あなたはデータアナリストです。次のデータに対して迅速なEDAを実行してください。
コンテキスト：
- フォーマット：[CSV/JSON/table/text]
- ドメイン：[ecommerce/marketing/finance/ops]
- ゴール：[Xのドライバーを理解する]
タスク：
1）スキーマ：列、推論された型、欠損値をリストします。
2）品質：重複、外れ値（[もしあれば方法]別）、異常。
3）一変数：主要な数値列の上位統計（平均、p50、p95、最小/最大）。
4）二変数：[ターゲット]との最も強い相関関係3つ + 注意事項。
5）簡単な洞察：5つの箇条書きの観察と3つのフォローアップの質問。
出力：
- 統計にはコンパクトなテーブルを使用します。
- テーブルを含めて200語未満にしてください。
データ：
[サンプル行を貼り付けるか、ファイルを添付してください]

役割：あなたはプロダクトアナリストです。
シナリオ：[KPI]が[期間]にわたって[±X％]変化しました。データセットのフィールド：[列をリストします]。
ゴール：もっともらしいドライバーを見つけ、検証手順を推奨します。
タスク：
1）[セグメント、チャネル、地域、デバイス、コホート]別にKPIを分解します。上位5つの変動要因を表示します。
2）属性ドライバー：ボリューム対コンバージョン対AOV（または関連する内訳）。
3）データからの証拠とともに、原因（内部対外部）を仮定します。
4）検証するための3つの実験または分析を提案します（例：ホールドアウト、差分の差）。
5）5つの箇条書きのエグゼクティブサマリーを作成します。
出力形式：
- テーブル：セグメント→デルタ、貢献、信頼度（低/中/高）。
- 次に箇条書き：仮説、検証、リスク。
データ：
[データを添付/説明するか、集計を貼り付けます]

タスク：分析のために、次のデータセットをクリーンアップして正規化します。
ルール：
- 欠損値の処理：列ごとに[中央値/最頻値で補完/ドロップ]。
- カテゴリラベルの正規化：標準セット[リスト]にマッピングします。
- 日付をISO 8601に解析します。[週、月、四半期]を抽出します。
- 外れ値：[列]の[1、99]パーセンタイルでWinsorizeします。
- クリーンなスキーマ + 変換手順を出力します。
成果物：
1）マッピングテーブル。
2）パイプラインの疑似コード（Python/pandas）。
3）ビフォー→アフターのコンパクトな差分。
データサンプル：
[代表的な行を30〜50行貼り付けます]

役割：シニアアナリティクスエンジニア。
ウェアハウス：[BigQuery/Snowflake/Postgres]。
テーブル：[table_name(col1, col2, ...)]、[table2]。
リクエスト：
“[質問、時間枠、フィルター、および粒度を記述してください]”
制約：
- 明確な名前でCTEを使用します。
- SQLコメントとして仮定を注釈します。
- 行数の不一致を見つけるための検証クエリを含めます。
- SQLと3行の理論的根拠の両方を返します。

あなたは私のスプレッドシート数式アシスタントです。
ゴール：列[A、B、C]から[メトリック]を計算する数式を作成します。
コンテキスト：[Excel/Google Sheets]; ロケール：[US/EU decimal]。
タスク：
- 絶対参照/相対参照を含む正確な数式を提供します。
<a7>- 関連する場合は、Sheetsのarrayformulaバージョンを含めます。</a6>
- 正確さを検証するためのテスト行の例を追加します。
データヘッダー + 3つのサンプル行：
[貼り付け]

役割：データ視覚化デザイナー。
対象者：[幹部/PM/オペレーション]; サポートする決定：[それを述べてください]。
チャート作成計画を作成します：
1）このデータセットと目標に合った長所/短所を持つ2〜3のチャートタイプを推奨します。
2）上位の選択肢のVega-Lite仕様（またはmatplotlib/Plotlyコード）を提供します。
3）アクセシビリティに関する注記（色覚異常に対応したパレット、注釈）。
4）各チャートの1文のナラティブキャプション。
データの説明：
[列、単位、時間範囲、サンプル]

コンテキスト：[日付]以降、[メトリック]で[パターン]を観察しました。
ゴール：最小限の有効な実験を設計します。
成果物：
1）予想される方向と効果サイズの推測を含む仮説（H1/H0）。
2）実験ユニット、ランダム化、およびガードレールメトリック。
3）サンプルサイズと期間の仮定。検出力のトレードオフに注意してください。
4）分析計画：テスト、セグメント、事前登録チェックリスト。
5）リスクと軽減策。

役割：時系列アナリスト。
データ：[タイムスタンプ、メトリック、オプションのリグレッサー]。
タスク：
1）定常性と季節性を確認します。変換を提案します。
2）[モデルの好みまたは「自動」]を使用して、短期予測（ポイント + PI）を作成します。
3）最後の[N]期間の異常を重大度でフラグを立てます。
4）誤検知を減らすためのアラートしきい値を推奨します。
出力：
- テーブル：日付、実績、予測、PI_low、PI_high、anomaly_flag、重大度。
- 非技術的な関係者向けの5行の要約。

タスク：顧客のフィードバックを分析して、実用的な洞察を抽出します。
入力：[コメント、評価、製品、日付]のフィールドを持つ[N]個のコメント。
手順：
1）テーマをクラスタリングします。上位5つにラベルを付けます。
2）テーマごとに1〜2の代表的なコメントを引用します。
3）テーマごとに普及率と感情を定量化します。
4）予想される影響とともに3つのアクションを推奨します。
出力：テーブル + 箇条書きの要約。180語未満にしてください。
データ：
[サンプルを貼り付けるか、添付してください]

役割：エグゼクティブブリーフを作成する最高責任者。
要約するコンテンツ：[分析、チャート、またはメトリックを貼り付けます]。
作成：
- （3つの箇条書き、行動動詞）。
- 主な調査結果（数字を含む5つの箇条書き）。
- リスク/不明な点（3つの箇条書き）、次のステップ（3つの箇条書き、所有者）。
- 取締役会向けの1文のナラティブ。
スタイル：明確、非技術的、160語未満。

あなたは分析コパイロットです。
ゴール：次のアーティファクトを使用して[分析ゴール]を解決します。
アーティファクト：
- データファイル：[リンクまたは貼り付けられたサンプル]
- ビジネスコンテキスト：[短い概要]
- 制約：[時間、コスト、精度]
最初に計画を立てます（10〜12個の箇条書き）：
- 入力、仮定、リスクを特定します。
- ステップ（EDA → 変換 → モデル/テスト → 要約）を提案します。それぞれに成果物があります。
- 最後に3つの明確にするための質問をします。
次に、ステップを実行する前に私の確認を待ちます。

次のガードレールを分析に追加します：
- 仮定を明示的に引用します。
- 計算に十分なデータがない場合は、不足しているものとともに「証拠不十分」を返します。
- 簡単なチェックを提供します：[メトリック]を2つの方法で再計算して比較します。
- 要約するときは、使用したソースデータフィールドへのリンク/参照を含めます。
- 「何がこの結論を反証しますか？」と尋ねて、簡単に答えます。