ChatGPT를 사용한 데이터 분석

Source: OpenAI Blog

OpenAI Academy

데이터를 탐색하고, 분석하고, 명확한 인사이트와 행동으로 전환하세요.

ChatGPT는 최소한의 설정으로 원시 데이터를 유용한 인사이트로 전환하는 데 도움을 줄 수 있습니다. CSV 또는 Excel 파일을 업로드하거나, 표를 붙여넣거나, (워크스페이스에서 지원되는 경우) 데이터 소스에 연결한 뒤, 자연어로 질문을 시작하면 됩니다.

각 질문마다 수식, 피벗 테이블, 대시보드를 만들 필요 없이 데이터를 빠르게 탐색하고, 테이블을 정리하고, 간단한 시각화를 생성하며, 공유하기 쉬운 형식으로 핵심 요점을 추출할 수 있습니다.

특히 데이터에 무엇이 들어 있는지 파악하고, 이상치를 식별하며, 더 깊이 파고들 영역을 결정하는 초기 단계에서 유용합니다. 또한 발견한 내용을 다른 사람이 검토하고 실행할 수 있는 요약으로 변환하는 데도 도움이 됩니다.

ChatGPT를 데이터 분석에 최대한 활용하는 방법

• 지원하려는 결정을 먼저 정하세요. 간단한 프레임은: “나는 ___를 기반으로 ___를 결정하려고 합니다.” 입니다. 이는 ChatGPT에게 “완료”가 어떤 모습인지 알려주고 분석을 집중시킵니다.
• 데이터와 함께 중요한 맥락을 제공하세요—정의, 기간, 주요 열이 의미하는 바 등을 포함합니다. 데이터는 파일 업로드 또는 연결된 앱을 통해 제공할 수 있습니다.
• 답변이 아니라 접근 방식을 요청하세요. 예를 들어 탐색적 데이터 분석(EDA) 요약과 테스트할 가설을 요청합니다. 이는 바로 결론에 도달하는 것보다 더 구조적이고 신뢰할 수 있는 결과를 가져옵니다.
• 시각화가 필요하면 명시적으로 요청하세요—플롯할 내용, 세분화 방법, 축 레이블이나 단위와 같은 필수 요소를 지정합니다.
• 재사용 가능한 출력물을 요청하세요. 예를 들어 정리된 최종 테이블이나 인사이트를 행동으로 연결하는 짧은 실행 요약을 요청합니다.

예시 프롬프트

1. Shopify 판매 데이터셋의 핵심 인사이트 요약

작업
이 데이터를 분석하고 핵심 인사이트를 요약하세요.

맥락
우리 Shopify 스토어(최근 30일)의 샘플 데이터셋을 사용합니다.

예상 출력

• 채널 및 제품별 눈에 띄는 점을 포함한 구조화된 핵심 인사이트 요약.
• 성과가 저조한 영역 식별(예: 전환율이 낮은 채널).
• 4–6개의 우선순위가 높은 관찰 내용.
• 다음에 조사할 5개의 구체적인 후속 분석 또는 질문.

2. 판매 퍼널 검토 및 분석

작업
우리의 판매 퍼널 데이터를 검토하고 분석하세요.

맥락
*[캠페인 이름]*의 데이터와 *[연결된 분석 앱]*을 사용합니다.

예상 출력
명확히 구분된 섹션을 작성하세요:

1. 퍼널에서 관찰된 주요 패턴
2. 그 패턴을 설명하는 가설(예: 온보딩이 주요 동인)
3. 추천 실험 또는 테스트

인사이트는 비즈니스 영향력에 따라 순위가 매겨져야 하며, 전환 병목과 레버리지 포인트에 중점을 둡니다.

3. 티켓 데이터를 활용한 프로세스 비효율성 식별

작업
데이터를 사용해 프로세스상의 문제나 비효율성을 찾아내세요.

맥락
첨부된 현재 프로세스 문서와 지원팀 티켓 데이터 CSV를 검토합니다.

예상 출력

• 데이터 신호로 뒷받침되는 운영 문제 및 병목 현상의 우선순위 목록(예: 에스컬레이션 지연, 반복 티켓 원인).
• 각 문제의 중요성을 설명하는 명확한 이유.
• 즉시 개선하거나 조사할 영역을 빠른 승리와 깊은 수정으로 구분하여 제안합니다.

신뢰할 수 있는 분석을 위한 팁

• “좋음”을 미리 정의하세요. 관심 있는 성공 지표, 기간, 비교하고자 하는 그룹이나 세그먼트를 포함합니다.
• 투명성을 요청하세요. ChatGPT에게 결론에 도달한 과정—가정, 공식, 누락 데이터 또는 이상 급증에 대한 빠른 검증—을 보여달라고 요구합니다.
• 규칙을 설정하세요. 예를 들어, 상관관계를 인과관계로 착각하지 말고, 데이터 제한 사항을 표시하며, 이상해 보이는 부분을 강조하도록 지시합니다.
• 결과를 검증하세요. 공유하거나 의사결정을 내리기 전에 핵심 숫자 몇 개를 직접 확인해 모든 것이 일치하는지 확인합니다.