Промпты для аналитика: гипотезы, выводы и отчёты

Аналитик в компании отвечает на вопросы бизнеса с помощью данных. Нейросеть полезна на всех этапах этой работы, кроме одного — она не должна быть источником цифр. Считают базы данных, таблицы и BI-системы. Модель помогает сформулировать вопрос, придумать гипотезы, написать запрос, найти ошибку, объяснить результат. Ниже — промпты для каждого этапа.

Уточнение вопроса

Запросы от бизнеса часто размыты: «почему упали продажи». Промпт: «Руководитель спросил: [вопрос]. Помоги переформулировать его в конкретные аналитические вопросы: какие метрики, за какой период, в каких разрезах сравнивать. Какие уточнения нужно получить от руководителя?» Список уточнений экономит дни работы над неправильной задачей.

Гипотезы

«Продажи [категории] снизились в [период]. Предложи 10 гипотез, почему это могло произойти: внутренние причины (цены, ассортимент, наличие, сервис) и внешние (сезон, конкуренты, праздники, погода). Для каждой — какие данные нужны для проверки». Модель хорошо генерирует широкий список, который потом сужается по данным.

Проверка качества данных

«Вот описание таблицы: [колонки, типы, пример строк]. Какие проблемы качества данных стоит проверить перед анализом: дубликаты, пропуски, выбросы, разные форматы? Предложи проверки». Это один из самых недооценённых этапов: выводы на грязных данных хуже, чем отсутствие выводов.

SQL и формулы

«Напиши SQL-запрос: таблица orders (id, client_id, created_at, amount, status). Нужна выручка по неделям за последние 3 месяца только по статусу completed, с количеством уникальных клиентов». Укажите диалект SQL — PostgreSQL, MySQL, ClickHouse. Проверяйте запрос на небольшом срезе, где результат известен. Модели ошибаются с часовыми поясами, границами периодов и джойнами, которые размножают строки.

Интерпретация

После расчётов: «Вот результаты: [таблица с агрегатами]. Какие выводы можно сделать? Отдельно перечисли, какие выводы делать нельзя, потому что данных недостаточно или возможна другая причина». Вторая часть промпта защищает от поспешных выводов о причинах, когда данные показывают только корреляцию.

Отчёт для руководителя

«Преврати этот анализ в отчёт для руководителя на одну страницу: главный вывод в первом предложении, три подтверждающих факта, рекомендация, что делать дальше, и ограничения анализа». Руководитель редко читает методологию — ему нужен ответ и уровень уверенности в нём.

Визуализация

«Какой тип графика лучше показать для: [что сравниваем]? Объясни почему и как подписать оси». Модель подскажет выбор между линией, столбцами, точечной диаграммой и таблицей. Сам график стройте в BI или таблице на реальных данных.

Работа с конфиденциальными данными

Не загружайте в открытые сервисы выгрузки с персональными данными клиентов и коммерческой тайной. Для запросов и формул достаточно описания структуры таблиц и нескольких вымышленных строк. Если компания использует корпоративные ИИ-инструменты с подключением к данным, следуйте её правилам доступа.

Ошибки

• Просить модель «проанализировать» без чёткого вопроса.
• Брать цифры из ответа модели вместо расчёта.
• Не проверять SQL на контрольных данных.
• Путать корреляцию и причину в выводах.
• Отправлять руководителю длинный текст вместо ответа на вопрос.

Отдельно полезно держать в проекте ассистента словарь метрик компании: как считается выручка, что считается активным клиентом, какие статусы заказов учитываются. Модель, знающая ваши определения, пишет более точные запросы и не путает понятия, которые в разных компаниях означают разное. Такой словарь заодно помогает новым сотрудникам аналитики.