20 prompts para analizar datos con ChatGPT

Analizar datos no empieza por pedir un gráfico. Empieza por saber qué representa cada fila, qué pregunta quieres responder y qué información falta. Estos 20 prompts para analizar datos con ChatGPT cubren momentos diferentes del trabajo: revisar la calidad, definir medidas, explorar resultados y comunicar lo que realmente puedes sostener.

Rellena los corchetes con tu caso y utiliza solo los prompts que necesites. No es obligatorio ejecutar los veinte ni seguirlos como una receta rígida. Una instrucción bien delimitada reduce malentendidos, pero no garantiza cálculos correctos: verifica los resultados importantes con los registros originales.

Antes de empezar: define datos, pregunta y límites

Describe qué contiene el archivo, qué periodo abarca y qué significa cada columna. Indica unidades y reglas de exclusión. Si hay varias hojas, explica cómo se relacionan. Para explorar una encuesta, por ejemplo, distingue respuestas individuales, preguntas y posibles respuestas múltiples.

Comparte el mínimo de información necesario. Sustituye identificadores personales cuando no sean imprescindibles y revisa las normas de tu organización. Para ensayar, utiliza datos ficticios con la misma estructura. Nunca presupongas que eliminar una columna de nombres hace irreconocible todo el conjunto.

Añade una instrucción general: «Distingue datos observados, cálculos e interpretaciones. Si falta información, indícalo. No completes registros ni atribuyas causas sin evidencia». Esta base ayuda a mantener el análisis ordenado desde el primer intercambio.

Entender y revisar el conjunto

1. Crear un diccionario de datos

Revisa [archivo o descripción]. Cada fila representa [unidad]. Prepara un diccionario con significado de columnas, tipo de dato, unidad y posibles ambigüedades. No deduzcas significados dudosos por el nombre. Formula preguntas antes de calcular.

Utilízalo al recibir un archivo ajeno. «Estado» puede significar situación del pedido o valoración del cliente. Aclararlo al principio evita agrupar categorías que representan cosas distintas.

2. Revisar valores ausentes

Identifica vacíos en [columnas]. Cuenta registros afectados y explica qué análisis podrían sesgarse. Distingue vacío, cero y no aplicable según [reglas]. No rellenes valores automáticamente. Propón cómo investigar su origen.

Un vacío no equivale a cero. En una encuesta puede significar que no se contestó; en una venta, que el importe todavía no se registró. Decide el tratamiento antes de obtener medias.

3. Detectar duplicados posibles

Busca duplicados usando [identificador y criterio]. Separa duplicados confirmables de coincidencias sospechosas. Muestra ejemplos y número de casos. No elimines filas: explica qué comprobación necesitamos antes de hacerlo.

Dos importes iguales en un mismo día pueden ser operaciones distintas. El criterio de identidad debe ser explícito para no reducir artificialmente la actividad.

4. Localizar formatos inconsistentes

Revisa fechas, números y categorías de [columnas]. Detecta formatos mezclados y etiquetas equivalentes posibles. Propón una normalización documentada, conservando los valores originales. Señala cambios que requieren confirmación humana.

Úsalo antes de agrupar. «Web», «web» y «Online» podrían referirse al mismo canal, aunque conviene comprobarlo. No unifiques categorías parecidas si su significado es diferente.

5. Examinar valores atípicos

Identifica valores atípicos en [variable] utilizando un criterio que expliques. No los clasifiques como errores automáticamente. Compara resultados con todos los registros y con esos casos separados. Indica qué necesitamos verificar.

Una operación grande puede ser perfectamente real. Separar para comprender es distinto de borrar para obtener un resultado más cómodo.

Elegir medidas y comparaciones

6. Traducir una pregunta a indicadores

Queremos responder [pregunta] con [datos disponibles]. Propón hasta tres indicadores pertinentes. Define fórmula, denominador, filtros y límites de cada uno. Explica qué información falta y espera aprobación antes de calcular.

Evita acumular indicadores sin propósito. Si investigas puntualidad, un total de ventas puede distraer. Elige medidas que aporten información sobre la pregunta real.

7. Comprobar una suma

Calcula el total de [variable] para [filtro]. Explica hojas utilizadas, registros incluidos y tratamiento de negativos y vacíos. Proporciona una descomposición que permita verificar la suma en el archivo original.

Empieza por un cálculo sencillo que puedas revisar. Si el total no coincide con tu registro, resuelve la diferencia antes de pedir interpretaciones o recomendaciones.

8. Comparar periodos equivalentes

Compara [periodo A] y [periodo B] en [medidas]. Comprueba días de actividad, tamaño del grupo y criterios comunes. Presenta cambio absoluto y relativo con fórmula. Señala cualquier diferencia que limite la comparación.

Un mes más largo puede mostrar más actividad sin mejorar el rendimiento diario. Incluye el contexto del periodo antes de llamar crecimiento a cualquier aumento.

9. Elegir media o mediana

Describe la distribución de [variable]. Calcula media y mediana si procede y explica cuál resume mejor [pregunta]. Muestra cómo influyen valores extremos. No recomiendes una medida sin considerar la distribución.

La media puede esconder desigualdad. Si casi todos los pedidos son pequeños y uno enorme, la mediana ayuda a entender una operación habitual, sin eliminar el pedido excepcional.

10. Comparar grupos con cautela

Compara [grupos] respecto a [medida]. Indica tamaño de cada grupo, criterios de pertenencia y posibles diferencias de composición. No atribuyas el resultado al grupo sin evidencia adicional. Señala qué conclusiones serían prematuras.

Una tienda puede vender más porque abre más horas o atiende una zona distinta. La comparación describe una diferencia; no demuestra por sí sola por qué existe.

Explorar patrones sin inventar explicaciones

11. Describir una tendencia temporal

Analiza la evolución de [variable] durante [periodo]. Identifica aumentos, descensos y cambios de nivel con cifras. Señala huecos y periodos no comparables. Distingue descripción de tendencia y explicación causal.

No conviertas tres puntos en una ley general. La descripción debe conservar el periodo observado y reconocer si la serie es demasiado corta para hablar de un patrón estable.

12. Buscar concentración

Estudia qué proporción de [total] corresponde a [productos, categorías o clientes anonimizados]. Muestra la distribución y los principales contribuyentes. No supongas una regla 80/20. Calcula la concentración real y explica sus límites.

Comprueba la proporción, no el eslogan. Puede haber concentración sin que coincida con una regla popular. El resultado sirve para investigar dependencia, no para decidir recortes automáticamente.

13. Explorar relaciones entre variables

Explora la relación entre [variable A] y [variable B]. Justifica el método según su tipo y distribución. Explica el resultado en lenguaje sencillo, señala observaciones influyentes y recuerda qué impide concluir causalidad.

Dos variables que cambian juntas pueden compartir otra causa. Pide preguntas de seguimiento en lugar de una explicación cerrada que los datos no sostienen.

14. Analizar respuestas abiertas

Clasifica estas respuestas anonimizadas [texto] por temas. Define categorías, permite varias por respuesta y distingue frecuencia de intensidad. Incluye ejemplos breves fieles al original. No inventes opiniones ni datos demográficos.

Conserva una vía de revisión. Una categoría puede mezclar quejas muy distintas. Examina varias respuestas originales y ajusta el criterio antes de interpretar los recuentos.

15. Detectar contradicciones en resultados

Revisa estas conclusiones preliminares [texto] frente a [resultados verificados]. Identifica afirmaciones contradictorias, denominadores distintos y generalizaciones. Para cada problema, cita el dato relevante y propón una redacción más precisa.

Resulta útil cuando diferentes apartados del informe parecen contar historias opuestas. No ocultes la contradicción: quizá surge de comparar grupos o periodos diferentes.

Comunicar y preparar el siguiente paso

16. Elegir una representación visual

Quiero comunicar [hallazgo] a [audiencia]. Propón un gráfico adecuado y una alternativa sin gráfico. Explica por qué, qué etiquetas necesita y qué escala evitaría exageraciones. Utiliza solo [resultados verificados].

El gráfico debe aclarar una relación. Si una frase comunica mejor dos cifras, no necesitas añadir una visualización. Revisa siempre unidades y rango de la escala.

17. Redactar conclusiones comprensibles

Con [resultados], redacta tres conclusiones para [audiencia]. Cada una debe incluir hallazgo, cifra, comparación y limitación. Separa hechos e hipótesis. Evita «significativo» salvo que expliquemos su significado y fundamento.

Una conclusión no es repetir una tabla. Debe señalar lo relevante sin quitar las condiciones que permiten entenderlo. Adapta vocabulario, pero conserva precisión.

18. Preparar preguntas de investigación

Estos son nuestros hallazgos [lista]. Formula cinco preguntas para entenderlos mejor. Para cada una, indica datos adicionales necesarios, una comprobación viable y qué resultado debilitaría nuestra hipótesis inicial.

Buscar qué podría refutar una hipótesis ayuda a evitar que el análisis se convierta en una justificación de lo que ya querías creer.

19. Diseñar una prueba limitada

Queremos comprobar esta hipótesis [hipótesis] sin darla por cierta. Propón una prueba pequeña con [recursos]. Define medida inicial, cambio observado, comparación posible, duración y criterio para detenerla. Señala límites del diseño.

Úsalo para preparar una conversación con el equipo, no para ejecutar cambios automáticamente. Una prueba operativa no garantiza una conclusión causal, especialmente si cambian varias cosas a la vez.

20. Auditar el análisis antes de compartir

Revisa [informe] utilizando [datos y criterios]. Comprueba trazabilidad de cifras, filtros, unidades, comparabilidad y afirmaciones causales. Devuelve una lista de errores confirmados, dudas y puntos correctos. No modifiques silenciosamente los resultados.

Deja esta revisión para el final, pero no solo para el final. Los controles básicos deben acompañar cada etapa. La auditoría conjunta detecta incoherencias entre secciones ya revisadas por separado.

Cómo encadenar los prompts sin perder el control

Imagina que recibes un registro de entregas. Primero explicas qué representa una fila y revisas fechas. Después defines puntualidad como entrega dentro del plazo acordado, sin mezclar pedidos pendientes. Calculas la proporción por semana y verificas una muestra manualmente.

Solo entonces exploras diferencias por zona y redactas conclusiones. Si una zona empeora, pides información adicional sobre rutas, volumen y cambios de servicio. El orden evita saltar de un dato sucio a una decisión. No hace falta usar todos los prompts: basta con elegir los que corresponden al problema.

Guarda las instrucciones aprobadas junto a los filtros y las comprobaciones. En el siguiente análisis, utiliza la misma estructura con datos nuevos. Si cambian las definiciones, deja constancia y revisa la comparabilidad histórica antes de hablar de evolución.

La documentación oficial de OpenAI sobre análisis de datos describe el trabajo con archivos. Comprueba los formatos y opciones presentes en tu cuenta; una captura de pantalla no sustituye siempre a los datos originales cuando necesitas precisión.

Si quieres preparar mejor las hojas que vas a analizar, te recomiendo leer Cómo usar ChatGPT en Excel y Google Sheets: fórmulas, análisis y limpieza de datos. Y para afinar tus instrucciones según cada tarea, también puede interesarte Cómo escribir buenos prompts: 10 reglas para obtener mejores respuestas de la IA.

Scroll al inicio