Analysér data og find mønstre
Få AI til at skelne mellem observationer, hypoteser og anbefalinger i et datasæt.
Hvornår er prompten nyttig?
Du har et CSV-udtræk med salg pr. måned og vil finde mønstre, afvigelser og hvilke spørgsmål der bør undersøges videre.
Hav dette klar
- Datasættet og kolonnedefinitioner
- Hvilken beslutning analysen skal støtte
- Tidsperiode og kendte dataproblemer
- Hvilke målinger der er officielle
Hvad felterne styrer
[DATASÆT ELLER TABEL]
Indsæt de faktiske data og forklar kolonner, periode og eventuelle huller. Hvis en værdi mangler, skal den stå som ukendt – ikke estimeres af modellen.
[DEFINITION AF KOLONNER/KPI'ER]
Indsæt de faktiske data og forklar kolonner, periode og eventuelle huller. Hvis en værdi mangler, skal den stå som ukendt – ikke estimeres af modellen.
[ANALYSEFORMÅL]
Skriv den konkrete effekt opgaven skal skabe. Et mål som “bedre marketing” er for bredt; brug fx booking, kvalificeret lead eller forståelse.
[TIDSPERIODE OG RELEVANTE SEGMENTER]
Angiv dato eller periode præcist. Ved aktuelle data bør du også skrive hvilken dato informationen er kontrolleret.
Se prompten brugt på en konkret opgave
Situation: Du har et CSV-udtræk med salg pr. måned og vil finde mønstre, afvigelser og hvilke spørgsmål der bør undersøges videre.
Det afgørende i resultatet: AI beskriver først datakvalitet; Observationer adskilles fra forklaringer.
Kontrollér svaret før brug
- 1AI beskriver først datakvalitet
- 2Observationer adskilles fra forklaringer
- 3Beregninger kan reproduceres
- 4Næste analyser prioriteres
Det skal du være opmærksom på
- At lade AI gætte årsager ud fra korrelation
- At uploade følsomme data uden behov
- At acceptere beregninger uden kontrol
Gode opfølgninger
Vis de tre vigtigste observationer og hvordan de blev beregnet.
Hvilke alternative forklaringer kan passe til mønsteret?
Lav en analyseplan for at teste den mest sandsynlige hypotese.