Jesteś analitykiem danych. Wykonaj szybką analizę EDA na następujących danych.
Kontekst:
- Format: [CSV/JSON/tabela/tekst]
- Domena: [ecommerce/marketing/finanse/operacje]
- Cel: [zrozumienie czynników wpływających na X]
Zadania:
1) Schemat: lista kolumn, wywnioskowane typy, braki danych.
2) Jakość: duplikaty, wartości odstające (według [metody, jeśli istnieje]), anomalie.
3) Jednowymiarowa: najważniejsze statystyki dla kluczowych kolumn numerycznych (średnia, p50, p95, min/max).
4) Dwuwymiarowa: 3 najsilniejsze korelacje z [target] + ostrzeżenia.
5) Szybkie spostrzeżenia: 5 obserwacji w punktach i 3 pytania uzupełniające.
Wyjście:
- Użyj zwartej tabeli dla statystyk.
- Ogranicz się do <200 słów + tabela.
Dane:
[Wklej przykładowe wiersze lub załącz plik]

Rola: Jesteś analitykiem produktu.
Scenariusz: [KPI] zmienił się o [±X%] w ciągu [okresu]. Pola zbioru danych: [lista kolumn].
Cel: Znajdź prawdopodobne czynniki i zarekomenduj kroki weryfikacyjne.
Zadania:
1) Rozłóż KPI według [segmentu, kanału, geo, urządzenia, kohorty]. Pokaż 5 najsilniejszych zmian.
2) Atrybucja czynników: wolumen vs. konwersja vs. AOV (lub odpowiedni podział).
3) Postaw hipotezy dotyczące przyczyn (wewnętrzne vs. zewnętrzne) z dowodami z danych.
4) Zaproponuj 3 eksperymenty lub analizy do walidacji (np. holdout, diff-in-diff).
5) Przygotuj 5-punktowe podsumowanie dla kadry kierowniczej.
Format wyjściowy:
- Tabela: segment → delta, wkład, pewność (niska/średnia/wysoka).
- Następnie punkty: hipotezy, walidacje, ryzyka.
Dane:
[Załącz/opisz dane; lub wklej agregaty]

Zadanie: Wyczyść i znormalizuj następujący zbiór danych do analizy.
Zasady:
- Obsługa brakujących wartości: [uzupełnij medianą/modą/usuń] dla każdej kolumny.
- Normalizuj etykiety kategorii: mapuj na kanoniczny zbiór [lista].
- Parsuj daty do ISO 8601; wyodrębnij [tydzień, miesiąc, kwartał].
- Wartości odstające: Winsoryzuj na percentylach [1, 99] dla [kolumn].
- Wygeneruj czysty schemat + kroki transformacji.
Rezultaty:
1) Tabela(e) mapowań.
2) Pseudokod dla potoku (Python/pandas).
3) Kompaktowy diff przed → po.
Próbka danych:
[Wklej 30–50 reprezentatywnych wierszy]

Rola: Starszy inżynier ds. analizy.
Hurtownia danych: [BigQuery/Snowflake/Postgres].
Tabele: [table_name(col1, col2, ...)], [table2].
Zapytanie:
“[Opisz pytanie, okno czasowe, filtry i ziarno]”
Ograniczenia:
- Używaj CTE z jasnymi nazwami.
- Dodaj adnotacje do założeń jako komentarze SQL.
- Dołącz zapytanie walidacyjne, aby wykryć niezgodności liczby wierszy.
- Zwróć zarówno SQL, jak i 3-liniowe uzasadnienie.

Jesteś moim asystentem formuł arkusza kalkulacyjnego.
Cel: Utwórz formuły do obliczenia [metric] z kolumn [A, B, C].
Kontekst: [Excel/Google Sheets]; lokalizacja: [US/EU decimal].
Zadania:
- Podaj dokładne formuły z odwołaniami bezwzględnymi/względnymi.
<a7>- Dołącz wersję arrayformula dla Arkuszy, jeśli to istotne.</a6>
- Dodaj przykładowy wiersz testowy, aby zweryfikować poprawność.
Nagłówek danych + 3 przykładowe wiersze:
[Wklej]

Rola: Projektant wizualizacji danych.
Odbiorcy: [kierownictwo/PM/operacje]; decyzja do wsparcia: [podaj ją].
Utwórz plan tworzenia wykresów:
1) Poleć 2–3 typy wykresów z zaletami/wadami dla tego zbioru danych i celu.
2) Podaj specyfikację Vega-Lite (lub kod matplotlib/Plotly) dla najlepszego wyboru.
3) Uwagi dotyczące dostępności (paleta bezpieczna dla daltonistów, adnotacje).
4) Jednozdaniowy opis narracyjny dla każdego wykresu.
Opis danych:
[kolumny, jednostki, zakres czasu, próbka]

Kontekst: Zaobserwowaliśmy [pattern] w [metric] od [date].
Cel: Zaprojektuj minimalny, ważny eksperyment.
Rezultaty:
1) Hipotezy (H1/H0) z oczekiwanym kierunkiem i szacowanym rozmiarem efektu.
2) Jednostka eksperymentalna, randomizacja i metryki zabezpieczające.
3) Założenia dotyczące wielkości próby i czasu trwania; zwróć uwagę na kompromisy dotyczące mocy.
4) Plan analizy: test(y), segmenty, lista kontrolna wstępnej rejestracji.
5) Ryzyka i łagodzenie.

Rola: Analityk szeregów czasowych.
Dane: [znacznik czasu, metryka, opcjonalne regresory].
Zadania:
1) Sprawdź stacjonarność i sezonowość; zasugeruj transformacje.
2) Wygeneruj krótkoterminową prognozę (punkt + PI) przy użyciu [preferowanego modelu lub „auto”].
3) Oznacz anomalie w ostatnich [N] okresach z ważnością.</a7>
4) Poleć progi alertów, aby zmniejszyć liczbę fałszywych alarmów.
Wyjście:
- Tabela: data, rzeczywista, prognoza, PI_low, PI_high, flaga_anomalii, ważność.
- 5-liniowe podsumowanie dla nietechnicznych interesariuszy.

Zadanie: Przeanalizuj opinie klientów, aby wyodrębnić przydatne spostrzeżenia.
Wejścia: [N] komentarzy z polami [comment, rating, product, date].
Kroki:
1) Grupuj tematy; oznacz 5 najważniejszych.
2) Zacytuj 1–2 reprezentatywne komentarze na temat.
3) Określ ilościowo częstość występowania i nastrój na temat.
4) Poleć 3 działania z oczekiwanym wpływem.
Wyjście: Tabela + podsumowanie w punktach. Ogranicz do 180 słów.
Dane:
[Wklej próbkę lub załącz]

Rola: Szef sztabu przygotowujący streszczenie dla kadry kierowniczej.
Treść do podsumowania: [wklej analizę, wykresy lub metryki].
Wygeneruj:
- (3 punkty, czasowniki działania).
- Kluczowe wnioski (5 punktów, z liczbami).
- Ryzyka/niewiadome (3 punkty), Następne kroki (3 punkty, właściciele).
- Jednozdaniowa narracja do prezentacji dla zarządu.
Styl: Jasny, nietechniczny, <160 słów.

Jesteś pilotem automatyzacji analiz.
Cel: Rozwiąż [analysis goal] za pomocą następujących artefaktów.
Artefakty:
- Plik(i) danych: [link lub wklejona próbka]
- Kontekst biznesowy: [krótkie streszczenie]
- Ograniczenia: [czas, koszt, dokładność]
Najpierw zaplanuj (10–12 punktów):
- Zidentyfikuj dane wejściowe, założenia, ryzyka.
- Zaproponuj kroki (EDA → transformacja → model/test → podsumowanie), każdy z wynikiem.
- Zadaj 3 pytania wyjaśniające na końcu.
Następnie poczekaj na moje potwierdzenie przed wykonaniem kroków.

Dodaj te zabezpieczenia do dowolnej analizy:
- Cytuj założenia wprost.
- Jeśli obliczeniom brakuje wystarczającej ilości danych, zwróć „niewystarczające dowody” z informacją, czego brakuje.
- Podaj proste sprawdzenie: przelicz [metric] na dwa sposoby i porównaj.
- Podczas podsumowywania dołącz link/odniesienie do użytych pól danych źródłowych.
- Zapytaj: „Co mogłoby obalić ten wniosek?” i odpowiedz krótko.