Analiza planillas de cálculo con ChatGPT

Subir una planilla de cálculo a ChatGPT te permite analizar datos en minutos sin abrir Excel ni Google Sheets. Aprenderás a cargar archivos, dar contexto y pedir reportes completos para que tu trabajo se enfoque en interpretar resultados, no en armar tablas dinámicas.

¿Cómo cargar una planilla de cálculo en ChatGPT?

El proceso es igual que con cualquier otro archivo. Puedes hacer clic en agregar archivos, traerlo desde OneDrive, SharePoint o tu biblioteca, o simplemente arrastrarlo a la caja de chat.

En el ejemplo trabajamos con una base llamada Base de datos tienda Pautitas, un e-commerce ficticio de mascotas en Chile con ventas entre enero y abril de 2025. La base trae columnas como número de boleta, nombre de producto, categoría, precio de lista, comprador, región y mes.

¿ChatGPT entiende automáticamente mi archivo de datos? No. Lee los títulos de las columnas e intenta interpretarlos, pero necesita que tú le des contexto sobre el negocio, las fechas y el significado de cada variable.

¿Por qué dar contexto antes de pedir un análisis?

Acá está el truco que casi nadie aplica. Antes de pedir gráficos o tablas, primero asegúrate de que ChatGPT y tú estén hablando del mismo archivo.

Después de cargar la planilla, escribe algo como: "Te estoy entregando un archivo de ventas de mi e-commerce de mascotas llamado Tienda Pautitas, basada en Chile, con ventas entre enero y abril de 2025". Luego pídele que te explique las variables que ve.

La ansiedad te va a empujar a pedir reportes y gráficos al toque, pero saltarte este paso es lo que hace que después los análisis salgan torcidos. Cuando ChatGPT te devuelve la estructura del archivo, tú confirmas que está leyendo lo correcto.

¿Cómo afinar la interpretación de las variables?

Una vez que te explica las columnas, agrega los detalles que solo tú sabes. Por ejemplo: "El precio de lista incluye el IVA". Con esa aclaración, ChatGPT entiende que esa cifra representa el precio final al consumidor y ajusta cualquier cálculo posterior.

Este ida y vuelta evita errores grandes después. Si tu base tiene reglas de negocio, monedas, descuentos o impuestos, comunícalo antes del análisis.

¿Qué tipo de análisis puede hacer ChatGPT con tus datos?

Una vez alineados, puedes pedirle desde lo más simple hasta análisis exploratorios completos. En el ejemplo, ChatGPT ofreció análisis por mes, categoría o región, y al pedirle el top 10 de productos más vendidos armó el ranking con nombre del producto, ventas totales y una interpretación de los resultados.

La parte potente viene cuando le pides un análisis completo. Devuelve un reporte con:

• Resumen general de ventas y número total de transacciones.
• Compradores únicos y venta promedio por transacción.
• Ventas por mes y por categoría de producto.
• Distribución geográfica de las ventas.
• Insights clave e interpretación de los productos más vendidos.

Eso es exactamente lo que harías con una tabla dinámica, pero sin abrir el Excel.

¿Qué son los insights en un reporte de datos? Son las ideas fuerza que explican lo que está pasando detrás de los números: tendencias, productos estrella, regiones con bajo desempeño o categorías que crecen más rápido.

¿Por qué ChatGPT es más potente que Excel para analizar datos?

Porque por detrás ejecuta código Python para procesar la información. Eso significa que puede correr cálculos, agrupaciones y cruces que en una hoja de cálculo te tomarían varias fórmulas y tablas dinámicas.

Cuando tu jefe te pregunta cuánto vendiste en marzo, en vez de abrir el archivo y filtrar, le cargas la planilla a ChatGPT y le pides la respuesta directa. Tu valor agregado deja de ser armar la tabla y pasa a ser sacar conclusiones.

¿Cómo aprovechar al máximo el análisis de datos con ChatGPT?

Hazle preguntas difíciles. Cárgale un archivo real de tu trabajo y prueba pedirle totales, tablas dinámicas, comparaciones entre periodos o un análisis exploratorio completo. Mientras más específico seas con el contexto, mejor será la respuesta.

La idea es que dejes de gastar tiempo en operaciones mecánicas y lo uses para interpretar lo que los datos te están diciendo. Cuéntanos en los comentarios qué archivo le cargaste y qué aprendizaje sacaste del análisis.