Przeanalizuj tabele sprzedażowe i pliki CSV w AI za pomocą interpretera Python

Wykrywaj sezonowość, produkty o spadającej marży i koncentrację przychodów Pareto, wymuszając liczenie kodem Python zamiast zgadywania w tekście.

Złote reguły analizy plików Excel i CSV w narzędziach AI

  1. 01

    Upewnij się, że narzędzie uruchamia kod Python (pandas), a nie liczy 'w głowie'

    Sam model językowy myli się przy dodawaniu stu liczb z tekstu, natomiast gdy napisze i wykona w piaskownicy skrypt Python na Twoim pliku, wynik arytmetyczny jest w 100% ścisły.

  2. 02

    Wyczyść scalone komórki, podsumowania częściowe i wielowierszowe nagłówki

    Zanim wgrasz arkusz, zostaw czystą płaską tabelę: pierwszy wiersz to jednoznaczne nazwy kolumn, a pod spodem wyłącznie pojedyncze rekordy bez wierszy 'Suma kwartalna' w środku.

  3. 03

    Sprawdź na starcie liczbę wczytanych wierszy i sumę kontrolną przychodu

    Pierwsze pytanie kontrolne powinno brzmieć: 'Podaj liczbę wierszy, zakres dat oraz łączną sumę kolumny przychód_netto' — od razu zobaczysz, czy przecinki dziesiętne nie wczytały się jako tekst.

  4. 04

    Usuń kolumny z danymi osobowymi, zostawiając pseudonim `klient_id`

    Do analizy kohort, powracalności (RFM) i marżowości nazwisko ani adres nie są potrzebne — wystarczy skrót (hash) identyfikatora klienta.

Przykład działania

Kontrola wczytania pliku Sprzedaz_2025.csv (polski eksport ze średnikami)

Plik: 42 310 wierszy, separator `;`, kwoty zapisane po polsku z przecinkiem (`1 240,50`) oraz część zwrotów oznaczona znakiem minus w kolumnie `ilosc`.

Weryfikacja wykonana przez interpreter kodu przed właściwą analizą

1. Wczytano 42 310 wierszy (zakres: 2025-01-02 do 2025-12-31). Skonwertowano spacje tysięczne i przecinki dziesiętne na typ float. 2. Wykryto 1 840 wierszy zwrotów (`ilosc < 0`) na kwotę -184 210,40 PLN. 3. Suma netto po odjęciu zwrotów: 6 412 890,15 PLN (zgodna z raportem rocznym ERP). 4. Anomalia: 312 rekordów ma `koszt_zakupu = 0.00` (darmowe próbki / brak cennika dostawy), co sztucznie zawyża średnią marżę kategorii Akcesoria o 4,2 pkt proc.

Wykrycie zerowych kosztów zakupu i polskich spacji tysięcznych w pierwszym kroku ratuje cały raport przed fałszywymi wnioskami.

Najczęściej zadawane pytania

Dlaczego Excel Copilot, ChatGPT Data Analysis i Claude dają czasem różne wyniki na tym samym pliku XLSX?

Najczęstszym powodem są ukryte wiersze podsumowań na dole arkusza (liczone podwójnie razem z pozycjami), puste komórki kosztu traktowane jako zero albo polskie formatowanie walutowe z twardą spacją.

Jaki rozmiar pliku CSV radzą sobie przetworzyć chmurowe czaty z interpreterem kodu?

Piaskownice Pythona w popularnych czatach płynnie przetwarzają pliki od kilkudziesięciu do kilkuset megabajtów (zwykle do 200 tys.–1 mln wierszy); przy większych zbiorach poproś AI o skrypt DuckDB uruchamiany lokalnie.

Czy programy AI do analizy sprzedaży potrafią zrobić wiarygodną prognozę popytu na kolejny kwartał?

Przy co najmniej dwuletniej historii danych interpreter kodu może policzyć modele sezonowe (np. Prophet / SARIMA), pamiętaj jednak o ręcznym uwzględnieniu planowanych promocji, zmian cen i braków towaru w przeszłości.

Dowiedz się więcej

Powiązane poradniki i wyjaśnienia do tego zadania