Jste datový analytik. Proveďte rychlou EDA na následujících datech.
Kontext:
- Formát: [CSV/JSON/table/text]
- Doména: [ecommerce/marketing/finance/ops]
- Cíl: [porozumět hybným silám X]
Úkoly:
1) Schéma: seznam sloupců, odvozené typy, chybějící hodnoty.
2) Kvalita: duplikáty, odlehlé hodnoty (podle [metody, pokud existuje]), anomálie.
3) Univariátní: hlavní statistiky pro klíčové číselné sloupce (průměr, p50, p95, min/max).
4) Bivariátní: 3 nejsilnější korelace s [target] + upozornění.
5) Rychlé postřehy: 5 bodových pozorování a 3 doplňující otázky.
Výstup:
- Použijte kompaktní tabulku pro statistiky.
- Dodržujte <200 slov + tabulka.
Data:
[Vložte ukázkové řádky nebo připojte soubor]

Role: Jste produktový analytik.
Scénář: [KPI] se změnilo o [±X %] za [období]. Pole datové sady: [seznam sloupců].
Cíl: Najděte věrohodné hybné síly a doporučte kroky ověření.
Úkoly:
1) Dekomponujte KPI podle [segment, kanál, geo, zařízení, kohorta]. Ukažte 5 největších hybatelů.
2) Atribuujte hybné síly: objem vs. konverze vs. AOV (nebo relevantní rozpis).
3) Vytvořte hypotézy o příčinách (vnitřní vs. vnější) s důkazy z dat.
4) Navrhněte 3 experimenty nebo analýzy k ověření (např. holdout, diff-in-diff).
5) Vytvořte 5bodový shrnutí pro vedení.
Formát výstupu:
- Tabulka: segment → delta, příspěvek, spolehlivost (nízká/střední/vysoká).
- Poté body: hypotézy, validace, rizika.
Data:
[Připojte/popište data; nebo vložte agregáty]

Úkol: Vyčistěte a normalizujte následující datovou sadu pro analýzu.
Pravidla:
- Zpracování chybějících hodnot: [imputujte mediánem/modem/odstraňte] podle sloupce.
- Normalizujte kategorické štítky: mapujte na kanonickou sadu [seznam].
- Parsujte data do ISO 8601; extrahujte [týden, měsíc, čtvrtletí].
- Odlehlé hodnoty: Winsorizujte na [1, 99] percentilech pro [sloupce].
- Vypište čisté schéma + kroky transformace.
Výstupy:
1) Mapovací tabulka(y).
2) Pseudokód pro pipeline (Python/pandas).
3) Kompaktní rozdíl před → po.
Ukázka dat:
[Vložte 30–50 reprezentativních řádků]

Role: Senior analytický inženýr.
Sklad: [BigQuery/Snowflake/Postgres].
Tabulky: [table_name(col1, col2, ...)], [table2].
Požadavek:
„[Popište otázku, časové okno, filtry a granularitu]“
Omezení:
- Používejte CTE s jasnými názvy.
- Anotujte předpoklady jako komentáře SQL.
- Zahrňte ověřovací dotaz pro odhalení neshod v počtu řádků.
- Vraťte SQL i 3řádkové zdůvodnění.

Jste můj asistent pro vzorce v tabulkách.
Cíl: Vytvořte vzorce pro výpočet [metric] ze sloupců [A, B, C].
Kontext: [Excel/Google Sheets]; locale: [US/EU decimal].
Úkoly:
- Poskytněte přesné vzorce s absolutními/relativními odkazy.
- Pokud je to relevantní, zahrňte verzi arrayformula pro Sheets.
- Přidejte příklad testovacího řádku pro ověření správnosti.
Hlavička dat + 3 ukázkové řádky:
[Vložit]

Role: Návrhář datové vizualizace.
Publikum: [vedení/PM/ops]; rozhodnutí k podpoře: [uveďte to].
Vytvořte plán grafu:
1) Doporučte 2–3 typy grafů s výhodami/nevýhodami pro tuto datovou sadu a cíl.
2) Poskytněte specifikaci Vega-Lite (nebo kód matplotlib/Plotly) pro nejlepší volbu.
3) Poznámky k přístupnosti (paleta bezpečná pro barvoslepé, anotace).
4) Jednovětný popisný titulek pro každý graf.
Popis dat:
[sloupce, jednotky, časový rozsah, ukázka]

Kontext: Pozorovali jsme [pattern] v [metric] od [date].
Cíl: Navrhněte minimální, platný experiment.
Výstupy:
1) Hypotézy (H1/H0) s očekávaným směrem a odhadem velikosti účinku.
2) Experimentální jednotka, randomizace a metriky guardrail.
3) Předpoklady o velikosti vzorku a trvání; uveďte kompromisy v oblasti výkonu.
4) Plán analýzy: test(y), segmenty, kontrolní seznam předběžné registrace.
5) Rizika a zmírnění.

Role: Analytik časových řad.
Data: [timestamp, metric, optional regressors].
Úkoly:
1) Zkontrolujte stacionaritu a sezónnost; navrhněte transformace.
2) Vytvořte krátkodobou prognózu (bod + PI) pomocí [preferovaného modelu nebo „auto“].
<a7>3) Označte anomálie v posledních [N] obdobích se závažností.</a6>
4) Doporučte prahové hodnoty výstrah pro snížení počtu falešně pozitivních výsledků.
Výstup:
- Tabulka: date, actual, forecast, PI_low, PI_high, anomaly_flag, severity.
- 5řádkové shrnutí pro netechnické zúčastněné strany.

Úkol: Analyzujte zpětnou vazbu od zákazníků a extrahujte použitelné poznatky.
Vstupy: [N] komentářů s poli [comment, rating, product, date].
Kroky:
1) Seskupte témata; označte 5 nejlepších.
2) Citujte 1–2 reprezentativní komentáře pro každé téma.
3) Kvantifikujte prevalenci a sentiment pro každé téma.
4) Doporučte 3 akce s očekávaným dopadem.
Výstup: Tabulka + bodové shrnutí. Dodržujte limit 180 slov.
Data:
[Vložte ukázku nebo připojte]

Role: Vedoucí kanceláře produkující brief pro vedení.
Obsah ke shrnutí: [vložte analýzu, grafy nebo metriky].
Produkujte:
- (3 body, akční slovesa).
- Klíčové nálezy (5 bodů s čísly).
- Rizika/neznámé (3 body), Další kroky (3 body, vlastníci).
- Jednovětný popis pro balíček pro představenstvo.
Styl: Jasný, netechnický, <160 slov.

Jste analytický autopilot.
Cíl: Vyřešte [analysis goal] pomocí následujících artefaktů.
Artefakty:
- Datové soubory: [odkaz nebo vložená ukázka]
- Obchodní kontext: [krátký brief]
- Omezení: [čas, náklady, přesnost]
Nejprve plán (10–12 bodů):
- Identifikujte vstupy, předpoklady, rizika.
- Navrhněte kroky (EDA → transformace → model/test → shrnutí), každý s výstupem.
- Na konci položte 3 objasňující otázky.
Poté počkejte na mé potvrzení před provedením kroků.

Přidejte tyto guardraily do jakékoli analýzy:
- Citujte předpoklady explicitně.
- Pokud výpočet nemá dostatek dat, vraťte „nedostatečné důkazy“ s tím, co chybí.
- Poskytněte jednoduchou kontrolu: přepočítajte [metric] dvěma způsoby a porovnejte.
- Při shrnování uveďte odkaz/odkaz na použité zdrojové datové pole.
- Zeptejte se: „Co by vyvrátilo tento závěr?“ a stručně odpovězte.