మీరు డేటా విశ్లేషకులు. కింది డేటాపై శీఘ్ర EDAను నిర్వహించండి.
నేపథ్యం:
- ఫార్మాట్: [CSV/JSON/table/text]
- డొమైన్: [ecommerce/marketing/finance/ops]
- లక్ష్యం: X యొక్క డ్రైవర్లను [అర్థం చేసుకోండి]
పనులు:
1) స్కీమా: నిలువు వరుసలు, ఊహించిన రకాలు, లోపాలను జాబితా చేయండి.
2) నాణ్యత: నకిలీలు, అవుట్‌లైయర్‌లు (ఏదైనా ఉంటే [పద్ధతి ద్వారా]), అసాధారణతలు.
3) యూనివేరియట్: కీలక సంఖ్యా నిలువు వరుసల కోసం టాప్ గణాంకాలు (సగటు, p50, p95, కనిష్ఠ/గరిష్ఠ).
4) బైవేరియట్: [లక్ష్యం] + హెచ్చరికలతో 3 బలమైన సంబంధాలు.
5) శీఘ్ర అంతర్దృష్టులు: 5 బుల్లెట్ పరిశీలనలు మరియు 3 ఫాలో-అప్ ప్రశ్నలు.
అవుట్‌పుట్:
- గణాంకాల కోసం కాంపాక్ట్ టేబుల్‌ను ఉపయోగించండి.
- <200 పదాలకు + టేబుల్‌కు పరిమితం చేయండి.
డేటా:
[నమూనా వరుసలను అతికించండి లేదా ఫైల్‌ను అటాచ్ చేయండి]

పాత్ర: మీరు ఉత్పత్తి విశ్లేషకులు.
సన్నివేశం: [KPI] [కాల వ్యవధి]లో [±X%] ద్వారా మార్చబడింది. డేటాసెట్ ఫీల్డ్‌లు: [నిలువు వరుసల జాబితా].
లక్ష్యం: నమ్మదగిన డ్రైవర్లను కనుగొనండి మరియు ధృవీకరణ దశలను సిఫార్సు చేయండి.
పనులు:
[సెగ్మెంట్, ఛానెల్, జియో, పరికరం, సమూహం] ద్వారా KPIని విడదీయండి. టాప్ 5 మూవర్‌లను చూపండి.
2) ఆట్రిబ్యూట్ డ్రైవర్లు: వాల్యూమ్ vs. మార్పిడి vs. AOV (లేదా సంబంధిత విచ్ఛిన్నం).
3) డేటా నుండి సాక్ష్యాలతో కారణాలను (అంతర్గత vs. బాహ్య) ప్రతిపాదించండి.
4) ధృవీకరించడానికి 3 ప్రయోగాలు లేదా విశ్లేషణలను సూచించండి (ఉదా., హోల్డ్‌అవుట్, డిఫ్-ఇన్-డిఫ్).
5) 5-బుల్లెట్ ఎగ్జిక్యూటివ్ సారాంశాన్ని రూపొందించండి.
అవుట్‌పుట్ ఫార్మాట్:
- టేబుల్: సెగ్మెంట్ → డెల్టా, సహకారం, విశ్వాసం (తక్కువ/మధ్యస్థం/అధికం).
- ఆపై బుల్లెట్‌లు: పరికల్పనలు, ధ్రువీకరణలు, ప్రమాదాలు.
డేటా:
[డేటాను అటాచ్ చేయండి/వివరించండి; లేదా అగ్రిగేట్‌లను అతికించండి]

టాస్క్: విశ్లేషణ కోసం కింది డేటాసెట్‌ను శుభ్రం చేసి, సాధారణీకరించండి.
నియమాలు:
- తప్పిపోయిన విలువలను నిర్వహించండి: నిలువు వరుసకు [మధ్యస్థం/మోడ్/డ్రాప్‌తో ఇంప్లూట్ చేయండి].
- వర్గీకరణ లేబుల్‌లను సాధారణీకరించండి: కానానికల్ సెట్‌కు మ్యాప్ చేయండి [జాబితా].
- తేదీలను ISO 8601కి పార్స్ చేయండి; [వారం, నెల, త్రైమాసికం] సంగ్రహించండి.
- అవుట్‌లైయర్‌లు: [నిలువు వరుసల] కోసం [1, 99] శాతాల్లో విన్సోరైజ్ చేయండి.
- శుభ్రమైన స్కీమా + ట్రాన్స్‌ఫర్మేషన్ దశలను అవుట్‌పుట్ చేయండి.
డెలివరబుల్స్:
1) మ్యాపింగ్ టేబుల్(లు).
2) పైప్‌లైన్ కోసం సూడోకోడ్ (Python/pandas).
3) ముందు → తర్వాత కాంపాక్ట్ డిఫ్.
డేటా నమూనా:
[30–50 ప్రతినిధి వరుసలను అతికించండి]

పాత్ర: సీనియర్ అనలిటిక్స్ ఇంజనీర్.
వేర్‌హౌస్: [BigQuery/Snowflake/Postgres].
టేబుల్స్: [table_name(col1, col2, ...)], [table2].
అభ్యర్థన:
“[ప్రశ్న, సమయ విండో, ఫిల్టర్‌లు మరియు ధాన్యాన్ని వివరించండి]”
నిబంధనలు:
- స్పష్టమైన పేర్లతో CTEలను ఉపయోగించండి.
- SQL వ్యాఖ్యలుగా ఊహలను ఉల్లేఖించండి.
- వరుస గణన అసమతుల్యతలను గుర్తించడానికి ధ్రువీకరణ ప్రశ్నను చేర్చండి.
- SQL మరియు 3-లైన్ హేతుబద్ధత రెండింటినీ తిరిగి ఇవ్వండి.

మీరు నా స్ప్రెడ్‌షీట్ ఫార్ములా అసిస్టెంట్.
లక్ష్యం: [A, B, C] నిలువు వరుసల నుండి [మెట్రిక్]ని లెక్కించడానికి సూత్రాలను సృష్టించండి.
నేపథ్యం: [Excel/Google Sheets]; ప్రాంతం: [US/EU దశాంశం].
పనులు:
- సంపూర్ణ/సాపేక్ష సూచనలతో ఖచ్చితమైన సూత్రాలను అందించండి.
<a7>- సంబంధితంగా ఉంటే షీట్‌ల కోసం ఎరేఫార్ములా వెర్షన్‌ను చేర్చండి.</a6>
- ఖచ్చితత్వాన్ని ధృవీకరించడానికి పరీక్ష వరుస ఉదాహరణను జోడించండి.
డేటా హెడర్ + 3 నమూనా వరుసలు:
[అతికించండి]

పాత్ర: డేటా విజువలైజేషన్ డిజైనర్.
ప్రేక్షకులు: [execs/PMs/ops]; మద్దతు ఇవ్వడానికి నిర్ణయం: [దానిని పేర్కొనండి].
చార్టింగ్ ప్లాన్‌ను సృష్టించండి:
1) ఈ డేటాసెట్ మరియు లక్ష్యం కోసం లాభాలు/నష్టాలతో 2–3 చార్ట్ రకాలను సిఫార్సు చేయండి.
2) అగ్ర ఎంపిక కోసం Vega-Lite స్పెక్ (లేదా matplotlib/Plotly కోడ్)ను అందించండి.
3) ప్రాప్యత గమనికలు (రంగు గుడ్డి-సురక్షిత పాలెట్, ఉల్లేఖనాలు).
4) ప్రతి చార్ట్ కోసం ఒక-వాక్యం కథన శీర్షిక.
డేటా వివరణ:
[నిలువు వరుసలు, యూనిట్లు, సమయ పరిధి, నమూనా]

నేపథ్యం: [తేదీ] నుండి [మెట్రిక్]లో మేము [నమూనా]ను గమనించాము.
లక్ష్యం: కనీస, చెల్లుబాటు అయ్యే ప్రయోగాన్ని రూపొందించండి.
డెలివరబుల్స్:
1) అంచనా దిశ మరియు ప్రభావ పరిమాణం అంచనాతో పరికల్పనలు (H1/H0).
2) ప్రయోగాత్మక యూనిట్, యాదృచ్ఛికీకరణ మరియు గార్డ్‌రైల్ మెట్రిక్‌లు.
3) నమూనా పరిమాణం మరియు వ్యవధి ఊహలు; శక్తి ట్రేడ్-ఆఫ్‌లను గమనించండి.
4) విశ్లేషణ ప్రణాళిక: పరీక్ష(లు), విభాగాలు, ముందస్తు నమోదు చెక్‌లిస్ట్.
5) ప్రమాదాలు మరియు ఉపశమనం.

పాత్ర: సమయ-శ్రేణి విశ్లేషకులు.
డేటా: [టైమ్‌స్టాంప్, మెట్రిక్, ఐచ్ఛిక రిగ్రెసర్‌లు].
పనులు:
1) స్టేషనారిటీ మరియు సీజనాలిటీని తనిఖీ చేయండి; పరివర్తనలను సూచించండి.
2) [మోడల్ ప్రాధాన్యత లేదా "ఆటో"]ని ఉపయోగించి స్వల్పకాలిక సూచనను (పాయింట్ + PI) ఉత్పత్తి చేయండి.
3) తీవ్రతతో గత [N] కాలాల్లోని అసాధారణతలను ఫ్లాగ్ చేయండి.
4) తప్పుడు పాజిటివ్‌లను తగ్గించడానికి హెచ్చరిక థ్రెషోల్డ్‌లను సిఫార్సు చేయండి.
అవుట్‌పుట్:
- టేబుల్: తేదీ, వాస్తవం, సూచన, PI_low, PI_high, anomaly_flag, తీవ్రత.
- సాంకేతికంగా లేని వాటాదారుల కోసం 5-లైన్ సారాంశం.

టాస్క్: చర్య తీసుకోదగిన అంతర్దృష్టులను సంగ్రహించడానికి కస్టమర్ ఫీడ్‌బ్యాక్‌ను విశ్లేషించండి.
ఇన్‌పుట్‌లు: [వ్యాఖ్య, రేటింగ్, ఉత్పత్తి, తేదీ] ఫీల్డ్‌లతో [N] వ్యాఖ్యలు.
దశలు:
1) థీమ్‌లను క్లస్టర్ చేయండి; టాప్ 5కి లేబుల్ చేయండి.
2) థీమ్‌కు 1–2 ప్రతినిధి వ్యాఖ్యలను ఉల్లేఖించండి.
3) థీమ్‌కు ప్రాబల్యం మరియు సెంటిమెంట్‌ను పరిమాణీకరించండి.
4) అంచనా ప్రభావంతో 3 చర్యలను సిఫార్సు చేయండి.
అవుట్‌పుట్: టేబుల్ + బుల్లెట్ సారాంశం. 180 పదాల క్రింద ఉంచండి.
డేటా:
[నమూనాను అతికించండి లేదా అటాచ్ చేయండి]

పాత్ర: ఎగ్జిక్యూటివ్ బ్రీఫ్‌ను ఉత్పత్తి చేసే చీఫ్ ఆఫ్ స్టాఫ్.
సంగ్రహించాల్సిన కంటెంట్: [విశ్లేషణ, చార్ట్‌లు లేదా మెట్రిక్‌లను అతికించండి].
ఉత్పత్తి చేయండి:
- (3 బుల్లెట్‌లు, యాక్షన్ వెర్బ్‌లు).
- ముఖ్యమైన ఫలితాలు (సంఖ్యలతో 5 బుల్లెట్‌లు).
- ప్రమాదాలు/తెలియనివి (3 బుల్లెట్‌లు), తదుపరి దశలు (3 బుల్లెట్‌లు, యజమానులు).
- బోర్డ్ డెక్ కోసం ఒక-వాక్యం కథనం.
శైలి: స్పష్టమైన, సాంకేతికంగా లేని, <160 పదాలు.

మీరు అనలిటిక్స్ కోపైలట్.
లక్ష్యం: కింది కళాఖండాలను ఉపయోగించి [విశ్లేషణ లక్ష్యం] పరిష్కరించండి.
కళాఖండాలు:
- డేటా ఫైల్(లు): [లింక్ లేదా అతికించిన నమూనా]
- వ్యాపార సందర్భం: [చిన్న బ్రీఫ్]
- నిబంధనలు: [సమయం, ఖర్చు, ఖచ్చితత్వం]
మొదట ప్లాన్ చేయండి (10–12 బుల్లెట్‌లు):
- ఇన్‌పుట్‌లు, ఊహలు, ప్రమాదాలను గుర్తించండి.
- దశలను ప్రతిపాదించండి (EDA → రూపాంతరం → మోడల్/పరీక్ష → సంగ్రహించండి), ప్రతి ఒక్కటి డెలివరబుల్‌తో.
- చివరలో 3 స్పష్టమైన ప్రశ్నలు అడగండి.
ఆపై దశలను అమలు చేయడానికి ముందు నా నిర్ధారణ కోసం వేచి ఉండండి.

ఏ విశ్లేషణకైనా ఈ గార్డ్‌రైల్‌లను జోడించండి:
- ఊహలను స్పష్టంగా పేర్కొనండి.
- గణనకు తగినంత డేటా లేకపోతే, ఏమి తప్పిపోయిందో దానితో “తగినంత సాక్ష్యం లేదు” అని తిరిగి ఇవ్వండి.
- సాధారణ తనిఖీని అందించండి: [మెట్రిక్]ని రెండు విధాలుగా తిరిగి లెక్కించండి మరియు సరిపోల్చండి.
- సంగ్రహించేటప్పుడు, ఉపయోగించిన మూల డేటా ఫీల్డ్‌లకు లింక్/సూచనను చేర్చండి.
- అడగండి: “ఏమి ఈ ముగింపును తప్పు చేస్తుంది?” మరియు సంక్షిప్తంగా సమాధానం ఇవ్వండి.