Whizi'de yapay zeka ile tablo dosyaları nasıl analiz edilir

Bir şey sormadan önce veriyi profille

Tablo analizinin en sık bozulma şekli yapay zekayla ilgili değildir. Sorun, dosyada bölge adında sonda boşluk bulunan 14 satır, iki farklı tarih biçimi, ortaya bırakılmış bir ara toplam satırı ve az sonra ortalamasını alacağın sütunda 300 boş hücre olmasıdır. Önce soruyu sorarsan, çöp veriler üzerinden hesaplanmış kendinden emin bir cevap alırsın.

Bu yüzden her dosyada ilk istem aynıdır.

İstem: profil

Herhangi bir şey analiz etmeden önce bu dosyayı profille. Şunları döndür: satır sayısı, çıkarımsal türleriyle birlikte sütun adları, her sütun için eksik değer sayısı ve yüzdesi, tam olarak yinelenen satır sayısı, 25'ten az benzersiz değere sahip her sütun için bu değerler, her sayısal ve tarih sütununun min ve maks değeri, ve değerleri tutarsız görünen sütunlar (karışık biçimler, sondaki boşluklar, karışık birimler, karışık tarih biçimleri). Henüz analiz etme veya yorumlama. Sadece dosyada ne olduğunu ve neyin yanlış göründüğünü söyle.

Bu tek istem, analizi mahvedecek sorunların çoğunu yakalar. Özellikle benzersiz değerler listesi, verinde "UK", "U.K." ve "United Kingdom"un aslında üç ayrı bölge olduğunu keşfettiğin yerdir.

İstem: bulduğunu düzelt

Tespit ettiğin sorunları standartlaştır: boşlukları kırp, [sütun]'u tek bir biçime dönüştür ve şu varyantları birleştir: [bunları listele]. Uygulamadan önce uyguladığın eşleştirmeyi bana tablo olarak göster. Bana hangi satırları neden bıraktığını söylemeden hiçbir satırı silme.

Kontrol edilebilir cevaplar veren sorular sor

Belirsiz sorular belirsiz cevaplar getirir. İşe yarayan istemler sütunu, işlemi ve çıktı biçimini adlandırır, ayrıca gösterilen çalışmayı da ister.

İstem: gösterilen çalışmayla toplulaştırma

[Sütun]'a göre grupla ve [metrik]'i hesapla. Grubu, içindeki satır sayısını ve metriği içeren bir Markdown tablosu döndür. Tablonun altında, metriği tam olarak nasıl hesapladığını, hangi satırları neden hariç tuttuğunu ve boş hücreleri nasıl ele aldığını belirt. [Sütun]'a göre azalan sırada sırala.

İstem: kohort sorusu

Her [kohort boyutu, örneğin kayıt ayı] için, [metrik]'i [aralık] bazında hesapla. Her rakamın yanında kohort büyüklüğünü göster. [n]'den az satırı olan herhangi bir kohortu yorumlamak için çok küçük olarak işaretle, onun için yüzde raporlamak yerine.

Bu son talimat, tablo analizindeki en yanıltıcı tek çıktıyı önler: dört kullanıcıdan oluşan bir kohortun "%75 elde tutma" olarak raporlanıp dokuz bin kişilik bir kohortun yanında bir tabloda oturması.

İstem: anomali arama

Bu veride şüpheli olan ne? Şunları ara: makul bir aralığın dışındaki değerler, bir zaman serisindeki ani süreksizlikler, dağılımın ortasında değiştiği sütunlar, tam veya neredeyse yinelenen satırlar, fazla yuvarlak görünen değerler ve verinin toplanma biçiminde bir değişikliğe işaret eden herhangi bir şey. Her biri için belirli satırları alıntıla.

Bu, bu sayfadaki en yüksek değerli istemdir ve normal bir tablo iş akışında bir karşılığı yoktur. Genellikle takibin bozulduğu günü, farklı bir para biriminde raporlamaya başlayan tedarikçiyi ve bir çeyreği şişiren yinelenen içe aktarmayı bulur.

İstem: grafik spesifikasyonu

Bu soru ve bu veri şekli için doğru grafiği öner ve burada bariz alternatifin neden daha kötü olduğunu açıkla. Sonra bana spesifikasyonu ver: grafik türü, x, y, seri, toplulaştırma, sıralama düzeni ve eksen işlemesi. Çift eksen kullanma. Bir çubuk grafik eksenini kırpma.

Aritmetik gerçekte nerede yanılıyor

Bu, dürüst bir cevabı hak ediyor, çünkü "yapay zeka matematikte kötü" hem doğru hem de yardımcı olmayacak kadar belirsiz.

Metin üzerinde sayılarla akıl yürüten bir dil modeli, hesaplama değil, örüntü tamamlama yapıyordur. Yapıyı tanımlamada, satırları kategorize etmede ve hangi hesaplamaya ihtiyacın olduğunu belirlemede güvenilirdir. Yüzlerce satır boyunca uzun bir aritmetik zincirini yürütmede çok daha az güvenilirdir ve sessizce başarısız olur: çıktı, sıkıntı sinyali vermeden düzgün biçimlendirilmiş yanlış sayılardan oluşan bir tablodur.

Pratik kurallar:

• Sadece sonucu değil, yöntemi de iste. "Bunu tam olarak nasıl hesapladığını ve neyi hariç tuttuğunu belirt" bir hata varsa onu görünür kılar.
• Bir grubu elle örnekle kontrol et. Çıktı tablosundaki en küçük grubu seç ve gerçek tabloda doğrula. Eşleşiyorsa yöntem muhtemelen doğrudur; eşleşmiyorsa tablodaki hiçbir şeye güvenilemez.
• Önemli olan her şeyi ikinci bir modelle çapraz kontrol et. İki bağımsız modelin aynı sayıya ulaşması, bir modelin kendini tekrarlamasından anlamlı ölçüde daha iyi bir kanıttır. Whizi'nin yan yana görünümü tam olarak bunun için var.
• Çift sayımı gözle. Dosyada bırakılmış ara toplam satırları ve bire çok birleştirmeler, iki olağan suçludur ve model bunların yanlış olduğunu bilmeyecektir.
• Kesinlikle doğru olması gereken her şey için formülü veya kodu iste. Bana Excel formülünü ver ya da bana pandas kodunu ver, aritmetiği belirlenimci bir motora taşır ve modeli iyi olduğu kısım için, yani hangi hesaplamanın yapılacağını bilmek için kullanmaya devam edersin.

Bu sonuncusu, finansal veya raporlama işleri için gerçek cevaptır. Analizi tasarlamak için modeli kullan, onu yürütmek için tablonu veya bir betiği kullan.

Hangi model hangi dosyayı okuyor, ne kadar büyük çok büyüktür?

CSV ve Excel'in ikisi de doğrudan yükleniyor ve üç model işi net biçimde paylaşıyor.

Model	Bağlam penceresi	Mesaj başına kredi	Şunun için kullan
GPT-5.6 Terra	1M token	4	Sıkı biçimler: temiz tablolar, JSON, tam sütun eşleştirmeleri
Claude Sonnet 5	1M token	10	Çok adımlı toplulaştırmada çapraz kontrol geçişi
Gemini 3.5 Flash	1M token, yaklaşık 1.900 kitap sayfası	8	En büyük dosyalar veya tek bir konuşmada tablo artı PDF

Bağlam ve kredi rakamları Whizi'nin model maliyet endeksinden alınmıştır, liste fiyatları 2026-08-20 tarihinde çekilmiştir.

Birkaç pratik not:

• Ona temiz bir dikdörtgen ver. Tek bir başlık satırı, birleştirilmiş hücre yok, boş dolgu satırı yok, K sütununda not yok. Çok başlıklı biçimlendirilmiş raporlar, herhangi bir dosya boyutu sınırından daha fazla çıkarımı karıştırır.
• Ham tabloyu gönder, sunum tablosunu değil. Biçimlendirme ve ara toplamları içeren sürüm, çift sayıma yol açan sürümdür.
• Çok geniş dosyalar önce bir sütun listesinden yararlanır. Adlar şifreli görünüyorsa analiz etmeden önce her sütunun ne anlama geldiğini sor ve modele neyi yanlış anladığını söyle.
• Çok büyük dosyalar için Gemini 3.5 Flash kullan, üçünün en düşük yanıt başı maliyetiyle Claude Sonnet 5 ve GPT-5.6 Terra ile aynı 1M token bağlamı okur. Bunun ötesinde, bilinçli olarak örnekle: rastgele 5000 satırlık bir örneği analiz et ve her rakamda beklemem gereken örnekleme hatasını söyle, sessizce kırpmaktan daha iyidir.
• Önce kişisel verileri ayıkla. İsimler, e-postalar ve kimlikler analiz için neredeyse hiçbir zaman gerekli değildir ve bunları kaldırmak, onları yüklemene izin verilip verilmediğini tartışmaktan daha hızlıdır.

Yükleme mekaniği belge yükleme sayfasında ele alınmıştır.

Gerçek bir dosyada sekiz adımlık tam sıra

Gerçek bir dosyada iş akışının tamamı, sırasıyla:

1. Yükle. Profil istemini çalıştır. Benzersiz değerleri ve eksik sayıları dikkatle oku.
2. Bulduğunu düzelt, uygulanmadan önce eşleştirme tablosunu gözden geçirerek.
3. Verinin ne hakkında olduğunun bir özetini ve sana sorman gerektiğini düşündüğü üç soruyu iste. Bu adım hızlıdır ve genellikle analizi yeniden çerçeveler.
4. Gerçek soruyu sor, cevapta yöntem ve hariç tutmaların belirtilmesini isteyerek.
5. Her zaman anomali istemini çalıştır. Sürprizlerin olduğu yer burasıdır.
6. En küçük grubu elle örnekle kontrol et.
7. Başlıca rakamı ikinci bir modelle çapraz kontrol et.
8. Grafik spesifikasyonunu iste, ya da sayının kesin ve tekrarlanabilir olması gerekiyorsa formülü iste.

1, 5 ve 6. adımlar insanların atladığı adımlardır ve savunabileceğin bir analizi güzel biçimlendirilmiş bir tahminden ayıran adımlar da tam olarak bunlardır.