ChatGPT Visualize 完整教學：把 CSV／資料集變成可篩選互動圖表與下鑽分析

ChatGPT Visualize 的價值，是把資料由「一張看完就算的圖」變成可操作的解釋：使用者可以改年份、選月份、點資料點、看明細，圖表、摘要卡和文字會一起更新。影片用經典航空旅客月度資料示範這條流程；本文補上最重要但畫面看不到的部分：資料字典、缺失值政策、單位、驗算、可用性和分享邊界。

\n

產品定位：Visualizations 是 ChatGPT 的互動視覺化預覽。OpenAI 現行文件說明，支援帳戶可在 ChatGPT 網頁版或桌面版以 @Visualize 選取 plugin；桌面版仍在逐步推出，Codex CLI 和 IDE extension 目前不能渲染。影片把它稱為「Codex skill」容易令人誤解，實際入口應以目前 composer 顯示為準。

\n

\n

\n

一、先判斷是否真的需要互動視覺化

\n

OpenAI 建議使用能解釋關係的最小格式。只有當使用者需要改輸入、切時間、看地理位置、模擬狀態或下鑽細節，互動才有價值。

\n\n

\n

二、確認可用性並選取 @Visualize

\n

1. 在支援的 ChatGPT 網頁版或桌面版開新 conversation。
2. 在 composer 輸入 @，搜尋 Visualize；或輸入 @Visualize 並選擇建議。
3. 確認 composer 已出現 Visualize tag，再附加檔案或貼上資料。
4. 若看不到，不要假設相同方案一定有；檢查 app 更新、workspace policy，或改用網頁版等候 rollout。
5. CLI／IDE 使用者要把同一份非機密資料帶到 ChatGPT 支援介面。

\n

\n

三、先清理資料：把「畫圖」前的口徑寫清楚

\n

影片資料是 1949–1960 月度航空旅客序列。畫面顯示 144 個月份中有 4 個缺失值，視覺化使用 140 個有效值；這正好示範為甚麼必須先處理資料，而不是直接相信圖表。

\n

最小資料字典

\n\n

上載前檢查

\n

• 一列是否代表一個月？有沒有重複年月？
• 數值是人、千人、金額，還是指數？
• 缺失代表沒有資料、零，還是不適用？
• 日期使用本地時區、UTC、財政年還是日曆年？
• 負數、極端值、文字數字和千位分隔有沒有被錯讀？
• 檔案有沒有不必要個資、內部 ID、密鑰或客戶資料？

\n

四、提示要寫四件事：結果、來源、問題、互動

\n

\n

@Visualize
結果：建立一個月度航空旅客互動 explorer，讓非技術讀者看長期趨勢與季節性。
來源：使用附件 passengers.csv；month 是 YYYY-MM，passengers 單位是千人。
問題：總量如何隨年份變化？哪些月份通常較高？缺失值會否影響高峰？
互動：
- 年份起訖篩選；
- 1–12 月多選按鈕；
- 折線圖；
- KPI：目前範圍、有效筆數、合計、月平均、峰值月份；
- hover 顯示年月與精確值；
- click 資料點開啟明細；
- 清除篩選按鈕。
資料規則：
- 不把缺失值當 0，不自行插值；
- 顯示總列數、有效列數和缺失數；
- 所有 KPI 與圖表必須使用同一篩選集合。
驗收：完成後列出資料範圍、排除列、單位和三個獨立可核對數字。

\n

如果資料已在 conversation，可直接引用；也可貼上表格、附加檔案或使用已批准的 connected source。資料大或欄位多時，先要求輸出 profiling 報告，確認後再生成視覺化。

\n

五、先讀生成摘要：確認模型實際用了甚麼

\n

\n

\n

影片畫面顯示 Visualize 先描述資料，再建立年份、月份控制、KPI 和折線圖。這段文字不是裝飾，而是第一層 audit trail。應逐項核對：

\n

1. 原始 144 列、有效 140 列、缺失 4 列是否與檔案一致？
2. 1949–1960 是否包含首尾完整月份？
3. passengers 是否真的是「千人」？KPI 是否錯把 39,303k 顯示成 39,303 人？
4. 合計、平均和峰值是否排除同一組缺失？
5. 圖表是否按年月排序，而不是文字字母序？

\n

不要用外觀驗收數據：折線平順、KPI 看似合理，都不能證明計算正確。至少以試算表、SQL 或另一段獨立計算核對總數、平均、最大值和一個篩選子集。

\n

六、測試年份與月份篩選：所有元件要同步

\n

\n

\n

互動測試腳本

\n

1. 只選 1953–1955：確認範圍、點數和 KPI 改變。
2. 只選 1 月：每年最多一點，折線或點圖仍可讀。
3. 選 7–8 月：峰值應來自所選月份，不可保留全資料峰值。
4. 選沒有有效資料的組合：顯示明確 empty state，不可出現 NaN 或舊數字。
5. 清除篩選：回到初始 1949–1960 和全部月份。
6. 用鍵盤 Tab、Enter／Space 操作每個控制；焦點可見。

\n

若互動造成折線圖的 y 軸自動縮放，要在圖表旁標示或保持一致，避免讀者把縮放誤認為波動變大。若要跨範圍比較，最好鎖定共同 y 軸或加入「固定尺度」切換。

\n

七、點選資料點下鑽：明細要解釋，不要再造一個黑盒

\n

\n

\n

\n

好的 detail panel 應包括

\n

• 選中的系列、日期、原始值、格式化值和單位。
• 是否缺失、估算、修訂或被排除。
• 與上一期／去年同期的差異及計算式（如有）。
• 來源連結或可追溯的 row key，不顯示敏感內部 ID。
• 關閉、返回、鍵盤焦點和窄螢幕行為。

\n

八、完整 QA：資料、計算、圖形、互動與無障礙

\n\n

獨立驗算提示

\n

不要修改視覺化。
請只根據原始 CSV 建立一份 QA 報告：
1. 總列數、有效列、缺失列、重複年月；
2. 日期最小／最大；
3. 全範圍合計、平均、最大值與年月；
4. 1953–1955 且只含 7–8 月的列數、合計和最大值；
5. 說明每個計算是否排除缺失。
把結果與目前 Visualize 顯示逐項比較，列出任何差異，不要自行修正。

\n

九、甚麼時候把 Visualize 升級成正式 dashboard？

\n

對話內 Visualize 適合探索、教學、比較和快速共識。以下任何一項成立，就應把已確認的資料規格、互動和驗收移交給 Site 或正式 web app：

\n

• 需要固定、可分享 URL 或嵌入網站。
• 需要登入、角色、row-level 權限或審計。
• 資料會定時更新，不能每次手動上載。
• 需要保存使用者篩選、註釋、匯出或協作。
• 需要 SLA、大量資料、快取、監控或多瀏覽器支援。
• 結果用於營運、財務、醫療、法律或其他高風險決策。

\n

升級時不要截圖重做；保存原始資料、資料字典、提示、篩選狀態、KPI 公式、色彩和互動測試，把它們變成 dashboard 的產品規格與自動化測試。

\n

十、可直接複製的生產級 Visualize 提示

\n

@Visualize
請把附件資料建立成一個互動式分析器。先做 profiling，等我確認後才生成。

資料：
- 每列代表：
- 日期欄：
- 指標欄及單位：
- 分類欄：
- 唯一鍵：
- 缺失／重複政策：

分析問題：
1.
2.
3.

畫面：
- 一個主圖；
- 3–5 個 KPI；
- 必要的篩選；
- hover 和 click 明細；
- reset 和 empty state；
- 窄螢幕可用。

一致性：
- 所有 KPI、圖、明細和文字使用同一 filtered dataset；
- 不自動填補缺失或更改單位；
- 顯示有效列、排除列和日期範圍。

驗收：
- 回報三個可獨立核對數字；
- 測試全資料、單一年、單一分類、零結果和 reset；
- 支援鍵盤操作和清楚焦點；
- 列出假設、資料問題、未完成和檔案位置。

\n

Visualize 把「看一張圖」升級成「與資料對話」，但互動越多，越需要嚴格定義 filtered dataset、缺失值和同步規則。先讓資料口徑正確，再讓圖表可操作；最後用原始資料對數。做到這三層，互動視覺化才是分析工具，而不是漂亮但不可審計的畫面。