Vorgehensweise
Zunächst habe ich die Tabelle mit den Beispieldaten als Excel-File einfach per Drag&Drop in den Chat-Schlitz verschoben. Julius.ai hat daraufhin direkt den Inhalt gelesen und mir gezeigt, ohne dass ich etwas prompten musste:
Im zweiten Schritt habe ich die KI angewiesen, die Daten zu untersuchen und nach Auffälligkeiten zu suchen. Ganz einfacher Prompt:
"analysiere die daten und prüfen, ob etwas auffällig ist"
Das Tool lieferte sowohl eine grafische Auswertung als auch eine Beschreibung dazu:
Basierend auf meiner Analyse der Vertriebsdaten sind mir mehrere interessante Muster aufgefallen:
Auffällige Beobachtungen:
1. Kontinuierlicher Aufwärtstrend: Alle drei Produkte zeigen einen sehr gleichmäßigen, fast linearen Anstieg der Verkaufszahlen über das Jahr. Dies ist ungewöhnlich, da echte Verkaufsdaten normalerweise mehr Schwankungen aufweisen.
2. Sehr hohe Korrelation: Die Korrelationsmatrix zeigt extrem hohe positive Korrelationen zwischen allen Produkten (nahe 1.0). Das bedeutet, dass die Verkaufszahlen aller Produkte praktisch synchron steigen.
3. Regionale Unterschiede:
- Die Region "Ost" hat die höchsten Gesamtverkäufe
- "Nord" hat die niedrigsten Verkaufszahlen
- Die Unterschiede zwischen den Regionen sind relativ gering
4. Produkthierarchie: Produkt A verkauft sich durchweg am besten, gefolgt von Produkt B und dann Produkt C - diese Rangfolge bleibt über alle Monate konstant.
5. Zu perfekte Muster: Die Daten erscheinen sehr "sauber" - keine Ausreißer, keine saisonalen Schwankungen, keine unerwarteten Einbrüche oder Spitzen.
Diese Charakteristika deuten darauf hin, dass es sich möglicherweise um synthetische Beispieldaten handelt, die für Demonstrationszwecke erstellt wurden, da echte Verkaufsdaten normalerweise mehr Variabilität und weniger perfekte Trends aufweisen würden.
Weitere Schritte
Im Folgenden habe ich weitere Untersuchungen durchführen lassen, z.B. "analysiere regionale verkaufsunterschiede genauer"
Auch hier erhielt im Ergebnis wieder Grafiken und Textbeschreibung.
Da ich in der Vergangenheit hauptsächlich mit ChatGPT gearbeitet hatte, habe ich zum Vergleich auch dieses Tool diese Aufgaben durchführen lassen.
Vergleich der Ergebnisse und Fazit
- Julius.ai war für mich etwas gewöhnungsbedürftig und wirkt sehr technisch, da für alle Analysen der Python-Code dargestellt wurde. ChatGPT hatte den Code nicht gezeigt und war für mich daher besser lesbar, es hat sich "einfacher" angefühlt.
- Die Ergebnisse waren vergleichbar; allerdings habe ich bewusst diese mal nicht die bezahlte Variante von ChatGPT genutzt, sondern die Free-Version, da ich mit julius.ai ja auch nur die Free-Version nutze. Bei ChatGPT stieß ich da sehr schnell auf die Grenzen der Datenanalyse - die möglichen Analysen waren schnell aufgebraucht und erst nach 24 Stunden die nächste Analyse möglich, währen Julius.ai noch lief.
- Ich kann mir sehr gut vorstellen, dass der Python-Code bei sehr komplexen Tabellen und Analysen für damit vertraute User einen deutlichen Mehrwert bietet, um die Ergebnisse validieren zu können. Bei einfach Analysen wie in diesem Beispiel sehe ich keine Notwendigkeit, ein weiteres Tool zu nutzen, wenn man bereits die Bezahlversion von ChatGPT im Einsatz hat.
