Eres un analista de datos. Realiza un EDA rápido en los siguientes datos.
Contexto:
- Formato: [CSV/JSON/tabla/texto]
- Dominio: [ecommerce/marketing/finanzas/operaciones]
- Objetivo: [comprender los impulsores de X]
Tareas:
1) Esquema: enumera las columnas, los tipos inferidos, los valores faltantes.
2) Calidad: duplicados, valores atípicos (por [método si corresponde]), anomalías.
3) Univariado: estadísticas principales para columnas numéricas clave (media, p50, p95, min/max).
4) Bivariado: 3 correlaciones más fuertes con [target] + advertencias.
5) Información rápida: 5 observaciones en viñetas y 3 preguntas de seguimiento.
Salida:
- Usa una tabla compacta para las estadísticas.
- Mantén <200 palabras + la tabla.
Datos:
[Pega filas de muestra o adjunta el archivo]

Rol: Eres un analista de producto.
Escenario: [KPI] cambió en [±X%] durante [periodo]. Campos del conjunto de datos: [lista de columnas].
Objetivo: Encuentra impulsores plausibles y recomienda pasos de verificación.
Tareas:
1) Descompón el KPI por [segmento, canal, geo, dispositivo, cohorte]. Muestra los 5 principales motores.
2) Atribuye los impulsores: volumen vs. conversión vs. AOV (o desglose relevante).
3) Plantea hipótesis sobre las causas (internas vs. externas) con evidencia de los datos.
4) Sugiere 3 experimentos o análisis para validar (p. ej., holdout, diff-in-diff).
5) Produce un resumen ejecutivo de 5 puntos.
Formato de salida:
- Tabla: segmento → delta, contribución, confianza (baja/media/alta).
- Luego viñetas: hipótesis, validaciones, riesgos.
Datos:
[Adjunta/describe los datos; o pega agregados]

Tarea: Limpia y normaliza el siguiente conjunto de datos para el análisis.
Reglas:
- Maneja los valores faltantes: [imputar con la mediana/moda/eliminar] por columna.
- Normaliza las etiquetas categóricas: mapea al conjunto canónico [lista].
- Analiza las fechas a ISO 8601; extrae [semana, mes, trimestre].
- Valores atípicos: Winsoriza en los percentiles [1, 99] para [columnas].
- Muestra un esquema limpio + pasos de transformación.
Entregables:
1) Tabla(s) de mapeo.
2) Pseudocódigo para la canalización (Python/pandas).
3) Una diferencia compacta de antes → después.
Muestra de datos:
[Pega 30–50 filas representativas]

Rol: Ingeniero de análisis sénior.
Almacén: [BigQuery/Snowflake/Postgres].
Tablas: [table_name(col1, col2, ...)], [table2].
Solicitud:
“[Describe la pregunta, el período de tiempo, los filtros y el grano]”
Restricciones:
- Usa CTE con nombres claros.
- Anota los supuestos como comentarios SQL.
- Incluye una consulta de validación para detectar discrepancias en el recuento de filas.
- Devuelve tanto el SQL como una justificación de 3 líneas.

Eres mi asistente de fórmulas de hojas de cálculo.
Objetivo: Crea fórmulas para calcular [metric] a partir de las columnas [A, B, C].
Contexto: [Excel/Google Sheets]; configuración regional: [decimal US/EU].
Tareas:
- Proporciona fórmulas exactas con referencias absolutas/relativas.
- Incluye una versión de arrayformula para Sheets si es relevante.
- Agrega un ejemplo de fila de prueba para verificar la corrección.
Encabezado de datos + 3 filas de muestra:
[Pegar]

Rol: Diseñador de visualización de datos.
Audiencia: [ejecutivos/PM/operaciones]; decisión a apoyar: [indícala].
Crea un plan de gráficos:
1) Recomienda 2–3 tipos de gráficos con pros/contras para este conjunto de datos y objetivo.
2) Proporciona una especificación de Vega-Lite (o código matplotlib/Plotly) para la mejor opción.
3) Notas de accesibilidad (paleta segura para daltónicos, anotaciones).
4) Leyenda narrativa de una frase para cada gráfico.
Descripción de los datos:
[columnas, unidades, rango de tiempo, muestra]

Contexto: Observamos [pattern] en [metric] desde [date].
Objetivo: Diseña un experimento mínimo y válido.
Entregables:
1) Hipótesis (H1/H0) con dirección esperada y estimación del tamaño del efecto.
2) Unidad experimental, aleatorización y métricas de protección.
3) Suposiciones de tamaño de muestra y duración; ten en cuenta las compensaciones de potencia.
4) Plan de análisis: prueba(s), segmentos, lista de verificación de preinscripción.
5) Riesgos y mitigación.

Rol: Analista de series temporales.
Datos: [marca de tiempo, métrica, regresores opcionales].
Tareas:
1) Verifica la estacionariedad y la estacionalidad; sugiere transformaciones.
2) Produce un pronóstico a corto plazo (punto + PI) usando [preferencia de modelo o "auto"].
<a7>3) Marca las anomalías en los últimos [N] períodos con gravedad.</a6>
4) Recomienda umbrales de alerta para reducir los falsos positivos.
Salida:
- Tabla: fecha, real, pronóstico, PI_low, PI_high, anomaly_flag, gravedad.
- Resumen de 5 líneas para las partes interesadas no técnicas.

Tarea: Analiza los comentarios de los clientes para extraer información útil.
Entradas: [N] comentarios con campos [comment, rating, product, date].
Pasos:
1) Agrupa los temas; etiqueta los 5 principales.
2) Cita 1–2 comentarios representativos por tema.
3) Cuantifica la prevalencia y el sentimiento por tema.
4) Recomienda 3 acciones con el impacto esperado.
Salida: Una tabla + resumen de viñetas. Mantén menos de 180 palabras.
Datos:
[Pega una muestra o adjunta]

Rol: Jefe de Gabinete que produce un resumen ejecutivo.
Contenido para resumir: [pega análisis, gráficos o métricas].
Produce:
- (3 viñetas, verbos de acción).
- Hallazgos clave (5 viñetas, con números).
- Riesgos/desconocidos (3 viñetas), Próximos pasos (3 viñetas, propietarios).
- Narrativa de una frase para la presentación de la junta.
Estilo: Claro, no técnico, <160 palabras.

Eres un copiloto de análisis.
Objetivo: Resuelve [analysis goal] usando los siguientes artefactos.
Artefactos:
- Archivo(s) de datos: [enlace o muestra pegada]
- Contexto empresarial: [breve resumen]
- Restricciones: [tiempo, costo, precisión]
Planifica primero (10–12 viñetas):
- Identifica entradas, suposiciones, riesgos.
- Propón pasos (EDA → transformar → modelo/prueba → resumir), cada uno con un entregable.
- Haz 3 preguntas aclaratorias al final.
Luego espera mi confirmación antes de ejecutar los pasos.

Agrega estas protecciones a cualquier análisis:
- Cita los supuestos explícitamente.
- Si un cálculo carece de datos suficientes, devuelve “evidencia insuficiente” con lo que falta.
- Proporciona una verificación simple: vuelve a calcular [metric] de dos maneras y compara.
- Al resumir, incluye un enlace/referencia a los campos de datos de origen utilizados.
- Pregunta: “¿Qué falsificaría esta conclusión?” y responde brevemente.