Datos Org
BlogApril 29, 2026

Cómo usar ChatGPT para analizar datos y detectar problemas sociales en tu territorio

Fundación Datos Org
Hasta hace poco, analizar un dataset requeria saber Python, R o al menos Excel avanzado. Hoy, con ChatGPT Advanced Data Analysis (antes llamado Code Interpreter), cualquier persona puede subir un archivo CSV y pedirle a la IA que lo analice, grafique y explique, sin escribir una sola linea de codigo. Para las organizaciones sociales colombianas, esto abre una posibilidad concreta: usar los miles de datasets públicos disponibles en datos.gov.co para diagnosticar problemas en su territorio, identificar patrones y construir argumentos basados en evidencia, sin depender de un consultor técnico. Esta guía te ensenaa el flujo completo, paso a paso. Es una función de ChatGPT Plus (y superior) que permite:
  • Subir archivos en formato CSV, Excel, PDF, JSON y otros
  • Pedirle a ChatGPT que analice los datos en esos archivos
  • Generar graficos, tablas y estadisticas
  • Ejecutar calculos complejos sin que tu tengas que programar
  • Exportar los resultados como imagenes, archivos o texto
Esta disponible en ChatGPT Plus (USD 20/mes) y con el descuento de OpenAI for Nonprofits. Claude también tiene capacidades similares para análisis de archivos. Para este ejercicio, usaremos datos reales de datos.gov.co. Siguiendo el ejemplo de una organización que trabaja en inclusion educativa:
  1. Ve a datos.gov.co
  2. Busca "tasa desercion escolar municipio"
  3. Selecciona el dataset del Ministerio de Educación Nacional con datos por municipio
  4. Descarga el archivo en formato CSV
Si el dataset es muy grande (más de 50.000 filas), filtra primero por el departamento de tu interés usando las opciones de filtro del portal antes de descargar. Abre el CSV en Excel o Google Sheets para entender su estructura:
  • ¿Cuantas columnas tiene?
  • ¿Que significa cada columna?
  • ¿Hay valores faltantes evidentes?
  • ¿Cual es la unidad de análisis (municipio, departamento, colegio)?
No necesitas limpiar nada todavia. Solo necesitas entender con que trabajas para poder hacer las preguntas correctas. Abre ChatGPT, activa el modelo GPT-4o, y sube el archivo CSV. Luego empieza con este prompt de diagnostico:
"Acabo de subir un dataset sobre [tema] de [fuente]. Antes de analizar nada, dime: (1) cuantas filas y columnas tiene, (2) que representa cada columna, (3) que periodo de tiempo cubre, (4) hay valores faltantes o anomalias evidentes que debo conocer, y (5) que tipos de análisis podrias hacer con estos datos."
Este primer paso te da el mapa del dataset y te ayuda a formular las preguntas correctas. Una vez que entiendes el dataset, empieza a explorar tu territorio específico:
"Filtra los datos para mostrar solo los municipios del departamento de [nombre]. Crea una tabla ordenada de mayor a menor tasa de desercion escolar. Identifica los 5 municipios con mayor tasa y los 5 con menor tasa. Explica en un parrafo que patrones observas."
"Compara la tasa de desercion de [nombre de tu municipio] con el promedio departamental y el promedio nacional. ¿Esta por encima o por debajo? ¿Cuanto ha cambiado en los ultimos años disponibles en el dataset?"
Este es el paso donde la IA empieza a generar hipotesis:
"¿Existe alguna correlacion entre la tasa de desercion escolar y [otra variable disponible en el dataset, como tasa de pobreza, zona urbana/rural, o tamano del municipio]? Muestra un grafico de dispersion y explica la relacion que observas."
"Identifica si hay diferencias significativas en la tasa de desercion entre zonas urbanas y rurales en el departamento. Genera un grafico de barras comparativo y explica el hallazgo en términos simples."
Aquí esta el verdadero poder: cruzar datos públicos con los datos de tu organización. Prepara un segundo archivo CSV con datos de tus beneficiarios (sin información personal identificable, solo variables agregadas por municipio o zona). Súbelo a la misma sesión de ChatGPT:
"Ahora sube este segundo archivo con datos de nuestra organización. Contiene el número de beneficiarios que atendemos por municipio y los resultados de nuestro programa. Cruza esta información con el dataset de desercion escolar para identificar: (1) municipios con alta desercion donde tenemos presencia, (2) municipios con alta desercion donde NO tenemos presencia y podriamos expandirnos, y (3) si hay correlacion entre nuestra intervención y cambios en la tasa de desercion."
Una vez que tienes los hallazgos, pidele a ChatGPT que genere las visualizaciones listas para presentar:
"Genera los siguientes graficos listos para incluir en una presentación: (1) mapa de calor del departamento mostrando la tasa de desercion por municipio usando una escala de color de verde (baja) a rojo (alta), (2) grafico de linea mostrando la evolucion de la tasa en los ultimos 5 años para los 3 municipios más criticos, (3) grafico de barras comparando el promedio de nuestros municipios de intervención vs. el promedio departamental. Exporta cada grafico como imagen PNG."
Aquí un ejemplo completo de como una ONG ficticia usaria este flujo: Contexto: La Fundación Semilla trabaja en seguridad alimentaria en el norte del Cauca. Quiere demostrar a un donante que los municipios donde opera tienen indicadores de desnutricion superiores al promedio departamental. Datos descargados: Dataset de desnutricion infantil aguda por municipio del ICBF, descargado de datos.gov.co. Análisis con ChatGPT:
  1. Filtro por municipios del norte del Cauca
  2. Comparacion con promedio departamental → resultado: los municipios de intervención tienen una tasa 2.3 veces mayor al promedio
  3. Grafico de barras generado automaticamente
  4. Parrafo narrativo generado: "Los municipios de Toribio, Caloto y Corinto presentan tasas de desnutricion aguda entre el 8.2% y 11.4%, frente al promedio departamental del 4.9%..."
Resultado: El equipo de la Fundación Semilla incluyo este análisis en su propuesta de financiamiento en 2 horas, sin contratar un consultor de datos. Hallucinations en datos: ChatGPT puede cometer errores numericos, especialmente con calculos complejos. Siempre verifica los resultados clave directamente en el archivo original. Contexto del dataset: ChatGPT no conoce las particularidades metodologicas del dataset. Siempre lee la ficha técnica de los datos antes de hacer interpretaciones. Privacidad: Nunca subas datos personales de beneficiarios a ChatGPT. Usa solo datos anonimizados o agregados. Causalidad vs. correlacion: ChatGPT puede encontrar correlaciones, pero la interpretacion causal requiere criterio humano y conocimiento del contexto. En la Fundación Datos Org acompañamos a organizaciones en el análisis de datos para el diagnostico territorial y la medicion de impacto. Si quieres profundizar más alla de lo que ChatGPT puede hacer solo, conectate con nuestros voluntarios de ciencia de datos.
Share this post: