Analizar un Excel con ChatGPT: de transacciones a insights
Convierte un Excel lleno de transacciones en insights accionables sin saber programar: sube el archivo, asigna un rol y valida cada resultado antes de decidir.
ChatGPT puede convertir un Excel lleno de transacciones en insights accionables sin que necesites saber programar. El flujo tiene tres partes: subir el archivo, asignarle un rol al modelo y validar cada resultado antes de tomar decisiones de negocio. El ejemplo es un reporte real de ventas de un e-commerce.
El dataset del ejercicio
- Reporte de ventas de e-commerce en USD.
- Contenido: ventas por mes, ingresos y valor del ticket promedio.
- Volumen: 1.000 productos, 1.000 clientes y 99.000 transacciones.
- Error intencional: una fórmula que falla en Excel pero funciona en Google Sheets.
1. Carga el archivo y da contexto
- Haz clic en el icono + de ChatGPT y adjunta el archivo.
- Escribe una instrucción que incluya un rol.
- ChatGPT muestra una vista previa del archivo, sus hojas y cómo interpreta cada tabla.
Actúa como analista de datos, lee el archivo de Excel y dime qué encuentras.2. Prueba distintos roles
Asignar un rol enfoca el tipo de análisis y cambia el ángulo de las conclusiones. Roles para probar: analista de datos (funciona bien para reportes), científico de datos, experto en marketing, experto en ventas. La regla: el rol da forma a la perspectiva de la respuesta, así que elígelo según la decisión que necesitas tomar.
3. Cómo analiza realmente los datos ChatGPT
Los LLM no son buenos para las matemáticas: su propósito es entender lenguaje y generar texto. La solución: el modelo escribe código de programación, lo ejecuta y usa el resultado como respuesta. Si sabes programar, puedes leer ese código y aprender de él; si no, no necesitas entenderlo, solo saber que así se hacen los cálculos.
Si el modelo se queda atascado "pensando", pulsa el icono de pausa y luego "intentar de nuevo" para reintentar con GPT-5.
Un análisis inicial típico devuelve:
- Estructura de los datos.
- Calidad de los datos.
- Columnas detectadas.
- KPIs principales.
- Tendencias.
- Rankings.
- Anomalías.
- Siguientes pasos sugeridos.
4. Gráficos: genera y valida
Crea un gráfico de la tendencia de ventas de 2024.El modelo puede producir un gráfico de dos maneras: generando una imagen, o construyéndolo con código (más parecido a lo que harías en Excel).
Qué salió mal en el ejercicio: el modelo devolvió una tendencia basada en el conteo de registros, que no coincidía con el gráfico real de ventas. La causa fue un prompt ambiguo: el modelo no encontró ninguna columna llamada "ventas" y buscó alternativas como facturación o subtotal.
5. Evita los prompts ambiguos
Cuando el prompt es ambiguo, el modelo improvisa y elige las columnas que considera relevantes. La solución es ser explícito desde la primera instrucción: nombra la hoja (por ejemplo, la de transacciones), la columna exacta (por ejemplo, ingresos) y la operación (suma, promedio, conteo).
Muéstrame la tendencia de ventas de 2024.Usando la hoja de transacciones, suma la columna de ingresos por mes de 2024 y grafícala como un gráfico de líneas.Reto práctico
Eres el director de marketing del e-commerce. Con los datos de productos, clientes y transacciones, decide dónde invertir el presupuesto del próximo mes para crecer en ventas. Enfoque recomendado:
- Define un rol claro (analista de datos, científico de datos, experto en marketing o en ventas).
- Especifica columnas y métricas exactas (por ejemplo, ingresos en transacciones).
- Pide gráficos que respalden la decisión.
- Usa prompt chaining (encadenar varios prompts) cuando el análisis lo requiera.
Al terminar, comparte el prompt que usaste, el rol asignado, las restricciones, dónde invertirías y la secuencia de prompts si armaste una cadena.
Ideas clave
- Sube el archivo y dale un rol al modelo para enmarcar el análisis.
- ChatGPT lee valores, no fórmulas.
- Los LLM manejan las matemáticas generando y ejecutando código.
- Valida siempre los resultados, especialmente los gráficos.
- La ambigüedad produce métricas equivocadas: especifica siempre hoja + columna + operación.
- Usa prompt chaining para análisis de varios pasos.