Είστε αναλυτής δεδομένων. Εκτελέστε μια γρήγορη EDA στα ακόλουθα δεδομένα.
Πλαίσιο:
- Μορφή: [CSV/JSON/table/text]
- Τομέας: [ecommerce/marketing/finance/ops]
- Στόχος: [κατανόηση των παραγόντων του X]
Εργασίες:
1) Σχήμα: λίστα στηλών, συμπερασμένοι τύποι, ελλείψεις.
2) Ποιότητα: διπλότυπα, ακραίες τιμές (με [μέθοδο, εάν υπάρχει]), ανωμαλίες.
3) Μονομεταβλητή: κορυφαία στατιστικά για βασικές αριθμητικές στήλες (μέσος όρος, p50, p95, min/max).
4) Διμεταβλητή: 3 ισχυρότερες συσχετίσεις με [στόχο] + προειδοποιήσεις.
5) Γρήγορες πληροφορίες: 5 παρατηρήσεις με κουκκίδες και 3 ερωτήσεις παρακολούθησης.
Έξοδος:
- Χρησιμοποιήστε έναν συμπαγή πίνακα για στατιστικά.
- Περιοριστείτε σε <200 λέξεις + τον πίνακα.
Δεδομένα:
[Επικολλήστε δείγματα γραμμών ή επισυνάψτε αρχείο]

Ρόλος: Είστε αναλυτής προϊόντων.
Σενάριο: Το [KPI] άλλαξε κατά [±X%] σε [περίοδο]. Πεδία συνόλου δεδομένων: [λίστα στηλών].
Στόχος: Βρείτε εύλογους παράγοντες και προτείνετε βήματα επαλήθευσης.
Εργασίες:
1) Αποσυνθέστε το KPI κατά [τμήμα, κανάλι, γεωγραφική θέση, συσκευή, ομάδα]. Εμφανίστε τους 5 κορυφαίους μετακινούμενους.
2) Παράγοντες απόδοσης: όγκος έναντι μετατροπής έναντι AOV (ή σχετική ανάλυση).
3) Διατυπώστε υποθέσεις αιτιών (εσωτερικές έναντι εξωτερικών) με στοιχεία από τα δεδομένα.
4) Προτείνετε 3 πειράματα ή αναλύσεις για επικύρωση (π.χ., holdout, diff-in-diff).
5) Δημιουργήστε μια περίληψη 5 κουκκίδων για στελέχη.
Μορφή εξόδου:
- Πίνακας: τμήμα → delta, συνεισφορά, εμπιστοσύνη (χαμηλή/μεσαία/υψηλή).
- Στη συνέχεια κουκκίδες: υποθέσεις, επικυρώσεις, κίνδυνοι.
Δεδομένα:
[Επισυνάψτε/περιγράψτε δεδομένα. ή επικολλήστε συγκεντρωτικά]

Εργασία: Εκκαθαρίστε και κανονικοποιήστε το ακόλουθο σύνολο δεδομένων για ανάλυση.
Κανόνες:
- Χειριστείτε τις ελλείπουσες τιμές: [συμπληρώστε με διάμεσο/τρόπο/απόρριψη] ανά στήλη.
- Κανονικοποιήστε τις κατηγορηματικές ετικέτες: αντιστοιχίστε στο κανονικό σύνολο [λίστα].
- Αναλύστε τις ημερομηνίες σε ISO 8601. εξαγάγετε [εβδομάδα, μήνας, τρίμηνο].
- Ακραίες τιμές: Winsorize στις [1, 99] εκατοστιαίες θέσεις για [στήλες].
- Εξάγετε ένα καθαρό σχήμα + βήματα μετασχηματισμού.
Παραδοτέα:
1) Πίνακας αντιστοίχισης.
2) Ψευδοκώδικας για τον αγωγό (Python/pandas).
3) Μια συμπαγής διαφορά πριν → μετά.</a12>
Δείγμα δεδομένων:
[Επικολλήστε 30–50 αντιπροσωπευτικές γραμμές]

Ρόλος: Ανώτερος μηχανικός αναλυτικών στοιχείων.
Αποθήκη: [BigQuery/Snowflake/Postgres].
Πίνακες: [table_name(col1, col2, ...)], [table2].
Αίτημα:
“[Περιγράψτε την ερώτηση, το χρονικό πλαίσιο, τα φίλτρα και τον κόκκο]”
Περιορισμοί:
- Χρησιμοποιήστε CTE με σαφή ονόματα.
- Σχολιάστε τις υποθέσεις ως σχόλια SQL.
- Συμπεριλάβετε ένα ερώτημα επικύρωσης για να εντοπίσετε ασυμφωνίες αριθμού γραμμών.
- Επιστρέψτε τόσο το SQL όσο και μια αιτιολόγηση 3 γραμμών.

Είστε ο βοηθός τύπων υπολογιστικού φύλλου μου.
Στόχος: Δημιουργήστε τύπους για τον υπολογισμό [metric] από τις στήλες [A, B, C].
Πλαίσιο: [Excel/Google Sheets]. τοποθεσία: [Δεκαδικός ΗΠΑ/ΕΕ].
Εργασίες:
- Παρέχετε ακριβείς τύπους με απόλυτες/σχετικές αναφορές.
- Συμπεριλάβετε μια έκδοση arrayformula για τα Φύλλα, εάν είναι σχετική.
- Προσθέστε ένα παράδειγμα γραμμής δοκιμής για να επαληθεύσετε την ορθότητα.
Επικεφαλίδα δεδομένων + 3 δείγματα γραμμών:
[Επικόλληση]

Ρόλος: Σχεδιαστής οπτικοποίησης δεδομένων.
Κοινό: [στελέχη/PM/ops]. απόφαση για υποστήριξη: [δηλώστε την].
Δημιουργήστε ένα σχέδιο χαρτογράφησης:
1) Προτείνετε 2–3 τύπους γραφημάτων με πλεονεκτήματα/μειονεκτήματα για αυτό το σύνολο δεδομένων και στόχο.
2) Παρέχετε μια προδιαγραφή Vega-Lite (ή κώδικα matplotlib/Plotly) για την κορυφαία επιλογή.
3) Σημειώσεις προσβασιμότητας (παλέτα ασφαλής για αχρωματοψία, σχολιασμοί).
4) Αφήγηση μιας πρότασης για κάθε γράφημα.
Περιγραφή δεδομένων:
[στήλες, μονάδες, χρονικό εύρος, δείγμα]

Πλαίσιο: Παρατηρήσαμε [μοτίβο] στο [metric] από [ημερομηνία].
Στόχος: Σχεδιάστε ένα ελάχιστο, έγκυρο πείραμα.
Παραδοτέα:
1) Υποθέσεις (H1/H0) με αναμενόμενη κατεύθυνση και εκτίμηση μεγέθους αποτελέσματος.
2) Πειραματική μονάδα, τυχαιοποίηση και μετρήσεις προστασίας.
3) Υποθέσεις μεγέθους δείγματος και διάρκειας. σημειώστε τις αντισταθμίσεις ισχύος.
4) Σχέδιο ανάλυσης: δοκιμή(ές), τμήματα, λίστα ελέγχου προεγγραφής.
5) Κίνδυνοι και μετριασμός.

Ρόλος: Αναλυτής χρονοσειρών.
Δεδομένα: [χρονοσήμανση, μέτρηση, προαιρετικοί παλινδρομητές].
Εργασίες:
1) Ελέγξτε τη στασιμότητα και την εποχικότητα. προτείνετε μετασχηματισμούς.
2) Δημιουργήστε μια βραχυπρόθεσμη πρόβλεψη (σημείο + PI) χρησιμοποιώντας [προτίμηση μοντέλου ή "auto"].
3) Επισημάνετε ανωμαλίες στις τελευταίες [N] περιόδους με σοβαρότητα.
4) Προτείνετε όρια ειδοποίησης για να μειώσετε τα ψευδώς θετικά.
Έξοδος:
- Πίνακας: ημερομηνία, πραγματικό, πρόβλεψη, PI_low, PI_high, anomaly_flag, σοβαρότητα.
- Περίληψη 5 γραμμών για μη τεχνικούς ενδιαφερόμενους.

Εργασία: Αναλύστε τα σχόλια των πελατών για να εξαγάγετε πληροφορίες που μπορούν να αξιοποιηθούν.
Είσοδοι: [N] σχόλια με πεδία [comment, rating, product, date].
Βήματα:
1) Ομαδοποιήστε θέματα. επισημάνετε τα 5 κορυφαία.
2) Παραθέστε 1–2 αντιπροσωπευτικά σχόλια ανά θέμα.
3) Ποσοτικοποιήστε τον επιπολασμό και το συναίσθημα ανά θέμα.
4) Προτείνετε 3 ενέργειες με αναμενόμενο αντίκτυπο.
Έξοδος: Ένας πίνακας + περίληψη κουκκίδων. Διατηρήστε το κάτω από 180 λέξεις.
Δεδομένα:
[Επικολλήστε δείγμα ή επισυνάψτε]

Ρόλος: Επικεφαλής Προσωπικού που παράγει μια ενημέρωση στελεχών.
Περιεχόμενο για σύνοψη: [επικολλήστε ανάλυση, γραφήματα ή μετρήσεις].
Παράγετε:
-  (3 κουκκίδες, ρήματα δράσης).
- Βασικά ευρήματα (5 κουκκίδες, με αριθμούς).
- Κίνδυνοι/άγνωστα (3 κουκκίδες), Επόμενα βήματα (3 κουκκίδες, κάτοχοι).</a7>
- Αφήγηση μιας πρότασης για την παρουσίαση του διοικητικού συμβουλίου.
Στυλ: Σαφές, μη τεχνικό, <160 λέξεις.

Είστε συγκυβερνήτης αναλυτικών στοιχείων.
Στόχος: Επιλύστε [στόχο ανάλυσης] χρησιμοποιώντας τα ακόλουθα αντικείμενα.
Αντικείμενα:
- Αρχείο(α) δεδομένων: [σύνδεσμος ή επικολλημένο δείγμα]
- Επιχειρηματικό πλαίσιο: [σύντομη ενημέρωση]
- Περιορισμοί: [χρόνος, κόστος, ακρίβεια]
Σχεδιάστε πρώτα (10–12 κουκκίδες):
- Προσδιορίστε εισόδους, υποθέσεις, κινδύνους.
- Προτείνετε βήματα (EDA → μετασχηματισμός → μοντέλο/δοκιμή → σύνοψη), το καθένα με ένα παραδοτέο.
- Κάντε 3 διευκρινιστικές ερωτήσεις στο τέλος.
Στη συνέχεια, περιμένετε την επιβεβαίωσή μου πριν εκτελέσετε τα βήματα.

Προσθέστε αυτές τις προστασίες σε οποιαδήποτε ανάλυση:
- Αναφέρετε ρητά τις υποθέσεις.
- Εάν ένας υπολογισμός δεν έχει αρκετά δεδομένα, επιστρέψτε “ανεπαρκή στοιχεία” με αυτά που λείπουν.
- Παρέχετε έναν απλό έλεγχο: υπολογίστε ξανά το [metric] με δύο τρόπους και συγκρίνετε.
- Κατά τη σύνοψη, συμπεριλάβετε έναν σύνδεσμο/αναφορά στα πεδία δεδομένων προέλευσης που χρησιμοποιήθηκαν.
- Ρωτήστε: “Τι θα απέκλειε αυτό το συμπέρασμα;” και απαντήστε εν συντομία.