Majdnem mindenkinek van egy táblázata, amit sosem néz meg rendesen. Egy havi eladási export, egy kérdőív válaszfájlja, a webshop rendelési listája, egy kampány költés-táblázata. Ott van, tele hasznos információval, de a megnyitáshoz, a pivot-tábla összerakásához és a képletekhez sosincs elég idő vagy türelem. A legtöbb döntés ezért végül megérzésből születik, nem az adatból.

Itt jön képbe a Claude. Nem varázsol, és nem is fogja helyetted meghozni a döntést. De egy tiszta táblázatból pár perc alatt kihoz egy értelmes összefoglalót, megmutatja a trendeket, kiszúrja a kiugró értékeket, és ami a legfontosabb: ha jól kéred, tényleg ki is számolja a számokat, nem csak tippel. A kettő között óriási a különbség, és a cikk nagy része pontosan erről szól.

Az alábbi hat lépés egy fegyelmezett folyamat: a nyers fájltól a használható következtetésig. Magyar szkeptikus szemmel írom, tehát a korlátokat és a buktatókat sem hallgatom el, mert egy rossz számra épített döntés rosszabb, mint ha meg sem néznéd az adatot. Ha még csak most ismerkedsz az eszközzel, előbb érdemes átfutni a Claude magyar használatáról szóló alapozó cikkünket, mert ott a fiók, a felület és az első beszélgetés van részletesen leírva. Ez a cikk feltételezi, hogy oda már eljutottál.

Előbb a lényeg: mihez jó ez, és mihez nem

Mielőtt bármit feltöltesz, érdemes reálisan látni, mit vársz. A Claude erős abban, hogy egy táblázatot emberi nyelven elmagyarázzon: mi a lényeg, mi változott, hol van a probléma. Jól javasol csoportosítást, kiszúr furcsaságokat, megfogalmaz hipotéziseket, és a végén összerak egy rövid, olvasható jelentést, amit tovább tudsz küldeni a főnöködnek vagy az ügyfélnek. Ez az a munka, ami kézzel órákba telik, és amit a legtöbben ezért halogatnak.

Amiben viszont nem szabad vakon bízni: a fejből végzett számolás. Egy nyelvi modell alapból nem számológép, hanem szövegjósló. Ha egy háromezer soros táblázatból „ránézésre” mond egy összeget, az könnyen lehet pontatlan, és a baj az, hogy magabiztosan mondja. Ilyenkor nincs hibaüzenet, csak egy szép, kerek, hibás szám. Erre van megoldás, és pont ez a negyedik lépés lényege. Addig is jegyezd meg a cikk egyetlen legfontosabb mondatát: az elemzés annyit ér, amennyire ellenőrzöd.

1. lépés: Tisztítsd meg az adatot, mielőtt feltöltöd

A leggyakoribb hiba az, hogy az ember feltölt egy kusza fájlt, aztán csodálkozik, hogy zavaros választ kap. A régi igazság itt is áll: ha szemetet adsz be, szemetet kapsz vissza. Öt perc rendrakás a fájlban többet ér, mint tíz újrafogalmazott prompt.

Vegyünk egy tipikus rendetlen táblázatot. A tetején van egy összevont cellás cím („2026 első félév eredmények”), alatta egy üres sor, aztán a fejléc, de a „bevétel” oszlopban van, ahol „12 500 Ft”, van, ahol „12500”, és van, ahol „kb. 12e”. A dátum hol „2026.01.05”, hol „január 5”. A gép ezt a káoszt is megpróbálja értelmezni, de tippelnie kell, és a tippjei néha rosszak lesznek. Ha te tisztázod előre, nem kell tippelnie.

Amire figyelj, mielőtt a fájl a Claude-hoz kerül:

  • Legyen egyetlen, tiszta fejlécsor a táblázat legelső sorában, érthető oszlopnevekkel. A „H”, „I”, „J” oszlopneveket senki nem érti, a „bevetel_netto_ft” viszont önmagáért beszél.
  • Egy fájlban lehetőleg egy fül, egy témával. A tizenhat munkalapos Excel-szörnyeteget bontsd szét, és csak azt küldd, amire a kérdésed vonatkozik.
  • Töröld a látványnak szánt üres sorokat, összevont cellákat és díszítő címsorokat. A gép a rácsot olvassa, nem a formázást, a díszítés csak zavarja.
  • Egy oszlopban az adat legyen egyféle és egységes: a szám oszlopban csak szám, mértékegység és „kb.” nélkül, a dátum oszlopban egyféle dátumformátum.
  • A hiányzó értéket hagyd üresen, ne írj bele „nincs adat” vagy „-” jelet, mert azt a gép szövegként kezelheti, és elronthatja az átlagot.
  • Figyelj a tizedesvesszőre: magyar adatban a „12,5”-ben a vessző a tizedeselválasztó, angolszász feldolgozásban viszont a pont. Ha vegyes az oszlop, jelezd a Claude-nak, hogy a vessző a tizedeselválasztó, különben elszámolhatja az értékeket.

Ez a lépés nem az AI kedvéért van, hanem a saját eredményed pontosságáért. A tisztább adaton kevesebbet kell magyaráznod, és sokkal ritkábban kapsz félreértett választ. Egy pénzügyi kimutatásnál ez a különbség egy használható jelentés és egy félrevezető szám között.

2. lépés: Töltsd fel a megfelelő formátumban

A Claude be tud fogadni Excel- (.xlsx) és CSV-fájlt is. A gyakorlatban a CSV a legbiztonságosabb választás, mert nincs benne rejtett formázás, makró vagy több fül, csak a nyers adat. Az Excelben egyszerűen elkészíted: Fájl → Mentés másként → CSV, és ilyenkor csak az aktív munkalapot mented ki. Egy fontos magyar buktató: a magyar Excel az „UTF-8 CSV” exportnál sokszor pontosvesszővel választja el a mezőket, nem vesszővel (mert a vessző nálunk a tizedesjel). Ez nem baj, de a feltöltésnél írd oda a Claude-nak, hogy „a fájl pontosvesszővel tagolt”, így nem csúszik össze az oszlopokban. Ha sok a formázás vagy több a fül, szinte mindig tisztább eredményt kapsz, ha előbb CSV-vé alakítod.

Néhány formátum-döntés, ami segít:

  • Kis, néhány ezer soros tábla: nyugodtan mehet egyben, akár Excel, akár CSV.
  • Nagy, tízezres nagyságrendű tábla: vágd ki csak a kérdéshez kellő oszlopokat és időszakot. Ritkán kell a teljes adat egy konkrét kérdés megválaszolásához.
  • Sok szöveges megjegyzés-oszlop: ha az elemzés a számokról szól, a hosszú szabadszöveges oszlopokat hagyd ki, mert csak fogyasztják a helyet.

A feltöltés maga egyszerű: a beszélgetés melletti csatolás gombbal hozzáadod a fájlt, majd megírod a kérésed. Nagyobb fájloknál számíts arra, hogy fájlméret- vagy feldolgozási korlátba futhatsz, ilyenkor a darabolás a megoldás. Ez a logika egyébként ugyanaz, mint más dokumentumoknál: ha kíváncsi vagy, hogyan bánik a Claude a hosszabb szöveges anyagokkal, a PDF-ek és dokumentumok elemzéséről szóló útmutatónk ugyanezt a gondolkodást viszi végig a szöveges fájlokon.

3. lépés: Ne azt írd, hogy „elemezd”, tegyél fel konkrét kérdést

A „kérlek, elemezd ezt a táblázatot” a leggyengébb prompt, amit adhatsz. A gép nem tudja, mi a cél, ezért ad egy általános, semmitmondó összefoglalót, te pedig csalódsz, és arra jutsz, hogy „ez az AI nem is olyan okos”. Pedig nem a géppel van a baj, hanem a kérdéssel. Az elemzés annyira lesz jó, amennyire pontos a kérdés.

Egy jó adatelemző promptnak három része van: megmondja, mi az adat, hogy mit keresel benne, és azt is, milyen formában kéred a választ. Nézd meg ezt a három bemásolható példát, mindegyik ezt a szerkezetet követi:

„Ez egy webshop hat havi rendelési exportja: oszlopok a dátum, a termékkategória és a nettó összeg forintban. Számold ki havi bontásban a bevételt, mutasd meg, melyik hónapban esett vissza, és sorold fel a három legerősebb kategóriát. A számokat kódfuttatással add, ne becsléssel. A választ táblázatban kérem, alatta három mondat összefoglalóval.”
„Ez egy kérdőív exportja, 240 válaszadóval. A ‚kor' és az ‚elégedettség 1-10' oszlop érdekel. Van-e összefüggés a kor és az elégedettség között? Bontsd korcsoportokra (18-30, 31-45, 46+), és mindegyikhez add meg az átlagos elégedettséget és a válaszadók számát.”
„Ez egy havi hirdetési költés-tábla kampányonként: oszlopok a kampány neve, a költés és a konverziók száma. Számold ki kampányonként az egy konverzióra jutó költséget, rangsorold a legdrágábbtól a legolcsóbbig, és jelöld meg, melyik kampányt érdemes leállítani.”

Látod a mintázatot: minden prompt konkrét, megnevezi az oszlopokat, és pontosan megmondja, mit kér vissza. Ez az apró plusz munka a kérdés oldalán a válasz minőségének a felét eldönti. A pontos kérdésfeltevés önmagában külön készség, és ha ezt szeretnéd fejleszteni, a Claude promptírás hét szabályáról szóló cikkünk pont ezt járja körbe.

4. lépés: A pontos számokhoz futtass kódot, ne bízz a fejszámolásban

Ez a legfontosabb lépés, és pont ezt hagyják ki a legtöbben. Meg kell értened egy dolgot a nyelvi modellek működéséről: alapból nem számolnak, hanem a legvalószínűbb következő szót jósolják. Ha megkérdezed, mennyi 3184 és 2790 és további ezer szám összege, akkor egy jó tippet ad, ami gyakran közel van a valósághoz, de nem feltétlenül pontos. Egy nagy táblázatnál ez a néhány százalékos eltérés simán elronthat egy döntést.

A megoldás az elemző eszköz (a felületen „analysis tool” vagy kódfuttatás néven). A Claude ilyenkor valódi kódot ír az adatodra, egy elkülönített környezetben lefuttatja, és a tényleges, kiszámolt eredményt adja vissza. Ez nem tippelés, hanem valódi számítás: pontos, ismételhető, és a hibája is látható, mert megnézheted, milyen kódot futtatott. Két dolgot érdemes tudni róla őszintén: a funkció felület- és csomagfüggő lehet, tehát nem mindenhol ugyanúgy érhető el, és a futtató környezetnek valós korlátai vannak (memória, futásidő), így a nagyon nagy fájlokat nem lehet vég nélkül darabolva feldolgoztatni. A hétköznapi, néhány ezres táblákra viszont bőven elég. Előhívni egyszerű, csak írd hozzá a kérésedhez az egyik ilyen mondatot:

  • „A számokat kódfuttatással számold ki, ne becsléssel.”
  • „Az összesítést az elemző eszközzel készítsd.”
  • „Mutasd meg a kódot is, amivel számoltál.”
A szabály egyszerű: minden szám, ami mögött döntés lesz, kódfuttatásból származzon, ne fejből. Ha egy összeget vagy arányt nem tudsz visszavezetni egy lefuttatott számításra, kezeld becslésként, ne tényként.

Honnan tudod, hogy tényleg futott-e kód, és nem csak úgy tesz? A válaszban látni fogsz egy megnyitható kódblokkot vagy egy elemzési lépést, amit ki tudsz bontani. Ha viszont a szám csak úgy megjelenik a folyó szövegben, kódrészlet vagy elemzési jelölés nélkül, akkor az valószínűleg becslés, és kérned kell, hogy számolja ki rendesen. Ez a különbség a lépés gyakorlati lényege.

Amikor kódfuttatást kérsz, nyugodtan kérd el a köztes számokat is: hány sort dolgozott fel, mi volt a szűrés feltétele, hogyan kezelte az üres cellákat. Ha azt mondja, „312 sort dolgoztam fel”, te pedig tudod, hogy 340 sornak kéne lennie, azonnal látod, hogy valami félrement, például a hibás dátumformátumú sorokat kihagyta. Ez nem paranoia, hanem az a fajta kétkedés, ami megvéd attól, hogy egy szép, de rossz számra építs egy döntést.

5. lépés: Kérj trendeket, kiugró értékeket és vizualizációt

Ha a nyers számok megvannak és ellenőrzöttek, jön az értelmezés. Itt tud a Claude tényleg időt spórolni, mert nemcsak kiszámol, hanem meg is fogalmaz. Kérd meg, hogy a számok mellé írjon rövid magyarázatot: mi a mintázat, mi tér el a várttól, és mi lehet a lehetséges ok. Egy dolgot viszont tarts fejben: az „ok” a gép részéről mindig hipotézis, nem bizonyíték. Ha azt mondja, „a negyedik hónapban azért esett a bevétel, mert nyár volt”, az egy tipp, amit neked kell igazolnod, nem egy tény.

Egy jó válasz ilyenkor például így néz ki: a Claude visszaad egy havi bontású táblát, mellé egy mondatot, hogy „a bevétel a negyedik hónapban 22 százalékkal esett az előző hónaphoz képest, ami a legnagyobb havi visszaesés a féléves adatban”, és egy hipotézist, hogy „ez egybeesik azzal, hogy a legerősebb kategória forgalma is ekkor csökkent”. Ez már nem nyers adat, hanem egy állítás, amivel dolgozni tudsz.

És itt nem kell megállni a szövegnél: a kódfuttató eszközzel a Claude valódi diagramot is tud rajzolni az adatból, vagy egy interaktív vizualizációt készíteni (ez az úgynevezett artifact, egy külön ablakban megnyíló, kattintható grafikon). Nyugodtan kérd konkrétan: „rajzolj oszlopdiagramot a havi bevételről” vagy „készíts egy interaktív grafikont a kategóriák megoszlásáról”. A cél a gyorsaság: egy döntéshozó harminc másodperc alatt lássa a lényeget, ne kelljen a táblázatban keresgélnie. Egy figyelmeztetés viszont ide is tartozik: a diagram csak annyira pontos, amennyire a mögötte lévő számítás, ezért a vizualizációt is ugyanúgy kódfuttatásból kérd, ne becslésből.

Egy hasznos záró trükk: kérd meg, hogy készítsen egy rövid, e-mailbe illeszthető összefoglalót a vezetőnek vagy az ügyfélnek. Így nemcsak az elemzés kész, hanem a kommunikáció is. Ha a jelentésedbe egy meglévő diagram képét is beteszed, a Claude képelemzési képességéről szóló cikkünk mutatja, hogyan olvassa ki és értelmezi azt.

6. lépés: Ellenőrizd az eredményt, és figyelj az adatvédelemre

Az utolsó lépés a felelősségről szól. Két dolgot soha ne ugorj át.

Ellenőrzés. Mielőtt bármit továbbküldesz, vess egy pillantást a kulcsszámokra. Nem az egészet kell újraszámolni, elég egy szúrópróba: válassz ki egy hónapot vagy egy kategóriát, és számold vissza kézzel, vagy nézd meg a forrásfájlban. Ha a kiszúrt szám stimmel, jóval nagyobb bizalommal állhatsz a többi mögé is. Ha nem, ott a jelzés, hogy a promptot vagy a fájlt pontosítani kell, mielőtt bárkinek megmutatod. Egy percbe telik, és megvéd attól, hogy egy vezetői megbeszélésen derüljön ki a hiba.

Adatvédelem. Egy táblázat gyakran személyes vagy üzleti adatot tartalmaz: neveket, e-mail-címeket, telefonszámokat, forgalmi adatokat. Ne tölts fel ilyet gondolkodás nélkül. A jó hír, hogy az elemzéshez legtöbbször nincs is szükség a nevekre. Ha egy vásárlói táblát elemzel, a „Kovács Anna, anna@pelda.hu” sort nyugodtan lecserélheted „Vásárló 001”-re, mielőtt feltöltöd, és a bevételi elemzés ugyanúgy működik. Ahol az azonosító nem kell, ott vedd ki vagy anonimizáld. Érzékeny üzleti adatnál ellenőrizd az adatkezelési beállításokat, és a szigorúbb garanciákhoz az üzleti csomagok valók. Ha bizonytalan vagy, előbb egyeztess a felelős kollégával.

Ha még azon gondolkodsz, az ingyenes vagy a fizetős szint való-e a rendszeres adatelemzéshez, a Claude Pro és ingyenes verzió összehasonlításunk végigveszi a korlátokat, hogy tudd, mikor éri meg a váltás.

Egy valós példa, számokkal

Nézzük végig az egészet egy konkrét eseten. Egy kis webshop tulajdonosaként hat havi rendelési exportod van, és az az érzésed, hogy „valahogy nem pörög a bevétel”, de nem tudod, hol a baj.

Először rendet raksz: a húsz oszlopból marad három, a dátum, a termékkategória és a nettó összeg, és CSV-ként mented. Feltöltöd, és beírod a fenti első példaprompt szerint pontosan, mit kérsz, azzal a kikötéssel, hogy a számokat kódfuttatással adja. A Claude lefuttatja, és visszaad egy ilyen havi bontást:

Hónap Nettó bevétel Változás az előző hónaphoz
Január1 240 000 Ft–
Február1 310 000 Ft+5,6%
Március1 280 000 Ft-2,3%
Április1 000 000 Ft-21,9%
Május1 020 000 Ft+2,0%
Június1 050 000 Ft+2,9%

Rögtön látszik, hogy az áprilisi közel 22 százalékos zuhanás a fordulópont, és a bevétel utána sem állt vissza. A Claude hozzáteszi, hogy két kategória, a „kiegészítők” és a „ruházat” adja a féléves bevétel több mint felét, és hogy az áprilisi esés főleg a ruházatnál jelentkezett. Ez már egy konkrét szál, amin el tudsz indulni.

Most jön a fegyelmezett rész. Nem hiszed el vakon: fogod az áprilisi hónapot, és a forrásfájlban gyorsan összeadod a ruházat sorait. Stimmel. Innen tudod, hogy a többi számra is építhetsz. Végül kérsz egy háromsoros összefoglalót a következő tervezési megbeszélésre. A teljes folyamat tíz-tizenöt perc, szemben azzal a fél nappal, amíg a pivot-táblát és a diagramokat kézzel raknád össze. És ami fontosabb: a végén nem érzésed van, hanem egy ellenőrzött számokra épülő döntésed, hogy az áprilisi ruházati esés okát kell megkeresned.

Gyakori hibák, amikbe bele lehet futni

Néhány buktató, amit érdemes előre ismerni, mert mind valós, és mind javítható:

  • Elhiszed az első számot. A leggyakoribb és a legveszélyesebb. Ha nem kértél kódfuttatást, a szám lehet becslés. Mindig ellenőrizz vissza legalább egyet.
  • Túl nagy fájlt küldesz. Ha az egész évet feltöltöd, amikor csak egy negyedév kell, feleslegesen bonyolítod, és korlátba is futhatsz. Vágj előbb.
  • Kevered a formátumot egy oszlopban. A „12 500 Ft” és a „12500” keveréke a leggyakoribb ok, amiért félrecsúszik az összeg. Egységesíts az első lépésben.
  • Ok-okozatnak veszed a hipotézist. A gép megfogalmaz egy lehetséges okot, de az nem bizonyíték. A magyarázatot neked kell igazolnod más adatból vagy a saját tudásodból.
  • Feltöltesz érzékeny adatot ellenőrzés nélkül. Neveket, e-mail-címeket anonimizálj, mielőtt a fájl bárhová kerül.

Mikor ne a Claude-ot használd

A szkepticizmus itt is a helyén van: nem minden feladatra ez a jó eszköz. Ha egy fix, ismétlődő számításról van szó, amit minden hónapban ugyanúgy futtatsz, arra egy jól megírt Excel-képlet vagy pivot-tábla gyorsabb és megbízhatóbb, mert egyszer beállítod, és utána magától megy. Ha kritikus, auditált pénzügyi kimutatáson dolgozol, ahol minden fillérnek stimmelnie kell, ott az AI legfeljebb a gyors átnézésre jó, a végső számot ellenőrzött eszközzel és emberi szemmel zárd le. És ha az adat annyira érzékeny, hogy nem hagyhatja el a céges rendszert, akkor a feltöltés eleve nem opció.

A Claude ott verhetetlen, ahol eddig egyáltalán nem néztél rá az adatra, mert nem volt rá időd. Egy eseti kérdésre, egy gyors felderítésre, egy „mi történik itt egyáltalán” típusú első ránézésre pár perc alatt ad használható választ. A rendszeres, szabályos, auditált munkára viszont az erre kitalált eszközök valók. A kettő nem kizárja, hanem kiegészíti egymást.

Összefoglalás

A táblázatelemzés nem attól lesz jó, hogy az AI okos, hanem attól, hogy te fegyelmezetten használod. A fenti hat lépés négy elvre sűríthető, és ezek együtt működnek, nem külön-külön:

  • Tiszta, egyfüles, egységes fejlécű adatot adj be, mert a pontosság itt dől el.
  • Ne „elemezz”-t kérj, hanem konkrét kérdést tegyél fel: mi az adat, mit keresel, milyen formában.
  • Minden döntést megalapozó számot kódfuttatással kérj, ne fejből, és kérd el a kódot.
  • Ellenőrizz vissza legalább egy értéket, és bánj óvatosan az érzékeny adattal.

Ha ezt a négy elvet betartod, a Claude nem egy látványos, de megbízhatatlan segéd lesz, hanem egy gyors, ellenőrizhető elemző partner, aki a nyers táblázatból használható következtetést csinál. A többi rajtad múlik: a kérdésen, amit felteszel, és a döntésen, amit a végén meghozol.