Jūs esat datu analītiķis. Veiciet ātru EDA šiem datiem.
Konteksts:
- Formāts: [CSV/JSON/tabula/teksts]
- Domēns: [ecommerce/marketing/finance/ops]
- Mērķis: [izprast X virzītājspēkus]
Uzdevumi:
1) Shēma: uzskaitiet kolonnas, secinātos tipus, trūkstošos datus.
2) Kvalitāte: dublikāti, novirzes (pēc [metodes, ja tāda ir]), anomālijas.
3) Univariāts: galvenā statistika galvenajām skaitliskajām kolonnām (vidējais, p50, p95, min/max).
4) Bivariāts: 3 spēcīgākās korelācijas ar [mērķi] + brīdinājumi.
5) Ātri ieskati: 5 punktu novērojumi un 3 papildu jautājumi.
Izvade:
- Izmantojiet kompaktu tabulu statistikai.
- Ievērojiet <200 vārdus + tabulu.
Dati:
[Ielīmējiet rindu paraugus vai pievienojiet failu]

Loma: Jūs esat produktu analītiķis.
Scenārijs: [KPI] mainījās par [±X%] [periodā]. Datu kopas lauki: [uzskaitiet kolonnas].
Mērķis: Atrodiet ticamus virzītājspēkus un iesakiet verifikācijas pasākumus.
Uzdevumi:
1) Sadaliet KPI pēc [segmenta, kanāla, ģeogrāfiskās atrašanās vietas, ierīces, kohortas]. Parādiet 5 labākos virzītājspēkus.
2) Atribūtu virzītājspēki: apjoms vs. konversija vs. AOV (vai attiecīgais sadalījums).
3) Izvirziet hipotēzes par cēloņiem (iekšējiem vai ārējiem) ar pierādījumiem no datiem.
4) Iesakiet 3 eksperimentus vai analīzes, lai validētu (piemēram, holdout, diff-in-diff).
5) Izveidojiet 5 punktu kopsavilkumu vadībai.
Izvades formāts:
- Tabula: segments → delta, ieguldījums, pārliecība (zema/vidēja/augsta).
- Pēc tam punkti: hipotēzes, validācijas, riski.
Dati:
[Pievienojiet/aprakstiet datus; vai ielīmējiet apkopojumus]

Uzdevums: Attīriet un normalizējiet šo datu kopu analīzei.
Noteikumi:
- Apstrādājiet trūkstošās vērtības: [aizpildiet ar mediānu/modu/nometiet] katrai kolonnai.
- Normalizējiet kategoriskos apzīmējumus: kartējiet uz kanonisko kopu [saraksts].
- Parsējiet datumus uz ISO 8601; izvelciet [nedēļu, mēnesi, ceturksni].
- Novirzes: Winsorize pie [1, 99] percentilēm [kolonnām].
- Izvadiet tīru shēmu + transformācijas soļus.
Rezultāti:
1) Kartēšanas tabula(s).
2) Pseidokods cauruļvadam (Python/pandas).
3) Kompakts diff pirms → pēc.
Datu paraugs:
[Ielīmējiet 30–50 reprezentatīvas rindas]

Loma: Vecākais analītikas inženieris.
Krātuve: [BigQuery/Snowflake/Postgres].
Tabulas: [table_name(col1, col2, ...)], [table2].
Pieprasījums:
“[Aprakstiet jautājumu, laika intervālu, filtrus un detalizācijas pakāpi]”
Ierobežojumi:
- Izmantojiet CTE ar skaidriem nosaukumiem.
- Anotējiet pieņēmumus kā SQL komentārus.
- Iekļaujiet validācijas vaicājumu, lai pamanītu rindu skaita neatbilstības.
- Atgrieziet gan SQL, gan 3 rindu pamatojumu.

Jūs esat mans izklājlapu formulu palīgs.
Mērķis: Izveidot formulas, lai aprēķinātu [metriku] no kolonnām [A, B, C].
Konteksts: [Excel/Google Sheets]; lokalizācija: [ASV/ES decimāldaļa].
Uzdevumi:
- Nodrošiniet precīzas formulas ar absolūtām/relatīvām atsaucēm.
<a7>- Iekļaujiet arrayformula versiju Sheets, ja tas ir svarīgi.</a6>
- Pievienojiet testa rindas piemēru, lai pārbaudītu pareizību.
Datu galvene + 3 rindu paraugi:
[Ielīmēt]

Loma: Datu vizualizācijas dizainers.
Auditorija: [vadītāji/PM/ops]; lēmums, ko atbalstīt: [norādiet to].
Izveidojiet diagrammu plānu:
1) Iesakiet 2–3 diagrammu tipus ar plusiem/mīnusiem šai datu kopai un mērķim.
2) Nodrošiniet Vega-Lite specifikāciju (vai matplotlib/Plotly kodu labākajai izvēlei).
3) Piezīmes par pieejamību (krāsu aklajiem droša palete, anotācijas).
4) Viena teikuma stāstījuma paraksts katrai diagrammai.
Datu apraksts:
[kolonnas, mērvienības, laika diapazons, paraugs]

Konteksts: Mēs novērojām [modeli] [metrikā] kopš [datuma].
Mērķis: Izstrādāt minimālu, derīgu eksperimentu.
Rezultāti:
1) Hipotēzes (H1/H0) ar paredzamo virzienu un efekta lieluma minējumu.
2) Eksperimentālā vienība, randomizācija un drošības pasākumu metrika.
3) Parauga lieluma un ilguma pieņēmumi; ņemiet vērā jaudas kompromisus.
4) Analīzes plāns: tests(-i), segmenti, iepriekšējas reģistrācijas kontrolsaraksts.
5) Riski un mazināšana.

Loma: Laika rindu analītiķis.
Dati: [laika zīmogs, metrika, izvēles regresori].
Uzdevumi:
1) Pārbaudiet stacionaritāti un sezonalitāti; iesakiet transformācijas.
2) Izveidojiet īstermiņa prognozi (punkts + PI), izmantojot [modeļa izvēli vai "auto"].
3) Atzīmējiet anomālijas pēdējos [N] periodos ar smaguma pakāpi.
4) Iesakiet brīdinājumu sliekšņus, lai samazinātu viltus pozitīvus rezultātus.
Izvade:
- Tabula: datums, faktiskais, prognoze, PI_low, PI_high, anomaly_flag, smaguma pakāpe.
- 5 rindu kopsavilkums netehniskiem ieinteresētajiem.

Uzdevums: Analizējiet klientu atsauksmes, lai iegūtu praktiskus ieskatus.
Ievades: [N] komentāri ar laukiem [komentārs, vērtējums, produkts, datums].
Soļi:
1) Klasterizējiet tēmas; apzīmējiet 5 labākās.
2) Citējiet 1–2 reprezentatīvus komentārus katrai tēmai.
3) Kvantificējiet izplatību un noskaņojumu katrai tēmai.
4) Iesakiet 3 darbības ar paredzamo ietekmi.
Izvade: Tabula + punktu kopsavilkums. Ievērojiet līdz 180 vārdiem.
Dati:
[Ielīmējiet paraugu vai pievienojiet]

Loma: Štāba vadītājs, kas sagatavo kopsavilkumu vadībai.
Apkopojamais saturs: [ielīmējiet analīzi, diagrammas vai metriku].
Izveidojiet:
- (3 punkti, darbības vārdi).
- Galvenie atklājumi (5 punkti, ar skaitļiem).
- Riski/nezināmie (3 punkti), Nākamie soļi (3 punkti, īpašnieki).</a7>
- Viena teikuma stāstījums valdes prezentācijai.
Stils: Skaidrs, netehnisks, <160 vārdi.

Jūs esat analītikas otrais pilots.
Mērķis: Atrisiniet [analīzes mērķi], izmantojot šādus artefaktus.
Artefakti:
- Datu fails(-i): [saite vai ielīmēts paraugs]
- Biznesa konteksts: [īss kopsavilkums]
- Ierobežojumi: [laiks, izmaksas, precizitāte]
Vispirms plānojiet (10–12 punkti):
- Identificējiet ievades, pieņēmumus, riskus.
- Ierosiniet soļus (EDA → transformācija → modelis/tests → apkopojums), katram ar rezultātu.
- Beigās uzdodiet 3 precizējošus jautājumus.
Pēc tam gaidiet manu apstiprinājumu pirms soļu veikšanas.

Pievienojiet šos drošības pasākumus jebkurai analīzei:
- Citējiet pieņēmumus skaidri.
- Ja aprēķinam trūkst pietiekami daudz datu, atgrieziet “nepietiekami pierādījumu” ar to, kas trūkst.
- Nodrošiniet vienkāršu pārbaudi: pārrēķiniet [metriku] divos veidos un salīdziniet.
- Apkopojot, iekļaujiet saiti/atsauci uz izmantotajiem avota datu laukiem.
- Pajautājiet: “Kas atspēkotu šo secinājumu?” un atbildiet īsi.