalam siri masa, lajur di mana taburan berubah separuh jalan, baris yang pendua tepat atau hampir sama, nilai yang kelihatan terlalu bulat, dan apa-apa yang menunjukkan perubahan dalam cara data dikumpulkan. Bagi setiap satu, petik baris yang berkenaan.

Itulah gesaan paling bernilai di halaman ini dan ia tiada padanan dalam aliran kerja hamparan biasa. Ia secara rutin menemui hari penjejakan rosak, vendor yang mula melaporkan dalam mata wang berbeza, dan import pendua yang menggelembungkan satu suku tahun.

Gesaan: spesifikasi carta

Cadangkan carta yang sesuai untuk soalan dan bentuk data ini, dan terangkan mengapa alternatif yang lebih jelas sebenarnya lebih lemah di sini. Kemudian berikan saya spesifikasinya: jenis carta, x, y, siri, pengagregatan, susunan isihan, dan rawatan paksi. Jangan guna paksi berkembar. Jangan potong paksi carta bar.

Di mana pengiraan sebenarnya tersilap

Ini memerlukan jawapan yang jelas, kerana "AI lemah dalam matematik" adalah benar tetapi juga kabur dan tidak membantu.

Model bahasa yang menaakul angka dalam teks sebenarnya melengkapkan corak, bukan mengira. Ia boleh dipercayai untuk menerangkan struktur, mengkategorikan baris, dan mengenal pasti pengiraan yang anda perlukan. Ia jauh kurang boleh dipercayai untuk melaksanakan rantaian pengiraan yang panjang merentasi beratus-ratus baris, dan ia gagal secara senyap: hasilnya adalah jadual yang kelihatan kemas dengan angka yang salah tanpa sebarang isyarat amaran.

Peraturan praktikal:

• Minta kaedah, bukan sekadar hasil. "Nyatakan dengan tepat bagaimana anda mengira ini dan apa yang anda kecualikan" menjadikan kesilapan itu kelihatan jika ada.
• Semak satu kumpulan secara manual. Pilih kumpulan terkecil dalam jadual hasil dan sahkan dalam hamparan sebenar. Jika sepadan, kaedah itu berkemungkinan betul; jika tidak, tiada apa dalam jadual itu boleh dipercayai.
• Semak silang apa-apa yang penting dengan model kedua. Dua model bebas yang mencapai angka yang sama adalah bukti yang jauh lebih baik berbanding satu model mengulangi dirinya. Paparan bersebelahan Whizi wujud khusus untuk ini.
• Perhatikan pengiraan berganda. Baris subjumlah yang tertinggal dalam fail dan gabungan satu-ke-banyak adalah dua punca biasa, dan model tidak akan tahu ia salah.
• Untuk apa-apa yang perlu tepat, minta formula atau kod. Berikan saya formula Excel atau berikan saya kod pandas meletakkan pengiraan dalam enjin yang deterministik, dan anda kekalkan model untuk bahagian yang ia mahir, iaitu mengetahui pengiraan mana yang perlu dijalankan.

Yang terakhir itulah jawapan sebenar untuk kerja kewangan atau pelaporan. Guna model untuk mereka bentuk analisis, guna hamparan atau skrip anda untuk melaksanakannya.

Model mana membaca fail mana, dan berapa besar dianggap terlalu besar?

CSV dan Excel kedua-duanya boleh dimuat naik terus, dan ketiga-tiga model membahagikan kerja dengan kemas.

Model	Tetingkap konteks	Kredit setiap mesej	Guna untuk
GPT-5.6 Terra	1M token	4	Format ketat: jadual bersih, JSON, pemetaan lajur yang tepat
Claude Sonnet 5	1M token	10	Laluan semak silang bagi pengagregatan berbilang langkah
Gemini 3.5 Flash	1M token, kira-kira 1,900 halaman manuskrip	8	Fail terbesar, atau hamparan bersama PDF dalam satu perbualan

Angka konteks dan kredit diperoleh daripada indeks kos model Whizi, kadar tersenarai diambil pada 2026-08-20.

Beberapa nota praktikal:

• Beri ia segi empat yang bersih. Satu baris tajuk, tiada sel bergabung, tiada baris kosong pemisah, tiada nota dalam lajur K. Laporan berformat tajuk berbilang mengelirukan pengekstrakan lebih daripada had saiz fail mana-mana.
• Hantar helaian mentah, bukan helaian pembentangan. Versi dengan format dan subjumlah adalah yang menghasilkan pengiraan berganda.
• Fail yang sangat lebar mendapat manfaat daripada senarai lajur dahulu. Tanya apa maksud setiap lajur sebelum menganalisis jika namanya sukar difahami, dan beritahu model apa yang ia tersilap.
• Untuk fail yang sangat besar, guna Gemini 3.5 Flash, yang membaca konteks 1M token yang sama seperti Claude Sonnet 5 dan GPT-5.6 Terra pada kos paling rendah setiap jawapan antara ketiga-tiganya. Selebihnya, sampel secara sengaja: analisis sampel rawak 5000 baris dan beritahu saya ralat pensampelan yang perlu saya jangkakan bagi setiap angka adalah lebih baik daripada memotong secara senyap.
• Buang data peribadi dahulu. Nama, e-mel, dan pengecam hampir tidak pernah diperlukan untuk analisis, dan membuangnya lebih pantas daripada berdebat sama ada anda dibenarkan memuat naiknya.

Mekanik muat naik dibincangkan dalam memuat naik dokumen.

Urutan lapan langkah penuh pada fail sebenar

Keseluruhan aliran kerja pada fail sebenar, mengikut urutan:

1. Muat naik. Jalankan gesaan profil. Baca nilai unik dan bilangan kosong dengan teliti.
2. Baiki apa yang ditemui, semak jadual pemetaan sebelum ia dilaksanakan.
3. Minta ringkasan tentang apa data ini berkenaan dan tiga soalan yang difikirkannya patut anda tanya. Langkah ini pantas dan selalunya membentuk semula analisis.
4. Tanya soalan sebenar anda, dengan kaedah dan pengecualian diwajibkan dalam jawapan.
5. Jalankan gesaan anomali, setiap kali. Di sinilah kejutan berada.
6. Semak kumpulan terkecil secara manual.
7. Semak silang angka utama dengan model kedua.
8. Minta spesifikasi carta, atau formula jika angka itu perlu tepat dan boleh dihasilkan semula.

Langkah 1, 5, dan 6 adalah yang selalu dilangkau orang, dan itulah yang membezakan analisis yang boleh anda pertahankan daripada tekaan yang hanya kelihatan kemas.