Ir al contenido principal
OpenAI

10 de abril de 2026

OpenAI Academy

Analizar datos con ChatGPT

Explora, analiza y convierte los datos en conclusiones claras y acciones concretas.

Cargando…

ChatGPT puede ayudarte a pasar de los datos en bruto a conclusiones útiles con una preparación mínima. Puedes subir un archivo CSV o Excel, pegar una tabla o conectar una fuente de datos (si tu área de trabajo lo admite) y empezar a hacer preguntas en lenguaje natural.

En lugar de crear fórmulas, tablas dinámicas o paneles para cada pregunta, puedes explorar datos rápidamente, limpiar tablas, generar visualizaciones sencillas y extraer conclusiones clave en un formato fácil de compartir.

Es especialmente útil al principio del proceso, cuando aún estás descubriendo qué contienen los datos, detectando anomalías y decidiendo dónde profundizar. También ayuda a convertir los hallazgos en resúmenes que otros puedan revisar y poner en práctica.

Cómo empezar

  1. Empieza por la decisión que intentas respaldar. Un marco sencillo es: «Estoy intentando decidir ___, basándome en ___». Así, ChatGPT sabe cómo debe ser el resultado y mantiene el análisis centrado.
  2. Proporciona tus datos junto con cualquier contexto clave: definiciones, periodo de tiempo y lo que representan las columnas principales. Puedes proporcionar los datos subiendo un archivo o usando una aplicación conectada.
  3. Pide un enfoque, no solo una respuesta. Por ejemplo, pide un resumen de análisis exploratorio de datos (EDA) seguido de hipótesis que probar. Así se obtienen resultados más estructurados y fiables que si se sacan conclusiones precipitadas.
  4. Si los gráficos te ayudarían, pídelos explícitamente: qué representar, cómo segmentar y cualquier elemento imprescindible, como las etiquetas de los ejes o las unidades.
  5. Pide resultados reutilizables, como una tabla final limpia o un breve resumen ejecutivo que convierta los hallazgos en acciones.

Tarea

Contexto

Resultado esperado

Analiza estos datos y resume las conclusiones clave.

Usa el conjunto de datos de ejemplo de nuestra tienda de Shopify (últimos 30 días).

Proporciona un resumen estructurado de las conclusiones clave, incluido lo que destaca en todos los canales y productos, la identificación de áreas con bajo rendimiento (p. ej., canales con baja conversión) y los patrones destacables. Incluye entre 4 y 6 observaciones priorizadas y 5 análisis o preguntas de seguimiento concretas para investigar a continuación.

Revisa y analiza los datos de nuestro embudo de ventas.

Usa los datos de [nombre de la campaña] de [aplicación de analítica conectada].

Elabora un conjunto de secciones claramente diferenciadas: (1) patrones clave observados en el embudo, (2) hipótesis que expliquen esos patrones (p. ej., la incorporación como factor principal) y (3) experimentos o pruebas recomendados. Las conclusiones se clasifican según el impacto en el negocio, con especial énfasis en los cuellos de botella de conversión y las palancas de actuación.

Identificar problemas o ineficiencias en un proceso a partir de datos

Revisa el documento del proceso actual adjunto, así como el CSV de datos de tickets del equipo de soporte.

Genera una lista priorizada de problemas operativos y cuellos de botella (p. ej., retrasos en la derivación, factores que generan tickets recurrentes), cada uno respaldado por datos. Incluye un razonamiento claro sobre la importancia de cada problema, además de áreas recomendadas para mejoras inmediatas o investigaciones, agrupadas en soluciones rápidas frente a correcciones más profundas.

Consejos para tener éxito

  • Para que ChatGPT te ayude mejor, comparte desde el principio qué consideras un buen resultado: la métrica de éxito que te importa, el periodo de tiempo que analizas y qué grupos o segmentos quieres comparar.
  • Si los números son clave, también puedes pedirle que muestre cómo llegó a ellos, incluidos los supuestos, las fórmulas que usó para calcular métricas y comprobaciones rápidas de datos faltantes o picos inusuales.
  • También ayuda establecer unas cuantas reglas básicas para que el análisis siga siendo fiable. Por ejemplo, puedes indicarle que no trate las correlaciones como causas, que señale cualquier limitación de los datos y que marque cualquier cosa que parezca extraña. Y antes de compartir resultados o tomar una decisión, haz una comprobación rápida: elige un par de cifras clave y verifícalas para asegurarte de que todo cuadra.

Sigue aprendiendo con OpenAI Academy

Descubre guías y recursos adicionales para ayudarte a desarrollar habilidades prácticas en IA.