स्प्रेडशीट सामने खुली हो और हाथ रुक जाए — ऐसा कभी हुआ है? "इस शर्त पर जोड़ना है, पर कौन-सा फ़ंक्शन इस्तेमाल करूँ?", "बड़ी मेहनत से बनाया फ़ॉर्मूला एरर से पूरा लाल हो गया", "आँकड़े तो कतार में लगे हैं, पर आख़िर इनसे कहना क्या है, समझ ही नहीं आता" — "फ़ंक्शन में कमज़ोर हूँ", "विश्लेषण नहीं आता" जैसी इन दीवारों को AI पूरी तरह नीचे कर देता है। न फ़ंक्शन के नाम याद करने की ज़रूरत, न आँकड़ाशास्त्र दोबारा पढ़ने की। बस जो करना है उसे आम भाषा में बता दीजिए — AI फ़ॉर्मूला बना देगा, डेटा व्यवस्थित कर देगा, और रुझान के संकेत तक लौटा देगा। इस अध्याय में हम देखेंगे कि विश्लेषण जिसका पेशा नहीं है, वह व्यक्ति भी AI को कैसे "स्प्रेडशीट का साथी" बना सकता है।
लक्ष्य है — "फ़ंक्शन हो या विश्लेषण, शब्दों में कहकर आगे बढ़ जाना"
"फ़ंक्शन नहीं आते" — इस दीवार को AI से पार करें
अब तक स्प्रेडशीट में अटकने की ज़्यादातर वजह यही रही है — "करना क्या है यह दिमाग़ में साफ़ है, पर उसे सॉफ़्टवेयर की भाषा में अनुवाद नहीं कर पाते"। "A कॉलम में से शर्त पर खरी उतरने वाली पंक्तियों को ही जोड़ना है" — यह हिंदी वाक्य तो साफ़ है, पर वह SUMIF होगा या SUMIFS, आर्ग्युमेंट किस क्रम में आएँगे — यहीं हाथ रुक जाता है। AI इस "अनुवाद" को पूरी तरह अपने ज़िम्मे ले लेता है। आप आम भाषा में मक़सद बताइए, AI उसे फ़ॉर्मूला, तरीक़े और ग्राफ़ में बदल देगा। फ़ंक्शन रटने का ज़माना अब तक़रीबन ख़त्म हो चुका है। ज़रूरी बस इतना है कि "क्या निकालना है" इसे अपने शब्दों में समझा सकें — बस इतना ही।
फ़ंक्शन का नाम ढूँढना, आर्ग्युमेंट के क्रम पर उलझना, एरर का मतलब समझ न आने पर अटक जाना। सिर्फ़ "पता लगाने" में ही समय बह जाता है।
जो करना है वह बोल दीजिए, तो फ़ॉर्मूला, सुधार का तरीक़ा और प्रस्तुतिकरण तक लौटकर आता है। इंसान "क्या जानना है" पर ध्यान लगा सकता है।
💡 कोई भी टूल चलेगा। Excel हो या Google Sheets, AI से पूछते समय बस "Excel में" या "स्प्रेडशीट में" इतना जोड़ दीजिए। फ़ंक्शन का नाम थोड़ा अलग हो तो भी AI दोनों का तरीक़ा बता देता है। विश्लेषण को समग्र रूप से और गहराई से समझना हो तो AI से डेटा विश्लेषण कैसे करें भी ज़रूर देखें।
फ़ंक्शन और फ़ॉर्मूला शब्दों में बताकर बनवाएँ
सबसे पहले सबसे बड़ी परेशानी — फ़ॉर्मूला बनाना। तरकीब यह है कि फ़ंक्शन के नाम के पीछे मत भागिए। "किस कॉलम में क्या है और क्या निकालना है" इसे सीधे-सीधे समझा देना काफ़ी है। AI सबसे उपयुक्त फ़ंक्शन चुनकर, सीधे चिपकाने लायक रूप में लौटा देता है। मसलन दूसरी तालिका से मान खींच लाना (VLOOKUP या नया XLOOKUP), शर्त पर खरी पंक्तियों को ही गिनना/जोड़ना (COUNTIF／SUMIF), कई शर्तों को जोड़ना — ये सब आम काम AI की खासियत हैं।
Excel में एक फ़ॉर्मूला बनाइए।
•A कॉलम में "क्षेत्र" और B कॉलम में "बिक्री राशि" है (डेटा दूसरी पंक्ति से शुरू, आख़िरी पंक्ति तय नहीं)।
•जिन पंक्तियों में "क्षेत्र" "West" है, सिर्फ़ उनकी बिक्री राशि जोड़नी है।
फ़ॉर्मूला दीजिए और हर हिस्सा क्या कर रहा है, इसका छोटा-सा समझावा भी साथ दीजिए।
मुख्य बात है "कॉलम में क्या है" इसे ठोस रूप से बताना। कॉलम की सामग्री और जो नतीजा चाहिए, यह लिख दीजिए तो AI SUMIF जैसा सही फ़ंक्शन आपकी तालिका के हिसाब से जोड़कर देगा।
एक और चीज़ जो काम में अक्सर आती है — "दूसरी तालिका से मेल खाता मान ले आना"। प्रोडक्ट कोड से प्रोडक्ट का नाम निकालना, कर्मचारी संख्या से विभाग निकालना — यानी मिलान करना। यह भी शब्दों में कहकर करवाया जा सकता है।
स्प्रेडशीट में, ऑर्डर तालिका (Sheet1) के C कॉलम में मौजूद "प्रोडक्ट कोड" के आधार पर, प्रोडक्ट मास्टर (Sheet2, A कॉलम=कोड, B कॉलम=प्रोडक्ट नाम) से प्रोडक्ट का नाम निकालना है।
XLOOKUP और VLOOKUP दोनों का तरीक़ा बताइए, और शुरुआती के लिए कौन-सा ज़्यादा सुरक्षित है यह भी एक पंक्ति में जोड़ दीजिए।
"दोनों का तरीक़ा", "कौन-सा सुरक्षित है" तक माँग लें तो सिर्फ़ फ़ॉर्मूला पाने के बजाय किसे कब इस्तेमाल करें इसकी वजह तक सीख जाते हैं — यही AI की अच्छाई है।
और फिर, फ़ॉर्मूला में अटकने पर एरर को ठीक करने का तरीक़ा। #N/A (नहीं मिला), #REF! (संदर्भ मिट गया), #VALUE! (प्रकार मेल नहीं खाता) जैसे संदेश शुरुआती लोगों को सबसे ज़्यादा हतोत्साहित करते हैं, पर AI के लिए यही समझाना सबसे आसान क्षेत्र है। जिस फ़ॉर्मूला में एरर आ रही है उसे ज्यों का त्यों चिपकाकर "यह एरर क्यों आ रही है, कैसे ठीक करूँ" पूछना सबसे छोटा रास्ता है।
✅ एरर को "मूल रूप में ही" चिपकाना तरकीब है। सिर्फ़ एरर का नाम नहीं, बल्कि समस्या वाला फ़ॉर्मूला खुद और "क्या करना चाहते थे" — दोनों साथ देंगे तो AI सटीक वजह पकड़ लेता है। "ठीक हुआ फ़ॉर्मूला" ही नहीं, "ग़लती क्यों हुई" यह भी पूछ रखें तो अगली बार आप खुद निपट पाएँगे।
एकत्रीकरण और सफ़ाई — बिखरे डेटा को व्यवस्थित करें
इकट्ठा किया गया डेटा अक्सर "ज्यों का त्यों इस्तेमाल में मुश्किल" हालत में होता है। एक ही कंपनी "Pvt Ltd" कहीं "Pvt. Ltd." कहीं "P.L." लिखी हो, एक ही व्यक्ति दो बार दर्ज हो, तारीख़ लिखने का ढंग एक-सा न हो — इसी तरह की पूर्व-तैयारी (डेटा क्लीनिंग) ही तो है जिसे AI से तरीक़ा पूछते हुए करने पर एकदम आसान हो जाती है। क्योंकि "कैसे ऑपरेट करूँ" यह शब्दों में पूछा जा सकता है।
"राशि के घटते क्रम में", "किसी ख़ास शर्त की पंक्तियाँ ही दिखाओ" जैसे सॉर्ट और फ़िल्टर के तरीक़े AI से पूछ लें तो मेन्यू में भटकना नहीं पड़ता।
एक ही पंक्ति दो बार दर्ज होने की समस्या। "डुप्लिकेट मिटाने का तरीक़ा" या डुप्लिकेट खोजने वाला फ़ॉर्मूला बतवाया जा सकता है।
बड़े-छोटे अक्षर, ख़ाली जगह, संक्षिप्त रूपों के फ़र्क़ को एक जैसा करना। रिप्लेस के नियम या फ़ंक्शन एक साथ पूछे जा सकते हैं।
इसके अलावा, एकत्रीकरण की शान पिवट टेबल भी "मुश्किल लगती है" कहकर टाल दी जाती है, पर इसका मूल विचार सीधा है। "क्या पंक्ति में रखना है, क्या कॉलम में, और किसका जोड़ निकालना है" — इसे शब्दों में तय कर लें, बाक़ी बनाने का तरीक़ा AI बता देगा। मसलन "क्षेत्र-वार और महीने-वार बिक्री का जोड़ एक सूची में चाहिए" कह दें तो पिवट सेट करने के चरण क्रम से दिखा देगा।
Excel में, ऑर्डर डेटा (कॉलम: तारीख़／क्षेत्र／प्रोडक्ट श्रेणी／राशि) से,
"क्षेत्र-वार और प्रोडक्ट श्रेणी-वार बिक्री का जोड़" एक सूची में चाहिए।
पिवट टेबल से बनाने का तरीक़ा, क्लिक करने के क्रम में शुरुआती लोगों के लिए समझाइए।
"क्लिक करने के क्रम में", "शुरुआती के लिए" जोड़ दें तो तकनीकी शब्द कम करके ऑपरेशन गाइड के रूप में लौटाता है। बीच में हाथ रुके तो उस स्क्रीन का हाल ज्यों का त्यों बताकर फिर से पूछ लीजिए, बस।
⚠️ काग़ज़, PDF या तस्वीर की तालिका को पहले डेटा में बदलें। अगर आपके पास प्रिंट या स्क्रीनशॉट है, तो पहले उसके अक्षरों को पढ़कर तालिका बनाना ज़रूरी है। उसका तरीक़ा AI OCR से तस्वीर से अक्षर निकालने का तरीक़ा में मिल जाएगा। डेटा साफ़-सुथरा हो तभी एकत्रीकरण और विश्लेषण जीवंत होते हैं।
रुझान पकड़ें — "आख़िर क्या कहा जा सकता है" पर सलाह लें
डेटा व्यवस्थित हो जाए, तो अब बारी है "तो आख़िर इससे कहना क्या है" सोचने की। यही विश्लेषण का असली मैदान है, और यहीं ज़्यादातर लोग "यह मेरे बस का नहीं" महसूस करते हैं। पर AI को साथी बनाएँ तो तालिका या CSV चिपकाकर "जो नज़र आए वह बताओ" इतनी-सी सलाह से ही सोचने का आधार मिल जाता है। आँकड़ों की कतार को यह शब्दों की समझ में बदल देता है।
"कहाँ बढ़ोतरी हुई, कहाँ गिरावट" इसे एक पंक्ति में समेटवाकर बातचीत की शुरुआत बनाएँ।
"बाक़ी की तुलना में बेहद बड़ा या छोटा मान" उठवाकर पकड़ें। इनपुट की ग़लती पकड़ने में भी काम आता है।
"A और B में संबंध लगता है क्या" — इस परिकल्पना का अंदाज़ा लगाएँ। गहराई में किस दिशा जाना है यह तय करना आसान हो जाता है।
नीचे महीने-वार और क्षेत्र-वार बिक्री डेटा है (इसके बाद तालिका चिपकाई जाएगी)।
1. कुल मिलाकर कौन-से रुझान पढ़े जा सकते हैं, 3 बिंदुओं में समेटो।
2. साफ़ तौर पर बाक़ी से अलग हटता कोई मान (असामान्य मान) हो तो बताओ।
3. और किन पहलुओं से जाँचना बेहतर रहेगा, इसके सुझाव दो।
आँकड़ों पर दो-टूक दावा मत करो, इन्हें सिर्फ़ "परिकल्पना" के रूप में पेश करो।
आख़िरी पंक्ति "दो-टूक दावा टालो, परिकल्पना के रूप में" बहुत अहम है। AI की पढ़ाई शुरुआती बिंदु है, निष्कर्ष नहीं। "ऐसा क्यों कहा जा सकता है" इसे खुद जाँचने का रवैया प्रॉम्प्ट के स्तर पर ही बुन लीजिए।
🚫 AI के विश्लेषण को आँख मूँदकर मत मानिए। AI "संबंध लगता है" तो दिखा सकता है, पर वह सचमुच सार्थक संबंध है या नहीं, इसकी गारंटी नहीं देता। भरोसेमंद लगने वाले शब्दों में, असल में कमज़ोर आधार वाली व्याख्या भी लौटा सकता है। AI की समझ को "जाँच की दिशा का संकेत" मानिए, और अहम फ़ैसले हमेशा मूल डेटा से मिलाकर पक्का करिए।
ग्राफ़ और विज़ुअलाइज़ेशन — असर करने वाला प्रस्तुतिकरण
आँकड़े ज्यों के त्यों बात नहीं पहुँचाते। "किस ग्राफ़ में दिखाएँ" इससे असर बहुत बदल जाता है। मगर बार, लाइन, पाई, स्कैटर… इनमें से कौन-सा चुनें, यह तय करना अक्सर मुश्किल होता है। यहाँ भी AI से सलाह ली जा सकती है। "क्या पहुँचाना है" कह दीजिए तो उसके अनुकूल ग्राफ़ का प्रकार वह सुझा देता है।
मदों के बीच घट-बढ़ की तुलना करते समय। क्षेत्र-वार, प्रोडक्ट-वार तुलना का मानक।
समय के साथ बदलाव और प्रवृत्ति दिखाते समय। बिक्री का मासिक रुझान वग़ैरह।
पूरे में से हिस्सा और संरचना अनुपात। मदें बहुत ज़्यादा हों तो पढ़ने में मुश्किल — इसका ध्यान रखें।
दो संख्याओं के बीच संबंध देखते समय। सहसंबंध का अंदाज़ा लगाने के लिए उपयुक्त।
💡 "प्रस्तुतिकरण" भी साथ ही माँगें। सिर्फ़ ग्राफ़ का प्रकार नहीं, "शीर्षक कैसे दें", "किस बात पर ज़ोर दें", "लेजेंड और एक्सिस लेबल कैसे व्यवस्थित करें" तक एक साथ पूछें तो सीधे प्रस्तुति में डालने लायक रूप के क़रीब पहुँच जाते हैं। बनाई तालिका और ग्राफ़ को व्याख्या-सामग्री में उतारने की तरकीबें अध्याय 4 "दस्तावेज़ और स्लाइड बनाना" में शामिल हैं।
सावधानियाँ — पुनर्गणना और गोपनीय डेटा
यहाँ तक हमने देखा कि AI स्प्रेडशीट का ताक़तवर साथी है। पर चूँकि यहाँ आँकड़ों से काम है, इसलिए दो सिद्धांत निभाने ज़रूरी हैं। इन्हें चूके, तो सुविधा पलटकर जोखिम बन जाती है।
AI के दिए फ़ॉर्मूला या एकत्रीकरण के नतीजे पर ज्यों का त्यों भरोसा मत करिए। जोड़ सही है क्या, गिनती वाजिब है क्या — छोटे उदाहरण से ज़रूर जाँचिए। भरोसेमंद अंदाज़ में ग़लती कर बैठना AI की फ़ितरत है। आख़िरी आँकड़े की ज़िम्मेदारी इंसान की।
ग्राहक के नाम, निजी जानकारी, अघोषित बिक्री वग़ैरह को बाहरी AI में ज्यों का त्यों मत चिपकाइए। असली डेटा को डमी बनाइए और सिर्फ़ ढाँचा देना सुरक्षित है।
ख़ासकर ② वह बिंदु है जिसका स्प्रेडशीट होने के कारण ही ध्यान रखना चाहिए। असली ग्राहक सूची या बिक्री बही ज्यों की त्यों चिपकाने का मन होता है, पर उसमें निभाने लायक जानकारी भरी होती है। सुरक्षित इस्तेमाल की तरकीब मूलतः यह दोहरी व्यवस्था है।
नाम को "ग्राहक A•B•C", राशि को अंकों या अनुपात को बरक़रार रखते हुए काल्पनिक मान से बदल दीजिए। सिर्फ़ फ़ॉर्मूला या तरीक़ा सीखना हो तो इतने से ही काम चल जाता है।
"इस तरह के कॉलम ढाँचे में कैसे एकत्रीकरण करूँ" — बस बनाने का तरीक़ा पूछिए और असली डेटा अपने पास ही लगाइए। कॉलम का रूप मेल खाए तो फ़ॉर्मूला चल जाता है।
🚫 दुविधा हो तो असली डेटा मत डालिए। "यह जानकारी बाहरी सेवा को देना ठीक है क्या" — इसमें ज़रा भी हिचक हो, तो न देना ही सही है। कंपनी के नियम और किन जानकारियों को दर्ज नहीं करना चाहिए इसकी सीमारेखा AI में दर्ज न करने योग्य जानकारी की सावधानियाँ में विस्तार से देख सकते हैं। सुरक्षित इस्तेमाल हो तभी दक्षता के मायने हैं।
- फ़ंक्शन रटने की ज़रूरत नहीं। "किस कॉलम में क्या है, क्या निकालना है" शब्दों में बताएँ तो AI फ़ॉर्मूला जोड़ देता है और एरर भी ठीक कर देता है।
- एकत्रीकरण और सफ़ाई के लिए सॉर्ट, डुप्लिकेट हटाना, लिखावट की एकरूपता और पिवट के तरीक़े पूछे जा सकते हैं। गंदे डेटा को पहले पूर्व-तैयारी से गुज़ारें।
- रुझान के लिए तालिका चिपकाकर "क्या कहा जा सकता है, असामान्य मान, संबंध का अनुमान" पर सलाह लें। पर AI की पढ़ाई परिकल्पना है, आँख मूँदकर मत मानें।
- ग्राफ़ के लिए क्या पहुँचाना है कह दें तो उपयुक्त प्रकार वह सुझा देता है।
- दो सिद्धांत — ① आँकड़ों की पुनर्गणना इंसान करे ② गोपनीय डेटा चिपकाएँ नहीं, डमी बनाएँ और सिर्फ़ ढाँचा पूछें।
आँकड़ों से जुड़े काम की दीवार अब काफ़ी नीची हो गई होगी। अगली बारी है जानकारी जुटाने की। अध्याय 6 "जाँच-पड़ताल और रिसर्च को कुशल बनाना" में जानकारी जुटाने, तुलना और पुष्टि को AI से तेज़ करने का तरीक़ा देखें।