Data-analyse

Hoe meer context en details je toevoegt, hoe beter je antwoord zal zijn omdat het model precies begrijpt wat je verwacht. Bekijk onze Prompt Engineering Guide om te leren hoe je geweldige prompts schrijft: https://docs.langdock.com/resources/prompt-elements

De data-analysetool in Langdock stelt gebruikers in staat CSV-bestanden, Excel- of Google Sheets-bestanden te lezen en te verwerken. Je kunt de data-analysetool gebruiken om:

• Tabulaire gegevens te lezen (CSV's, Excel-sheets en Google Sheets)

• Wiskundige bewerkingen uit te voeren, bijvoorbeeld het vinden van correlaties, het bepalen van verdelingen of afwijkingen, enz.

• Grafieken en diagrammen te maken die gegevens weergeven

• Nieuwe bestanden te genereren (Excel, CSV, PowerPoint, Word, enz.)

Beschrijf in de chat wat je probeert te bereiken. Probeer zo specifiek mogelijk te zijn.

Hoe het werkt

1

Het activeren van de data-analist

De data-analist is een tool die het model kan kiezen. Deze wordt geactiveerd wanneer je het model opdraagt het te gebruiken (“use the data analyst”) of wanneer het bijbehorende bestand wordt geüpload (GSheets, CSV's, Excel-bestanden).

Voorbeeld datasheet:

Voor de beste resultaten, gebruik GPT-4o en zorg ervoor dat de kolomtitels in de eerste rij staan.

2

Model genereert Python-code

Het model genereert vervolgens Python-code. Python is een programmeertaal die gebruikt kan worden om datasets te analyseren en informatie te extraheren.

Voorbeeld van gegenereerde Python-code in Langdock:

3

Code-uitvoering en resultaten

Nadat de code is gegenereerd, voert een afzonderlijke instantie de Python-code uit en retourneert het resultaat aan het model. Het resultaat wordt weergegeven onder het codeblok.

4

Model stelt het antwoord samen

Het model gebruikt de prompt en het uitvoeringsresultaat om de vraag van de gebruiker te beantwoorden.

Voorbeeld tekstoutput:

5

Bestanden of diagrammen genereren

Als je een bestand of diagram vraagt, genereert het model opnieuw code om het bestand te produceren en voert die uit. Het gegenereerde bestand of diagram wordt vervolgens in de chat weergegeven en kan gedownload worden.

Voorbeeld van visualisatiegeneratie:

Verschillen met andere documenten

De normale documentzoekfunctie en de data-analist zijn verschillende functionaliteiten voor verschillende taken met voor- en nadelen. De documentzoekfunctie is goed in het begrijpen van de volledige inhoud van een document. Het is niet goed in het verwerken van tabulaire gegevens.

De data-analist kan niet het hele bestand begrijpen, maar alleen het deel dat met Python wordt geëxtraheerd. Alles wat zich verder in het bestand bevindt, is niet in beschouwing genomen voor het antwoord. Dit maakt het krachtig voor het werken met grote datasets en tabulaire gegevens, en voor het uitvoeren van wiskundige bewerkingen.

Beste praktijken en probleemoplossing

• Om het bestand correct te parseren, moeten alle kolomtitels een beschrijvende naam hebben. Wanneer je naar een kolom verwijst, gebruik idealiter de volledige kolomtitel en niet “Kolom K”. Dit is relevant omdat het AI-model Python-code aanmaakt die alleen naar de juiste kolom kan verwijzen als de naam hetzelfde is. Het geven van dezelfde kolomnaam verkleint het risico dat het model code genereert die naar een verkeerde kolom verwijst.

• Zorg ervoor dat je de data-analysefunctionaliteit inschakelt in je instellingen en (als je een sheet in een assistant gebruikt) ook in het capabilities-gedeelte onderaan de assistant-editor.

• Probeer zo precies mogelijk te beschrijven wat je verwacht. Je kunt de promptelementen uit onze prompt engineering guide gebruiken (in het bijzonder taak, context, antwoordformaat).

• Vermijd indien mogelijk lege cellen in een sheet.

• Wanneer je complexe bewerkingen verwacht en geen resultaat of onjuiste resultaten ontvangt, probeer de instructie op te splitsen in verschillende prompts.

Was deze pagina nuttig?

Ja Nee

Gerelateerd:

• Image Generation: https://docs.langdock.com/product/chat/image-generation

• Document Search: https://docs.langdock.com/product/chat/document-search

Antwoorden worden gegenereerd met AI en kunnen fouten bevatten.