ChatGPT do analizy Excela w firmie: od pliku do raportu
Jak wdrożyć analizę firmowych arkuszy w ChatGPT. Przygotowanie eksportów, łączenie danych, kontrola sum i raport, który można ponownie wykonać.
Syntalith
ChatGPT może pomóc połączyć eksporty z systemów, znaleźć rozbieżności i przygotować raport w arkuszu. Dla kierownika liczy się możliwość szybszego sprawdzenia, co zmieniło się w sprzedaży lub realizacji zamówień. Raport musi zachować definicje wskaźników i pozwalać odnaleźć dane, z których wynikają liczby.
Wdrożenie warto zacząć od jednego raportu, na przykład tygodniowego zestawienia sprzedaży według oddziałów. Ten poradnik dotyczy pracy na plikach w ChatGPT i ChatGPT Work. Użycie dodatku działającego bezpośrednio wewnątrz Excela to osobny wybór produktu, którego dostępność i rozliczenie trzeba sprawdzić przed zakupem.
Co przygotować przed pierwszą analizą
Zbierz eksport transakcji, słownik produktów lub oddziałów oraz opis oczekiwanego wyniku. Ustal, czy sprzedaż oznacza zamówienia, wystawione faktury, czy wpływy na konto. Podaj sposób rozliczania zwrotów, zakres dat i walutę. Bez tych ustaleń dwa poprawnie zsumowane arkusze mogą odpowiadać na różne pytania.
ChatGPT Work może analizować dołączone pliki CSV i skoroszyty Excel oraz tworzyć raporty do przeglądu. OpenAI opisuje ten proces w przewodniku analizy danych. Praca z plikiem nie oznacza automatycznej zgodności z każdym makrem, zewnętrznym połączeniem czy sposobem przeliczania skoroszytu. Sprawdź elementy, od których zależy Twój raport.
Ogranicz zbiór do danych potrzebnych do analizy. Raport sprzedaży według oddziału zwykle nie potrzebuje adresów i numerów telefonów klientów. Materiał musi być dopuszczony do użycia w wybranym środowisku zgodnie z zasadami firmy.
Najpierw sprawdź połączenie tabel
Załóżmy, że eksport zawiera 1 000 pozycji transakcji, a słownik produktów ma dwa wiersze z tym samym identyfikatorem. Połączenie po tym identyfikatorze może powielić transakcje i zawyżyć sprzedaż. Sam wykres nie pokaże przyczyny.
Poproś o zestawienie liczby wierszy i sum przed połączeniem oraz po nim. Ustal, co ma się stać z produktami bez dopasowania. Nie każ usuwać duplikatów bez określenia, czym jest unikalny rekord: dwa wiersze jednej faktury mogą być dwiema różnymi pozycjami, które trzeba zachować.
| Kontrola | Co powinna ujawnić |
|---|---|
| Unikalność identyfikatora w słowniku | Ryzyko powielenia transakcji przy łączeniu |
| Liczba i wartość niedopasowanych pozycji | Dane pominięte w zestawieniu |
| Suma przed i po przekształceniach | Nieuzasadnione zmiany wartości |
| Okres, waluta i sposób ujęcia zwrotów | Różne definicje wyniku |
Zasady łączenia i kontrolę kolejnego odświeżenia opisuje również instrukcja OpenAI dotycząca konsolidacji arkuszy.
Instrukcja do pierwszego raportu
Poniższy przykład wymaga uzupełnienia nazw plików i firmowych definicji. Wyznacza kolejność pracy, ale nie zastępuje sprawdzenia otrzymanego skoroszytu.
Przygotuj raport sprzedaży według oddziałów z załączonych plików. Najpierw wypisz kolumny i sprawdź identyfikatory używane do łączenia. Pokaż duplikaty, brakujące dopasowania oraz sumy kontrolne. Zachowaj pliki źródłowe. Użyj definicji sprzedaży z załączonej instrukcji. Zwróć osobny arkusz z wynikiem, zakładkę wyjątków i opis sposobu odświeżenia. Jeśli definicja jest niepełna, wskaż pytanie wymagające decyzji.
Po wygenerowaniu otwórz wynik w narzędziu, którego zespół używa na co dzień. Sprawdź formuły i wybrane wiersze względem źródła. Liczby widoczne w podglądzie nie wystarczą do potwierdzenia działania całego pliku.
Sprawdź następny tydzień, zanim uznasz pracę za gotową
Użyj eksportu, którego nie było podczas przygotowania instrukcji. Dodaj nowy produkt i brakujące oznaczenie oddziału. Raport powinien wskazać potrzebną decyzję, a nie pomijać wiersz lub wymyślać kategorię.
Ustal również, kto aktualizuje słownik i definicje. Jeśli proces ma działać automatycznie po pojawieniu się pliku, potrzebna jest uzgodniona obsługa harmonogramu, błędów i ponowień. Można sprawdzić dostępne funkcje Work lub zaplanować integrację przez API. Ręcznie przygotowany raport sam z siebie nie odświeża się w kolejnych okresach.
Koszt i wartość odzyskanego czasu
Scenariusz: osiem raportów miesięcznie zajmuje po trzy godziny. Przy celu jednej godziny na raport wraz ze sprawdzeniem odzyskany czas wynosi 8 × (3 − 1) = 16 godzin miesięcznie. Przy założonym koszcie pracy 100 zł za godzinę odpowiada to 1 600 zł wartości czasu. Od tej wartości trzeba odjąć dodatkową administrację i bieżące koszty; rzeczywisty wynik zależy od pilotażu.
Trzy miejsca Business Standard w rozliczeniu miesięcznym kosztują 75 USD miesięcznie, przed podatkami i dodatkowym zużyciem. Cena sprawdzona 30 września 2026 w cenniku OpenAI. Work i Codex współdzielą limity użycia, dlatego ciężkie analizy mogą wpływać na dostępność pozostałych zadań.
Szkolenie Syntalith zaczyna się od 2 450 zł netto za dzień. Przygotowanie raportu, uporządkowanie źródeł i automatyczne odświeżanie wymagają określenia zakresu. Cennik i budżet wdrożenia ChatGPT pokazują, co liczyć osobno.
Na rozmowę o wdrożeniu przygotuj przykładowy eksport bez danych poufnych oraz raport, który zespół obecnie z niego tworzy. Pozwoli to ustalić, czy najwięcej pracy pochłania czyszczenie, obliczenia czy sprawdzanie wyniku.
Syntalith ma status OpenAI Select Partner w OpenAI Partner Network.
Pomagamy szybciej odpowiadać klientom i znajdować informacje w firmowych dokumentach. Dobieramy i wdrażamy narzędzia AI, a Twój zespół uczymy z nich korzystać.
Jak wdrożyć ChatGPT i OpenAI w firmieBezpłatny skan procesów
Zacznij od bezpłatnego skanu procesów.
- 30 minut z inżynierem, który może prowadzić Twoje wdrożenie.
- Przegląd procesów, które kosztują Cię najwięcej czasu i pieniędzy.
- Pisemne podsumowanie: możliwy kierunek, brakujące informacje i następny krok.
W 30 minut wybieramy proces do oceny, a w ciągu 2 dni roboczych dostajesz rekomendację, także gdy lepsza będzie prostsza droga.
0 zł
30 minut · pisemne podsumowanie w 2 dni robocze
Terminy zobaczysz w swojej strefie czasowej.
Wolisz napisać? Opisz proces