Module: ماژول ۰۵ — اتوماسیون و تحلیل داده (Automation & Data Analysis)

Part 1: Video Scenario & Screen Actions

[Camera on Host] Hook and intro: Joke about late-night Excel formula nightmares (#REF!, VLOOKUP) and repetitive copy-pasting between apps; tease the 3 levels of AI data analysis, visual automation platforms (Zapier, Make.com, self-hosted n8n + Ollama), Custom GPTs, and an end-to-end newsletter automation lab.
[Show Slide 1 / README Overview] Display the module title “ماژول ۰۵: اتوماسیون و تحلیل داده” along with the CRISP-DM and AutoML pipeline diagrams.
[Show Slide 2 / Level 1: Spreadsheets] Display Level 1 (Using ChatGPT/Claude for Excel & Google Sheets): Show prompts for generating nested IF/IFERROR formulas, debugging #REF! in =VLOOKUP(A2, Sheet2!A:C, 4, FALSE), and writing a daily 8:00 AM Google Apps Script email reminder for overdue rows.
[Screen Record] Live Demo—Level 2 (ChatGPT Advanced Data Analysis / Code Interpreter): Walk through the 5-step e-commerce CSV analysis: 1. Upload CSV, 2. Inspect columns & data types with Python pandas, 3. Clean duplicates and fill missing quantity values with category medians, 4. Run cohort LTV analysis by customer country, 5. Generate and export a high-res PNG monthly revenue line chart.
[Show Slide 3 / Level 3: Specialized Data Tools] Compare Julius.ai (live Google Sheets/PostgreSQL connection & interactive charting) and Google’s free NotebookLM (qualitative synthesis across up to 50 sources).
[Show Slide 4 / Automation Workflows & ETL Diagram] Display the ETL pipeline diagram and explain how AI acts as a cognitive “brain” between App A and App B.
[Show Slide 5 / Zapier vs. Make.com vs. n8n] Compare the 3 major automation platforms:
Zapier + AI: Customer Feedback Loop (Typeform/Google Forms -> OpenAI classification into Bug/Feature/Praise + 1–10 sentiment -> conditional routing to Jira, Notion, or #wins on Slack).
Make.com (Integromat): Competitor Blog Monitor (RSS Watch -> HTTP Scrape -> Claude 3.5 3-bullet summary, comparison & LinkedIn draft -> Google Docs).
n8n (Open-Source & Self-Hosted): Show the Docker command (docker run -it --rm --name n8n -p 5678:5678...) and how n8n connects to local Ollama (Llama-3) for 100% private, zero-cloud automation.
[Screen Record] Step-by-Step Guide—Building a Custom GPT / Gemini Gem (“استاد محتوای سئو”): Open ChatGPT -> Explore GPTs -> Create, enter the system instructions (8th-grade readability, H1/H2/H3 structure, keyword placement rules, clean Markdown output), upload Brand Tone of Voice PDFs into the Knowledge Base, and test it live.
[Screen Record] Hands-on End-to-End Automation Lab (Make.com Newsletter Pipeline):
Phase 1: Design the ChatGPT JSON prompt ({"title": "...", "author": "...", "summary": "..."}).
Phase 2: Build the Make.com scenario (Google Sheets - Watch Rows -> OpenAI Chat Completion with JSON Response Format -> Parse JSON -> Google Docs / Mailchimp -> Update Google Sheet Row setting Processed = TRUE) and run a live test with an article URL.
[Show Slide 6 / Common Pitfalls & Limitations] Highlight the 4 critical mistakes: 1. Over-automation / Rube Goldberg machine (using slow paid AI API calls where a free 1ms IF or regex works), 2. Cloud data privacy leaks (PII/medical/financial data), 3. Formula hallucinations (XLOOKUP/LET in older Excel versions), 4. Silent automation failures when JSON Mode / Structured Outputs are not enforced.
[Camera on Host] Outro and call to action: Encourage viewers to build their first free Make.com scenario or Custom GPT, ask them what repetitive daily task they want to automate first in the comments, remind them to like and subscribe, and tease Module 06 (API & RAG Projects).

Part 2: Teleprompter Transcript (Persian)

[Action 1] سلام رفقا! تا حالا شده ساعت ۱۱ شب پای یه فایل اکسل ۵ هزار سطری نشسته باشین، فرمول VLOOKUP هی بهتون ارور #REF! بده و دلتون بخواد لپ‌تاپ رو از پنجره پرت کنین بیرون؟ یا روزی دو ساعت وقتتون صرف کپی‌پیست کردن اطلاعات از فرم‌های سایت به گوگل‌شیت و تلگرام و اسلک بشه؟ خبر خوب اینه که این دوران رسماً تموم شده! توی ماژول پنجم می‌خوایم یاد بگیریم چطوری هوش مصنوعی رو بکنیم تحلیلگر داده شخصی‌مون و با ابزارهایی مثل Make، Zapier و n8n گردش‌کارهای خودکار (Automated Workflows) بسازیم که حتی وقتی خواب هستین هم براتون کار کنن!

[Action 2] همون‌طور که توی نمای کلی ماژول می‌بینین، کاری که قبلاً نیاز به یه تیم علم داده (Data Science) و مهندس اتوماسیون داشت، الان با زبان طبیعی برای همه ما قابل انجامه. بیاین اول کار با صفحات گسترده و داده‌ها رو توی ۳ سطح با هم بررسی کنیم.

[Action 3] سطح اول، استفاده از ChatGPT و Claude برای اکسل و گوگل‌شیته: دیگه واقعاً نیازی نیست فرمول‌های تودرتوی INDEX/MATCH یا QUERY رو حفظ کنین!
نگاه کنین به پرامپت اول: می‌گیم «یک فرمول Google Sheets بنویس که ستون A را برای کلمه Complete بررسی کند. اگر درست بود ستون B را در ۱.۲ ضرب کند و کل فرمول را داخل IFERROR بگذارد تا در صورت خطا عبارت Invalid Data را برگرداند.»
یا توی دیباگ کردن فرمول‌ها: وقتی فرمول =VLOOKUP(A2, Sheet2!A:C, 4, FALSE) خطای #REF! می‌ده، از هوش مصنوعی می‌پرسین چرا؟ و درجا بهتون می‌گه: «رفیق، محدوده A:C فقط ۳ تا ستون داره، ولی تو داری ستون چهارم رو صدا می‌زنی!»
حتی می‌تونین بگین براتون کد VBA یا Google Apps Script بنویسه؛ مثلاً اسکریپتی که هر روز صبح ساعت ۸ خودش اجرا بشه، ستون Status رو چک کنه و به هر ردیفی که Overdue (عقب‌افتاده) خورده، خودکار ایمیل یادآوری بفرسته!

[Action 4] حالا بریم روی صفحه و سطح دوم یعنی تحلیل داده پیشرفته (ChatGPT Code Interpreter) رو توی ۵ گام عملی ببینیم! وقتی شما یه فایل اکسل یا CSV فروشگاهی رو توی چت‌جی‌پی‌تی آپلود می‌کنین، مدل حدس زبانی نمی‌زنه؛ بلکه پشت صحنه یه محیط امن پایتون باز می‌کنه و با کتابخونه‌های pandas و matplotlib کد واقعی اجرا می‌کنه!
گام ۱ و ۲: فایل CSV فروش رو آپلود می‌کنیم و می‌گیم ۵ سطر اول و نوع داده‌ها رو بررسی کنه.
گام ۳ (تمیزکاری داده): بهش می‌گیم سطرهای تکراری رو پاک کنه و جاهای خالی (NaNs) ستون «تعداد» رو با میانه (Median) همون دسته‌بندی محصول پر کنه.
گام ۴ (تحلیل پیچیده): ازش یه تحلیل کوهورت (Cohort Analysis) می‌خوایم تا بفهمیم مشتری‌های کدوم کشور بالاترین ارزش طول عمر (LTV) رو برای شرکت ایجاد کردن.
و گام ۵ (مصورسازی): می‌گیم یه نمودار خطی خوش‌استایل از رشد درآمد ماه‌به‌ماه با فرمت دلاری بکشه و فایل PNG باکیفیتش رو برای دانلود بهمون بده!

[Action 5] سطح سوم هم ابزارهای تخصصی داده هستن: اولیش Julius AIئه که مستقیم به گوگل‌شیت یا دیتابیس PostgreSQL زنده شما وصل می‌شه و نمودارهای تعاملی فوق‌العاده‌ای می‌کشه؛ و دومیش NotebookLM گوگل که برای تحلیل داده‌های کیفی، متن مصاحبه‌های کاربرا و خلاصه‌سازی تا ۵۰ تا گزارش مالی PDF عالیه.

[Action 6] حالا بریم سراغ بخش هیجان‌انگیز ماجرا: گردش‌کارهای اتوماسیون (Automation Workflows)! اتوماسیون سنتی فقط این بود که داده رو از برنامه الف ببریم به برنامه ب. اما هوش مصنوعی یه «مغز متفکر» گذاشته دقیقاً وسط این خط لوله!

[Action 7] بیاین ۳ تا غول اتوماسیون بازار رو مقایسه کنیم:
اول، Zapier + هوش مصنوعی که ساده‌ترین گزینه برای شروع کاره. سناریوی «حلقه بازخورد مشتریان» رو ببینین: مشتری فرم Typeform یا Google Forms رو پر می‌کنه -> متن می‌ره برای OpenAI تا دسته‌بندیش کنه به «باگ»، «درخواست قابلیت جدید» یا «تشویق» و از ۱ تا ۱۰ به احساس مشتری نمره بده -> حالا زپیر بر اساس جواب هوش مصنوعی مسیر رو جدا می‌کنه: اگه باگ بود تیکت Jira می‌زنه، اگه درخواست فیچر بود می‌فرسته توی بورد Notion، و اگه تشویق بود می‌ذاره توی کانال #wins اسلک!
دوم، Make.com (یا همون Integromat سابق) که یه بوم بصری گره‌ای (Node-based) داره و برای حجم کار بالا خیلی ارزون‌تر و منعطف‌تر از زپیره. مثلاً فید RSS وبلاگ رقیبتون رو ۲۴ ساعته رصد می‌کنه؛ به محض اینکه رقیب مقاله جدید گذاشت، متنش رو استخراج می‌کنه، می‌ده به Claude 3.5 تا در ۳ بولت خلاصه‌اش کنه، با محصول شما مقایسه‌اش کنه و یه پست لینکدین برای واکنش بهش بنویسه و بذاره توی Google Docs تیم محتوا!
و سوم، پادشاه متن‌باز و رایگان یعنی n8n! اگه شرکت شما روی امنیت داده‌ها حساسه یا می‌خواین روزی هزاران تسک رو بدون پرداخت پول اشتراک دلاری اتوماسیون کنین، n8n رو با یه دستور ساده Docker روی سرور یا کامپیوتر خودتون بالا میارین و مستقیم وصلش می‌کنین به Ollama و مدل محلی Llama-3. یعنی کل اتوماسیون هوش مصنوعی شما ۱۰۰ درصد خصوصی و داخل شبکه خودتون انجام می‌شه و هیچ دیتایی به سرورهای خارجی نمی‌ره!

[Action 8] حالا روی صفحه ببینیم چطوری یه Custom GPT یا Gemini Gem بسازیم: اگه یه پرامپت رو هر روز دارین کپی و پیست می‌کنین، برین توی ChatGPT، بخش Explore GPTs و دکمه Create رو بزنین. مثلاً یه دستیار به اسم «استاد محتوای سئو» می‌سازیم. توی بخش حیاتی System Instructions قوانین دقیق رو می‌نویسیم: لحن محاوره‌ای ولی حرفه‌ای، استفاده از تگ‌های H2 و H3، قرار دادن کلمه کلیدی توی H1 و پاراگراف اول، و خروجی Markdown تمیز. بعد توی بخش Knowledge Base، فایل PDF لحن برند شرکت و ۳ تا از مقاله‌های موفق قبلی‌مون رو آپلود می‌کنیم تا دقیقاً از قلم ما تقلید کنه!

[Action 9] بریم سراغ تمرین عملی انتها به انتها (End-to-End) توی Make.com برای خودکارسازی خبرنامه!
فاز اول: یه پرامپت دقیق می‌نویسیم که URL مقاله رو بگیره و خروجی رو دقیقاً با فرمت JSON شامل کلیدهای title، author و summary برگردونه.
فاز دوم: توی Make.com یه سناریو می‌سازیم: ماژول اول Google Sheets - Watch Rowsئه که به یه شیت با دو ستون URL و Processed وصله. ماژول دوم OpenAI Chat Completionئه که لینک رو می‌گیره و خیلی مهمه که گزینه Response Format رو حتماً بذاریم روی JSON. ماژول سوم Parse JSONئه که خروجی هوش مصنوعی رو تفکیک می‌کنه، ماژول چهارم عنوان و خلاصه رو می‌فرسته توی Google Docs یا Mailchimp، و ماژول پنجم برمی‌گرده به گوگل‌شیت و ستون Processed اون ردیف رو می‌ذاره روی TRUE! حالا یه لینک توی شیت پیست می‌کنیم و تماشا می‌کنیم که چطور کل خط تولید در عرض چند ثانیه خودش کار رو تموم می‌کنه!

[Action 10] قبل از جمع‌بندی، حواستون به ۴ تا تله بزرگ در اتوماسیون و داده باشه:
۱. اتوماسیون بیش از حد (ماشین روب گلدبرگ): برای کاری که یه فرمول IF ساده یا یه Regex در یک هزارم ثانیه و رایگان انجام می‌ده، الکی API هوش مصنوعی صدا نزنین که هم ۳ ثانیه طول بکشه و هم پول توکن بسوزونه!
۲. حریم خصوصی در کلود: هرگز اطلاعات هویتی مشتریان (PII)، پرونده‌های پزشکی یا اسناد مالی حساس رو توی نسخه‌های رایگان آپلود نکنین؛ برای این کارها از Ollama و n8n استفاده کنین.
۳. توهم فرمول‌ها: گاهی هوش مصنوعی توابعی مثل XLOOKUP یا LET رو پیشنهاد می‌ده که توی اکسل ۲۰۱۶ یا ۲۰۱۹ شما اصلاً وجود نداره! همیشه نسخه اکسلتون رو توی پرامپت بگین.
۴. و شکست‌های خاموش در اتوماسیون: اگه مدل قبل از JSON یه جمله اضافه مثل "Here is your JSON:" بنویسه، ماژول Parse JSON درجا ارور می‌ده و کل اتوماسیونتون می‌خوابه! پس همیشه قابلیت JSON Mode / Structured Outputs رو توی تنظیمات API روشن کنین.

[Action 11] دمتون گرم که تا پایان ماژول پنجم همراه من بودین! همین امروز یه اکانت رایگان توی Make.com بسازین یا یکی از فایل‌های CSV سایت Kaggle رو بندازین توی بخش تحلیل داده و نمودارهاش رو ببینین. توی کامنت‌ها برام بنویسین کدوم کار تکراری روزمره‌تون رو بیشتر از همه دوست دارین اتوماسیون کنین؟ لایک و سابسکرایب یادتون نره، و بپرین ماژول ششم که می‌خوایم با پایتون، API و معماری RAG، هوش مصنوعی اختصاصی خودمون رو کدنویسی کنیم!