Dataanalyse prompts

Jeg giver dig en dataeksport fra [kilde, f.eks. mit CRM, mit kassesystem, Google Analytics]. Jeg vil forstå indholdet, og hvad vi kan bruge det til. Forretningsmæssig kontekst: [aktivitet og generelt spørgsmål, f.eks. jeg vil forstå, hvorfor mit salg falder].

Data: [indsæt data eller de første linjer med overskrifter]

Gå frem i denne rækkefølge: Beskriv strukturen (kolonner, typer, periode, detaljegrad). Vurder kvaliteten (manglende værdier, sandsynlige dubletter, uoverensstemmelser, tomme eller konstante kolonner). Beregn basisstatistik for de vigtigste kolonner. Foreslå derefter 5 forretningsspørgsmål, som disse data kan besvare, og 3 spørgsmål, som de IKKE kan besvare trods udseendet (angiv hvilke data der mangler).

Afslut med den mest lovende analyse, vi bør lave først, og metoden til det. Drag ingen forretningsmæssige konklusioner på nuværende tidspunkt.

Min indikator [indikator, f.eks. konverteringsrate, gennemsnitskurv, churn] er ændret fra [værdi før] til [værdi efter] mellem [periode 1] og [periode 2]. Tilgængelig historik: [værdier for tidligere perioder]. Begivenheder i perioden: [hvad der er ændret: kampagne, pris, sæson, nedbrud, nyt design].

Hjælp mig med at kontrollere følgende før fortolkning: Er variationen signifikant set i forhold til de sædvanlige udsving (beregn størrelsesordenen for normale variationer ud fra historikken)? Kan sæsonudsving forklare det (sammenlign med samme periode i tidligere år)? Er målemetoden ændret (underliggende volumen, definition, værktøj)?

Opstil derefter hypoteser forklaret efter sandsynlighed. For hver hypotese skal du angive en test eller data, der kan bekræfte den. Det er forbudt at konkludere på en årsag alene baseret på tidsmæssigt sammenfald. Afslut med hvad du ærligt ville sige, hvis du blev spurgt: "Er det her alvorligt?"

Hjælp mig med at definere et dashboard for [område, f.eks. mit salgsteam, min webshop, min kundeservice]. Formål med aktiviteten: [mål]. Beslutninger som dette dashboard skal støtte: [gentagne beslutninger, f.eks. hvor vi skal lægge salgsindsatsen, hvornår vi skal rekruttere, hvilke produkter vi skal promovere]. Tilgængelige data: [kilder og værktøjer].

Foreslå indikatorer for hver beslutning. Skeln mellem resultatindikatorer (hvad vi konstaterer) og indsatsindikatorer (hvad vi kan handle på i denne uge). Maksimalt 8 indikatorer i alt: Forklar hvorfor du fravælger resten.

For hver valgt indikator: Giv en entydig definition (hvad tæller vi præcis, over hvilken periode), formel, kilde, læsefrekvens og den klassiske fortolkningsfælde for denne indikator (f.eks. gennemsnit der skjuler skæv fordeling eller tal der kan manipuleres).

Transformer min analyse til en præsentation for [målgruppe, f.eks. ledelsen, min chef, en kunde]. Analysens udgangspunkt: [spørgsmål]. Mine fund: [resultater, tal, observationer]. Begrænsninger: [f.eks. delvise data, kort periode, mulige skævheder]. Min anbefaling: [anbefaling].

Opbyg præsentationen i denne rækkefølge: Svaret på spørgsmålet i én sætning (hovedbudskabet først, aldrig metoden først). 2 eller 3 observationer der understøtter det, hver med sit eget tal (ikke fem tal per observation). Anbefalingen med hvad den koster, og hvad den giver igen. Begrænsningerne nævnes ærligt, men uden at underminere arbejdet (en begrænsning er en brugsanvisning, ikke en undskyldning).

Forbered også: De 3 mest sandsynlige kritiske spørgsmål fra denne målgruppe med svar, samt en "30 sekunders elevatorpitch". Format: [ønsket format, f.eks. slides-struktur, e-mail, one-pager].

Jeg vil teste [planlagt ændring, f.eks. en ny pris, en ny landingsside, et nyt opkaldsmanuskript] før fuld udrulning. Nuværende situation: [nuværende metrik og niveau]. Tilgængelig volumen: [trafik, opkald, forsendelser pr. uge]. Forventet resultat: [forventet forbedring].

Opbyg protokollen: Formulér hypotesen så den kan modbevises ("hvis X, så stiger Y med mindst Z"). Fastlæg succeskriteriet og beslutningsgrænsen NU (før vi ser resultaterne). Beskriv opdelingen i test/kontrolgruppe. Estimer den nødvendige varighed baseret på min volumen for at skelne reel effekt fra støj (forklar beregningen enkelt). Angiv eksterne faktorer der skal neutraliseres (sæson, ugedag, kundesammensætning).

Tilføj en guide til læsning af resultaterne: Hvornår udruller jeg, hvornår stopper jeg, og hvornår forlænger jeg testen? Angiv hvilke konklusioner der er FORBUDT at drage (f.eks. at finde undergrupper efterfølgende eller stoppe testen ved første positive udsving).

Du er dataanalytiker. Jeg skal rense en kundeliste eksporteret fra [værktøj, f.eks. mit CRM, e-conomic] før en kampagne. Tilgængelige kolonner: [navn, e-mail, telefon, adresse, oprettelsesdato osv.].

Uddrag af filen: [indsæt 20-30 repræsentative linjer].

Foreslå en strategi for dubletkontrol i flere trin: Først præcise dubletter (hvilke kolonner skal matche?). Derefter sandsynlige dubletter (stavefejl, samme e-mail men forskelligt navn, forskellige telefonformater). For hvert trin skal du angive match-nøgle, nødvendig normalisering (små bogstaver, mellemrum, landekoder) og risikoen for fejl (false positives).

Krav: Flet aldrig to profiler automatisk kun på navn. Angiv altid hvilken profil der skal bevares (den nyeste? den mest komplette?) og hvorfor. Output: Trin-for-trin handlingsplan, derefter konkrete Excel/Google Sheets formler, og et estimat over antal dubletter fundet i uddraget.

Jeg har en eksport [kilde, f.eks. fra mit kassesystem eller en formular], hvor datokolonnen blander flere formater: [eksempler, f.eks. 03/04/2026, 2026-04-03, 3. april 2026, 04-03-26]. Jeg arbejder i [Excel eller Google Sheets].

Hjælp mig med at konvertere alt til ét format [målformat, f.eks. ÅÅÅÅ-MM-DD] uden at ødelægge data. Start med at identificere alle formater i min stikprøve og find TVETYDIGE værdier (03/04: 3. april eller 4. marts?). List dem eksplicit i stedet for at gætte. Foreslå et kriterium for at afklare tvivl (kildeværktøjets sprog, værdier over 12, sammenhæng med andre kolonner).

Giv derefter formler eller konkrete trin til konverteringen, inklusiv en kontrolkolonne (en formel der markerer linjer, hvor konverteringen fejlede eller gav en dato uden for den sandsynlige periode [forventet periode]). Afslut med en tjekliste før den oprindelige kolonne overskrives.

Du er en grundig dataanalytiker. Min fil [beskrivelse, f.eks. eksport af årsordrer fra ERP] indeholder manglende værdier, og jeg skal beslutte, hvad jeg gør før analysen. Berørte kolonner og ca. mangel-procent: [f.eks. postnummer 12%, kilde 40%, beløb 2%].

Planlagt analyse: [hvad jeg vil beregne, f.eks. omsætning pr. region].

Hjælp mig med at svare for hver kolonne: Indeholder det tomme felt information (ikke relevant, valgfrit felt, fejl i indsamling) eller er det tilfældigt? Hvilken løsning er mindst risikabel for MIN analyse: ekskludere linjer, indsætte en værdi (hvilken og hvorfor), oprette kategorien "ikke oplyst" eller droppe analysevinklen? Hvilken skævhed introducerer hver løsning?

Krav: Indsæt aldrig et gennemsnit uden begrundelse. Beregn altid konsekvensen (hvor mange linjer mistes, vægt i totalen). Format: Tabel kolonne for kolonne med anbefaling, begrundelse og bemærkning til slutrapporten.

Jeg har en kolonne med fritekst, der skal normaliseres: [felttype, f.eks. bynavne, firmanavne, produktkategorier] i [værktøj, f.eks. Google Sheets, Excel]. Eksempler på faktiske værdier: [indsæt 20-40 værdier med varianter: store/små bogstaver, forkortelser, stavefejl, mellemrum].

Mål: At få en ren kolonne med én standardværdi pr. enhed for at kunne aggregere korrekt.

Gå frem således: Identificer grupper af varianter, der betegner det samme. Foreslå en standardværdi for hver gruppe. List tvivlstilfælde der skal tjekkes manuelt. Giv derefter metoden til implementering: En opslagstabel (variant til standard) plus en formel, regler for indledende rensning (små bogstaver, accenter, ekstra mellemrum) og en kontrolformel, der isolerer værdier uden match.

Krav: Opslagstabellen skal være på et separat ark, så den kan genbruges til næste eksport. Format: Opslagstabel, derefter formler klar til brug.

Jeg skal importere en fil med [type, f.eks. kontakter fra en messe, leads fra formular] i [CRM eller målværktøj]. Kolonner i min fil: [liste over kolonner]. Forventede felter i målværktøjet: [liste over felter og krav, f.eks. obligatorisk e-mail, telefon i internationalt format].

Stikprøve: [indsæt 10-20 linjer].

Forbered en plan for tilpasning: Mapping fra kildekolonne til målfelt (inkl. overskydende felter på begge sider). Kontrolpunkter før import (ugyldige e-mails, ufuldstændige telefonnumre, manglende obligatoriske felter, dubletter). Nødvendige transformationer (opdeling af fornavn/efternavn, telefonformat, landekoder).

Krav: Hver afvist linje skal ende i et "fejl-ark" med årsag, aldrig slettes lydløst. Opdigt aldrig data til obligatoriske felter. Output: Mapping-tabel, ordnet liste over kontroller med formler, og en endelig tjekliste før import (backup, test-import af 10 linjer, verifikation i værktøjet).

Du er en senior SQL-udvikler. Mit forretningsspørgsmål: [spørgsmål, f.eks. hvilke kunder har bestilt mindst to gange i år, men intet de sidste tre måneder?]. Database: [f.eks. PostgreSQL, MySQL, BigQuery]. Tilgængelige tabeller og kolonner: [beskriv tabeller, kolonner og relationer, eller indsæt skema].

Før du skriver koden: Omformuler mit spørgsmål præcist og list tvetydige punkter med den antagelse, du vælger for hver (hvad tæller vi præcis, datogrænser, er annullerede ordrer med, tidszone). Hvis vigtig info mangler i skemaet, så sig det i stedet for at opfinde en kolonne.

Skriv derefter SQL-koden med kommentarer på dansk linje for linje. Foreslå en enkel kontrol-forespørgsel (f.eks. en total) for at tjekke, om resultatet er plausibelt. Format: Antagelser, kommenteret kode, kontrol-forespørgsel, begrænsninger.

Jeg har arvet en SQL-forespørgsel brugt til [kontekst, f.eks. en månedsrapport, en automatisk eksport], og ingen ved længere præcis, hvad den gør. Her er den: [indsæt koden].

Kendt kontekst: [hvad rapporten forventes at vise, database-type hvis kendt].

Forklar den på tre niveauer: En opsummering (hvad den beregner i forretningssprog). En gennemgang blok for blok (hver join, filter, aggregering og sub-query med deres effekt). Skjulte fælder: Joins der kan duplikere eller tabe linjer, filtre i WHERE der ændrer LEFT JOIN til INNER JOIN, håndtering af NULL, datogrænser, implicitte antagelser om data.

Afslut med: Tilfælde hvor resultatet ville være FORKERT uden fejlmelding, og to hurtige kontrol-forespørgsler for at tjekke disse tilfælde i min database. Format: Struktureret forklaring, derefter liste over fælder efter alvorlighed.

Du er ekspert i SQL-optimering. Min forespørgsel er for langsom: [nuværende tid] for [ca. volumen i tabellerne]. Database: [PostgreSQL, MySQL, SQL Server, BigQuery]. Kode: [indsæt koden]. Eksisterende indeks hvis kendt: [liste eller "ukendt"]. Eksekveringsplan hvis tilgængelig: [indsæt EXPLAIN-output eller "ikke tilgængelig"].

Diagnosticer først: Identificer sandsynlige årsager til langsommelighed (funktioner på filtrerede kolonner der hindrer indeksbrug, korrelerede sub-queries, unødvendig SELECT *, joins på ikke-indekserede kolonner, sortering af store mængder, manglende datofiltre).

Foreslå optimeringer rangeret efter indsats/gevinst: Omskrivning af koden (med komplet ny version), indeks der bør oprettes (med omkostning ved skrivning), og som sidste udvej strukturændringer. Absolut krav: Resultatet skal forblive identisk. Forklar hvorfor omskrivningen er ækvivalent. Afslut med metoden til at måle gevinsten korrekt.

Jeg har genereret et resultat med denne SQL-forespørgsel, og jeg vil kontrollere det, før jeg deler det med [modtagere, f.eks. ledelsen, en kunde]. Kode: [indsæt koden]. Opnået resultat: [tallet/tallene]. Forventet størrelsesorden ifølge forretningen: [hvad der ville være plausibelt, eller "aner det ikke"].

Opbyg mine kontrolpunkter: En rå volumen-forespørgsel (hvor mange linjer før og efter filtre), kontrol af dubletter på den formodede unikke nøgle, kontrol af NULL i joins og aggregeringer, sammenligning med en uafhængig kilde hvis muligt [tilgængelig kilde], og en grænsetest (ændrer tallet sig, hvis jeg flytter perioden én dag?).

For hver kontrol: Angiv koden klar til brug, hvordan et normalt resultat ser ud, og hvad der bør vække bekymring. Afslut med en beslutningsregel: Hvornår deler jeg, hvornår retter jeg, og hvornår advarer jeg om, at tallet er foreløbigt.

Jeg arbejder i [Excel eller Google Sheets] med en fil med [datatype, f.eks. salgslinjer med dato, produkt, butik, antal, beløb]. Spørgsmål jeg vil besvare: [forretningsspørgsmål, f.eks. hvilke produkter driver væksten og i hvilke butikker?].

Tilgængelige kolonner: [liste over kolonner].

Design den eller de relevante pivottabeller: Angiv for hver, hvilke felter der skal i rækker, kolonner, værdier og filtre. Hvilken aggregering skal vælges (sum, gennemsnit, antal – og hvorfor gennemsnit kan være misvisende her)? Hvilken gruppering skal bruges (datoer pr. måned, beløbsintervaller)?

Advar om fælder i mit tilfælde: Linjer der duplikeres, totaler der blander enheder, procenter beregnet på forkert grundlag, skjulte tomme elementer. Giv trin-for-trin guide i mit værktøj, samt to indsigter tabellen vil give, og én konklusion man fejlagtigt kunne drage.

I [Excel eller Google Sheets] vil jeg hente information fra ét ark over i mit hovedark. Hovedark: [kolonner, f.eks. A ordrenummer, B dato, C beløb]. Kilde-ark: [kolonner, f.eks. A ordrenummer, D kundenavn, E segment]. Information der skal hentes: [ønsket kolonne]. Fælles nøgle: [fælles kolonne].

Giv mig den præcise formel klar til brug. Vælg mellem LOPSLAG, INDEKS/MATCH og XOPSLAG baseret på min version [angiv version], og forklar valget kort.

Håndter eksplicit de tilfælde, der ødelægger formlerne: Manglende nøgle i kilden (hvad skal returneres i stedet for fejl), dubletter i kilden (hvilken linje vælges, og hvordan opdages det med en tælle-formel), nøgler der ser ens ud men har ekstra mellemrum eller formatforskel (rensning først). Format: Hovedformel, dubletkontrol-formel, rensningsformel.

Jeg arbejder i [Excel eller Google Sheets]. Mine data: [beskriv kolonner med bogstaver, f.eks. A dato, B sælger, C region, D beløb, E status]. Det jeg vil beregne: [f.eks. samlet salg i region Nord i 2026 pr. sælger, eksklusive status "annulleret"].

Skriv den/de præcise formler med de rette områder. Vælg mellem SUM.HVISER, TÆL.HVISER, MIDDEL.HVISER eller en kombination. Forklar hvert kriterium i formlen på én linje.

Dæk detaljerne: Datokriterier (hvordan man skriver "i 2026" eller "mellem to datoer" med anførselstegn og og-tegn), eksklusionskriterier (forskellig fra), jokertegn til delvis tekst og absolutte referencer ($) til kopiering. Tilføj en kontrolformel: Summen af mine formler skal matche totalen. Format: Formler klar til brug, derefter forklaring.

I Google Sheets (funktionerne REGEXEXTRACT, REGEXMATCH, REGEXREPLACE) vil jeg udtrække [mål, f.eks. postnummer, fakturanummer, e-mail domæne] fra en kolonne med fritekst. Eksempler på værdier: [indsæt 10-15 repræsentative værdier inkl. svære tilfælde].

Forventet resultat for hver: [giv ønsket resultat for 3-4 eksempler].

Skriv den komplette formel. Forklar derefter regex-koden del for del på dansk (tegnklasser, kvantorer, grupper). Test den mentalt mod mine eksempler og peg på dem, den måske misser, fremfor at love den virker 100%. 

Tilføj: En REGEXMATCH-variant til en sand/falsk kontrolkolonne, håndtering af "intet match" uden fejlvisning, og kendte begrænsninger. Krav: Prioriter en læsbar regex fremfor en ultrakompakt uforståelig kode. Format: Formler klar til brug, derefter forklaring.

Min formel i [Excel eller Google Sheets] giver ikke det forventede resultat. Præcis formel: [indsæt formel]. Fejl eller symptom: [f.eks. #I/T på nogle linjer, #REFERENCE!, forkert total, nul overalt]. Kontekst: [beskriv kolonner og et eksempel på en linje der fejler med faktiske værdier].

Gå frem som en diagnose, ikke bare en omskrivning: List mulige årsager til MIT symptom rangeret efter sandsynlighed (blandet tal/tekst, usynlige mellemrum, forskudte områder efter linjeindsættelse, manglende $-tegn, manglende søgeværdi, forkert sortering, regionale separatorer).

For hver årsag: Giv en test der bekræfter eller afkræfter den på under et minut (f.eks. ER.TAL, ER.TEKST, LÆNGDE). Når årsagen er fundet, giv den minimale rettelse og derefter en robust version af formlen. Krav: Foreslå ikke at lave hele filen om. Format: Diagnosetræ, tests, rettelse.

Jeg skal præsentere data for [målgruppe, f.eks. ledelsen, et driftsteam], og jeg vil vælge den rette graf. Budskab jeg vil formidle: [budskab i én sætning, f.eks. to produkter står for næsten hele væksten]. Tilgængelige data: [beskriv eller indsæt data: dimensioner, målinger, antal kategorier, periode].

Anbefal den graftype, der passer til dette BUDSKAB (sammenligning, udvikling, fordeling, relation) og begrund det kort. Foreslå et troværdigt alternativ og forklar, hvorfor det er nummer to. Udeluk eksplicit dårlige valg (f.eks. lagkagediagram med for mange kategorier, dobbeltakse der antyder falsk sammenhæng) med begrundelse.

Giv konkrete specifikationer: Hvad skal på x- og y-aksen, sortering, skala (skal nul med?), hvad skal annoteres direkte, og en titel formuleret som et budskab, ikke en beskrivelse. Afslut med "hvad man ikke skal gøre".

Her er en graf, jeg vil dele i [kontekst, f.eks. månedsrapport, kundemøde]. Beskrivelse eller data: [beskriv grafen: type, akser, skalaer, serier, titel, eller indsæt data]. Budskab den skal formidle: [budskab].

Giv kritik på tre områder. Ærlighed: Fordrejer skalaen variationen (afskåret akse, log-skala uden info)? Er perioden "cherry-picked"? Er datagrundlaget stort nok til de viste procenter? Læsbarhed: Hvad forstår man på fem sekunder? Siger titlen budskabet eller bare emnet? Er der overflødige elementer (farver, gitter, decimaler)? Relevans: Tjener denne graftype budskabet bedst?

Kategoriser dine bemærkninger som "kritiske før deling" og "ønskværdige forbedringer". Beskriv præcis den rettede version. Krav: Kritiser grafen, ikke dataene; hvis problemet er dataene, så sig det separat.

Jeg vil bygge [ønsket graf, f.eks. månedlig udvikling pr. kanal, stablet søjlediagram] i [værktøj, f.eks. Google Sheets, Excel, Looker Studio], men mine rådata er i forkert format. Nuværende data: [indsæt uddrag med overskrifter, f.eks. én linje pr. transaktion].

Beskriv først den præcise målstruktur, som værktøjet kræver (long eller wide format, én kolonne pr. serie eller kategori-kolonne, datodetaljer), med et eksempel på 5 linjer af, hvordan data skal se ud til sidst.

Giv derefter den enkleste vej til transformation i mit værktøj: Aggregering (pivottabel eller formler), håndtering af perioder uden data (skal de være nul eller mangle?), sortering og afrunding (kun i visning, aldrig i data).

Afslut med to kontroller: Stemmer totalen i den transformerede tabel med rådata? Svarer antallet af perioder til det forventede [periode]? Format: Målstruktur, trin, kontroller.

I min virksomhed giver indikatoren [navn, f.eks. konverteringsrate, omsætning, aktive kunder] forskellige tal alt efter, hvem der beregner den. Jeg vil skrive en reference-definition. Nuværende brug: [hvem bruger den hvordan, f.eks. marketing måler i GA4, salg i CRM]. Tilgængelige datakilder: [værktøjer og tabeller].

Skriv et komplet definitionsark: Præcis formel (tæller og nævner defineret uden tvivl: hvilke hændelser tæller, hvad ekskluderes, håndtering af annulleringer, refusioner, dubletter, test-ordrer). Referenceperiode og tidszone. Kilden der har forrang ved uoverensstemmelser. Frekvens og hvornår tallet låses (kan det ændre sig bagudrettet?).

List derefter sandsynlige forskelle mellem nuværende brug og denne definition, inkl. forventet afvigelse. Krav: Hvert led i formlen skal kunne verificeres via forespørgsel. Ingen uklare termer ("aktiv kunde" skal defineres ved målbare kriterier). Format: Struktureret one-pager.

Min hovedindikator er [KPI, f.eks. månedlig omsætning, antal nye kunder], og jeg vil nedbryde den i håndtag for at vide, hvor vi skal sætte ind. Kontekst: [aktivitet, f.eks. webshop, konsulenthus, butikskæde]. Nuværende niveau: [værdi]. Mål: [mål].

Opbyg et aritmetisk nedbrydningstræ: Indikatoren udtrykt som produkt eller sum af underindikatorer (f.eks. trafik × konverteringsrate × gennemsnitskurv). Nedbryd hvert niveau yderligere, hvor det er relevant. Tjek at hver nedbrydning er matematisk præcis, ikke omtrentlig.

For hvert blad i træet: Hvem i organisationen kan påvirke det? Hvilke data måler det [kilder]? Hvad er et realistisk forbedringspotentiale? Identificer de to håndtag, hvor en indsats giver størst afkast (følsomhed: hvad sker der med hovedindikatoren, hvis dette håndtag forbedres med 10%?). Krav: Påpeg håndtag der kannibaliserer hinanden. Format: Indrykket træ og tabel over håndtag.

Jeg vil analysere fastholdelsen (retention) af mine [kunder eller abonnenter] via kohorter. Data: [beskriv, f.eks. eksport med kunde-id, dato for første køb/oprettelse, datoer for efterfølgende aktivitet/ordrer]. Værktøj: [Excel, Google Sheets, SQL]. Definition af en "fastholdt" kunde: [f.eks. har købt igen inden for en måned, har aktivt abonnement].

Guide mig i at bygge kohorte-tabellen: Gruppering efter måned for første køb, beregning af aktivitet i M+1, M+2, M+3 osv. som procent af kohortens startstørrelse. Giv metoden i mit værktøj (formler eller kode).

Hjælp mig derefter med at LÆSE den: Skeln mellem anciennitetseffekt (alle kohorter falder over tid) og årgangseffekt (er nyere kohorter bedre eller dårligere end de gamle ved samme alder?). Find det tidspunkt, hvor fastholdelsen stabiliserer sig. Marker kohorter der er for unge eller små til at konkludere på. Format: Konstruktionsmetode, derefter læsevejledning med spørgsmål.

Jeg vil segmentere min kundebase med RFM-metoden (Recency, Frequency, Monetary) for at målrette min indsats. Data: [eksport, f.eks. én linje pr. ordre med kunde-id, dato, beløb fra kassesystem eller CRM]. Værktøj: [Excel, Google Sheets, SQL]. Aktivitet: [type og typisk købscyklus, f.eks. mode-webshop, køb hver 2. måned].

Opbyg fremgangsmåden: Beregning af de tre værdier pr. kunde (formel/kode). Valg af point-grænser tilpasset MIN købscyklus fremfor automatiske kvintiler (begrund hver grænse). Tildeling af point og gruppering i 5-8 navngivne segmenter (loyale, sovende, nye stjerner, tabte osv.).

For hvert segment: Forventet andel i procent, beskrivelse i én sætning, prioriteret kommerciel handling og indikator for succes. Krav: Ekskluder annullerede ordrer og testkunder. Håndter kunder med kun ét køb. Angiv hvornår grænserne skal revurderes. Format: Trin-for-trin metode og segment-tabel.

Jeg vil lave en prognose for [størrelse, f.eks. månedligt salg, bookinger, opkaldsvolumen] for de næste [horisont, f.eks. 6 måneder]. Historik: [indsæt serie, ideelt 24 måneder+, eller beskriv hvad jeg har]. Min aktivitet har kendt sæsonvariation: [beskriv, f.eks. peak i december, lavpunkt i august].

Byg en enkel og reproducerbar prognose i [Excel eller Google Sheets]: Beregn den underliggende tendens (glidende gennemsnit over 12 måneder eller regression, forklar valget), månedlige sæsonkoefficienter fra historikken, og derefter selve prognosen (tendens × koefficient). Vis formlerne.

Kræv ærlighed i resultatet: Giv et lavt/højt interval baseret på de fejl, metoden ville have lavet historisk (backtest: anvend metoden på de sidste 6 kendte måneder og mål afvigelsen). List hvad metoden IKKE kan se (ekstraordinære begivenheder, prisændringer, atypisk basisår) og signalet, der skal få mig til at revidere prognosen. Format: Metode, formler, tabel med intervaller, begrænsninger.

Vi er i [nuværende måned], og jeg vil estimere årsresultatet for [størrelse, f.eks. omsætning, udgifter, antal sager]. Realiseret til dato: [akkumuleret værdi]. Årsmål: [mål]. Månedlig historik for sidste år og i år: [indsæt værdier].

Byg tre fremskrivninger og sammenlign dem: Den naive fremskrivning (gennemsnit pr. måned × 12), den sæsonkorrigerede fremskrivning (baseret på historisk vægt af de resterende måneder), og den "informerede" fremskrivning, der integrerer det, jeg allerede ved om de kommende måneder: [kendte elementer, f.eks. underskrevne ordrer, tilbud i pipelinen, sommerlukning, ansættelser].

For hver: Angiv tallet, den implicitte antagelse og hvornår den tager mest fejl. Anbefal hvilken jeg skal stole på, og angiv afvigelsen til målet i kr. og procent. Afslut med to-tre handlinger, der stadig kan rykke ved resultatet. Format: Sammenligningstabel og anbefaling på fem linjer.

Du er ansvarlig for datakvalitet. Jeg vil udføre en audit af [database, f.eks. CRM-kundebase, produktkatalog] før [planlagt brug, f.eks. migrering, kampagne, ny rapportering]. Struktur: [liste over felter]. Repræsentativt uddrag: [indsæt 30-50 linjer].

Auditér ud fra disse akser med tal fra uddraget: Fuldstændighed (udfyldelsesgrad pr. felt, især kritiske felter). Gyldighed (ugyldige formater: e-mails, telefonnumre, postnumre, umulige datoer). Unikhed (sandsynlige dubletter). Aktualitet (opdateringsdatoer, andel af sandsynligvis forældede profiler). Intern konsistens (felter der modstrider hinanden, f.eks. postnummer og by).

Lav derefter en udbedringsplan prioriteret efter betydning for MIN planlagte brug: Hvad blokerer, hvad forringer, og hvad kan vente? Angiv korrektionsmetode (automatisk/manuel) og estimeret indsats. Format: Audit-tabel pr. akse, derefter plan i tre faser.

Jeg vil oprette en datadictionary for [datasæt, f.eks. ERP-ordre-eksport, kundetabel, delt rapporteringsark], så teamet holder op med at fejlfortolke kolonnerne. Kolonner og uddrag: [liste over kolonner med 5 eksempler].

Hvad jeg ved om konteksten: [dataoprindelse, opdateringsfrekvens, hvem der indtaster].

For hver kolonne skal du skrive: Teknisk navn og forretningsnavn, definition i én sætning uden jargon, type og format, mulige værdier eller sandsynligt interval, udfyldelsesregel (obligatorisk, beregnet, manuel), kilde, og især afsnittet "fælder": Hvad risikerer en bruger at tro fejlagtigt om denne kolonne (f.eks. inkl./ekskl. moms, ordre- vs. betalingsdato, historiske vs. overskrevne data). Hvis info mangler, skriv "skal bekræftes hos [hvem]" i stedet for at gætte.

Format: Tabel klar til et ark kaldet "Dictionary", plus liste over uafklarede spørgsmål.

To af mine værktøjer giver forskellige tal for det samme: [Kilde A, f.eks. GA4] viser [Værdi A] og [Kilde B, f.eks. e-conomic, Stripe, CRM] viser [Værdi B] for [metrik og periode]. Afvigelse: [procent eller beløb]. Jeg skal forstå forskellen og beslutte, hvilken kilde der er sandheden.

Guide undersøgelsen: Start med DEFINITIONS-forskelle (hvad tæller hvert værktøj præcis: refusioner, test, tidszoner, ordredato vs. bogføringsdato, bot-filtre). Derefter AFGRÆNSNINGS-forskelle (kanaler eller salgssteder der mangler i den ene). Til sidst TEKNISKE forskelle (målefejl, samtykke-valg, nedbrud). For hver hypotese: Angiv en konkret test der kan sætte tal på fejlen.

Mål: En oversigt der forklarer rejsen fra Værdi A til Værdi B. Afslut med din anbefaling: Hvilken kilde skal bruges til hvad, og hvad er en acceptabel afvigelse, hvor vi stopper med at lede? Format: Afstemningstabel og anbefaling.

Jeg skal til at sende [leverance, f.eks. månedsrapport, kundepræsentation, e-mail med kvartalsresultater] til [modtagere]. Hovedtal: [liste over vigtigste tal]. Kilder: [hvor hvert tal kommer fra].

Lad mig gennemgå en tjekliste punkt for punkt, hvor jeg skal bekræfte hver enkelt: Intern konsistens (subtotaler matcher totaler, procenter stemmer med deres grundlag, tal nævnt to steder er identiske). Ekstern konsistens (sammenligning med sidste måned/år: er overraskende variationer forklaret?). Annonceret afgrænsning (har hvert tal periode, enhed og valuta? Er definitioner ændret siden sidst?). Reproducerbarhed (kan jeg genskabe tallet? Er forespørgsel/fil gemt?). Afrunding (er den logisk og uden falsk præcision?).

For hvert punkt jeg ikke kan bekræfte, angiv den konkrete risiko, og om det er en showstopper for deling. Format: Nummereret tjekliste med afkrydsningsfelter.

Jeg vil automatisk opdage unormale værdier i [serie, f.eks. dagligt salg, ordrer pr. time, daglige tilmeldinger] for at reagere hurtigt. Historik: [indsæt serie eller beskriv: detaljegrad, alder, typiske værdier]. Værktøj: [Google Sheets, Excel, SQL]. Kendte normale variationer: [f.eks. stærk lørdag, svag søndag, sæson].

Foreslå en enkel og robust model: En referenceværdi der respekterer mine cyklusser (sammenlign en mandag med tidligere mandage, ikke søndagen før). En måling af afvigelse og en alarmtærskel begrundet i historikkens faktiske spredning (vis beregningen). En regel mod falske alarmer (f.eks. alarmér kun efter to unormale punkter i træk, forskellige tærskler for høje/lave afvigelser).

Giv den konkrete implementering i mit værktøj inkl. formler. Afslut med: De tre mest almindelige harmløse årsager der vil udløse alarmen (helligdag, kampagne, målefejl) og hvordan de håndteres, samt en 3-trins procedure når alarmen går. Format: Model, formler, procedure.

Et tal i min rapportering virker forkert, og jeg skal afgøre: Beregningsfejl, dataproblem eller en overraskende virkelighed? Tallet: [værdi og navn, f.eks. omsætning i marts viser 240.000 kr. mod normalt 90.000 kr.]. Hvor det optræder: [rapport, kode eller fil]. Datakæde: [hvor kommer data fra, og hvilke transformationer sker der].

Strukturer undersøgelsen i lag fra slutresultat mod kilde. For hvert lag, angiv testen der frikender eller anklager det: Slutberegningen (formel, område, filter). Transformationen (aggregering, dubletter i joins, importfejl, ændret definition). Indsamlingen (nedbrud, massiv efterregistrering, værktøjsskift). Virkeligheden (stor ordre, usædvanlig kunde: hvilket bevis findes?).

Krav: Det er forbudt at rette noget, før årsagen er fundet. Et overraskende, men sandt tal skal ikke "rettes". Format: Ordnet undersøgelsesplan, derefter de tre mulige udfald med tilhørende handling (ret, dokumenter, alarmér).

Jeg har indsamlet fritekstsvar fra kunder via [kanal, f.eks. åbent spørgsmål i tilfredshedsundersøgelse, Google-anmeldelser, opsigelsesårsager]. Jeg vil have en brugbar analyse. Kommentarer: [indsæt kommentarer eller uddrag, angiv totalt antal]. Spørgsmål stillet til kunderne: [det præcise spørgsmål].

Gå frem således: Byg et temagitter ud fra selve kommentarerne (ikke et forudindtaget gitter) med en definition pr. tema for at sikre ensartethed. Kategoriser hver kommentar (flere temaer tilladt). Kvantificer derefter: Antal nævnelser pr. tema, dominerende stemning og sammenhæng med [tilgængelig variabel, f.eks. score, kundealder].

Krav til ærlighed: Citér kommentarer ordret uden omskrivning. Skeln mellem hyppige temaer og sjældne, men alvorlige temaer. Angiv altid antal respondenter (ingen procenter på under 30 svar uden advarsel). Opdigt aldrig citater. Format: One-page opsummering (temaer efter hyppighed, 2 citater pr. tema, svage signaler) og komplet kategoriseringstabel.

Jeg har gennemført en undersøgelse via [værktøj, f.eks. Google Forms, Typeform] og skal behandle resultaterne. Antal svar: [antal]. Spørgsmål: [liste over spørgsmål og typer: enkeltvalg, flervalg, skala, fritekst]. Eksport: [indsæt uddrag]. Formål med undersøgelsen: [hvad skal vi beslutte eller lære].

Gennemfør behandlingen i denne rækkefølge: Rensning (dubletter, svar afgivet på få sekunder, interne modstridende svar: list hvad du fjerner og hvorfor). Frekvenstabeller for hvert spørgsmål (med passende format til hver type). De 3-5 mest nyttige krydstabeller for MIT formål (begrund valget, lad være med at krydse alt med alt).

Obligatoriske forbehold: Mind om, hvem der har svaret, og hvordan stikprøven kan afvige fra målgruppen (frivillighed, distributionskanal). Advarsel ved krydstabeller hvor en celle har under 30 respondenter. Ingen årsagskonklusioner på deklarative data. Format: Behandlingsplan, resultater fra uddraget, begrænsninger i en boks til sidst.

Jeg har implementeret [ændring, f.eks. nye åbningstider, nyt design, ny pris, nyt salgsmanuskript] den [dato], og jeg vil vide, om det virkede, uden en kontrolgruppe. Metrik: [metrik]. Værdier før: [serie før ændringen, så lang som muligt]. Værdier efter: [serie siden ændringen]. Andre begivenheder i perioden: [hvad der ellers er sket: sæson, kampagne, nyheder, vejr, konkurrenter].

Før du sammenligner gennemsnit, så tving mig til at tjekke: Er "før-vinduet" repræsentativt? Overskrider den observerede variation de sædvanlige udsving i metrikken (sæt tal på det)? Kan sæson forklare forskellen? Hvilke af de andre begivenheder kunne give samme effekt?

Konkluder på tre niveauer: Hvad data beviser, hvad de kun antyder, og hvad de ikke kan afgøre. Afslut med et forslag til, hvordan næste evaluering kan gøres stærkere (f.eks. gradvis udrulning eller A/B test). Det er forbudt at konkludere alene på tidsmæssigt sammenfald. Format: Analyse, konklusioner, anbefalinger til næste gang.

Skriv et notat på én side baseret på min analyse, rettet til [læser, f.eks. direktøren, investeringskomitéen, en kunde], som vil læse det på [tid, f.eks. tre minutter] og skal beslutte: [beslutning]. Råmateriale: [indsæt resultater, tal, observationer]. Min anbefaling: [anbefaling].

Tvungen struktur: En titel der angiver konklusionen (ikke emnet). Første afsnit giver svaret og hovedtallet. Derefter maks. 3 observationer, hver med ÉT understøttende tal. Mulige valgmuligheder med pris og risiko i én linje hver. En klar anbefaling. En linje om "hvad vi endnu ikke ved" (begrænsninger uden at drukne budskabet).

Krav til form: Maks. én side. Korte sætninger. Ingen analytiker-jargon (ingen "korrelation" eller "dataset" uden forklaring). Tal afrundet til det, der er relevant for beslutningen. Ingen tal i notatet, som ikke findes i råmaterialet. Hvis info mangler, skriv [data mangler] i stedet for at opfinde noget.

Hjælp mig med at transformere mine analyseresultater til en præsentation der gør indtryk, for [målgruppe og anledning, f.eks. kvartalsmøde med ledelsen]. Varighed: [tid]. Resultater der skal præsenteres: [indsæt hovedpunkter og tal]. Hvad jeg vil opnå hos målgruppen: [beslutning, budget, ændret prioritet].

Opbyg den narrative bue: Situationen målgruppen kender og anerkender. Spændingen (tallet eller observationen der forstyrrer eller overrasker). Udforskningen (hvorfor er det sådan, maks. 2-3 beviser). Løsningen (hvad jeg foreslår) og opfordring til handling. Opdel derefter i slides: Én idé pr. slide. Titlen på hver slide skal være en konstaterende sætning, der bærer idéen (titlerne alene skal fortælle hele historien).

For hvert hovedtal, foreslå en sammenligning der gør det håndgribeligt (f.eks. sammenligning med noget målgruppen kender, eller oversættelse til kr. eller kunder pr. uge). Krav: Ingen opdigtede tal. Analysens forbehold får sin egen slide, ikke bare en fodnote. Format: Slide-plan med titel og indhold.

Oversæt mit analyseresultat til en klar forklaring for [publikum, f.eks. salgsteamet, franchisetagere, slutkunder], som ikke har statistisk baggrund. Teknisk resultat: [angiv resultatet med tekniske termer, f.eks. korrelation på 0,7 mellem X og Y, konfidensinterval, A/B test resultat]. Hvad publikum skal bruge det til: [handling eller forventet ændring].

Lav tre niveauer af forklaring: Den mundtlige 30-sekunders version (dagligsprog, en hverdagslignelse hvis det hjælper, ingen tekniske termer). Den 5-minutters version med et konkret taleksempel fra mine data. Svar på de 3 spørgsmål, dette publikum sandsynligvis vil stille.

Krav til nøjagtighed: Formidlingen må ikke sige MERE end det tekniske resultat (en korrelation bliver ikke til en årsag, en tendens bliver ikke til en sikkerhed). Marker eksplicit hvor du har forenklet, og hvad forenklingen udelader. Format: De tre niveauer, derefter liste over bevidste forenklinger.

Jeg vil dokumentere [rapport, f.eks. mit månedlige salgsdashboard, aktivitetsrapporten hver mandag], så en anden person kan producere, forstå og rette den uden min hjælp. Hvordan den produceres i dag: [beskriv mekanikken: kilder, udtræk, filer, formler, manuel behandling, distribution]. Frekvens: [frekvens]. Modtagere: [hvem modtager den og til hvad].

Skriv dokumentationen i fire dele: Produktionsvejledning (hvert trin i rækkefølge, præcis hvor der skal klikkes, inkl. de "grimme" manuelle rettelser). Indikator-dictionary (definition, formel, kilde for hver). Afhængighedskort (hvad ødelægger rapporten: ændret eksportformat, udløbet adgang, omdøbt ark). Incident-protokol (hvordan tjekkes et omdiskuteret tal, hvem skal have besked, hvordan rettes en allerede udsendt fejlrapport).

Stil mig spørgsmål, hvis min beskrivelse har huller, i stedet for at gætte. Format: Struktureret dokument klar til arkivering i [placering, f.eks. fællesdrev].

Jeg skal sammenkøre to filer, der handler om de samme enheder, men uden en pålidelig fælles nøgle: [Fil 1, f.eks. CRM-eksport med firmanavn og e-mail] og [Fil 2, f.eks. bogføringseksport med juridisk navn og fakturanummer]. Kolonner i Fil 1: [liste]. Kolonner i Fil 2: [liste]. Uddrag: [indsæt 10 linjer fra hver]. Mål med sammenkøringen: [hvad skal vi bruge det til].

Opbyg en kaskade-strategi fra mest sikker til mindst sikker: Først præcise nøgler efter normalisering (e-mail i små bogstaver, CVR-nummer, rensede numre). Derefter sammensatte nøgler (normaliseret navn + postnummer). Til sidst fuzzy matching på navne (forklar metoden i [Excel, Google Sheets] og dens begrænsninger). For hvert trin: Hvor mange linjer matches i uddraget, og hvad er risikoen for fejl-matches?

Krav: Hvert match skal beholde en kolonne med "metode", der viser hvilket trin det kom fra. Linjer uden match ender i en manuel arbejdsliste, de må aldrig fjernes lydløst. Format: Kaskade-plan, formler, tabel til opfølgning på match-rater.

Jeg kan ikke gennemgå hele populationen og skal arbejde med en stikprøve. Population: [beskrivelse og størrelse, f.eks. 12.000 kundesager, 3.000 årsfakturaer, 800 optagede opkald]. Hvad jeg vil estimere eller tjekke: [mål, f.eks. fejlrate i indtastning, andel af korrekte sager]. Nødvendig præcision: [f.eks. vide om raten er over 5%, estimat +/- 3 procentpoint].

Opbyg planen: Nødvendig stikprøvestørrelse for min målpræcision (forklar ræsonnementet enkelt). Metoden til udtræk der undgår skævheder (simpel tilfældig eller stratificeret: hvis min population har meget forskellige undergrupper [beskriv mulige lag], så anbefal og dimensioner stratificeringen). Konkret procedure for udtræk i [Excel eller Google Sheets] (reproducerbar tilfældighedsformel).

List de skævheder (biases) der truer MIT case trods udtrækket (f.eks. sager der ikke kan findes erstattes af nemme sager, ikke-repræsentativ periode) og modtræk for hver. Afslut med en standardsætning til at præsentere resultatet med dets usikkerhedsmargin. Format: Plan, procedure, forbehold.

Min konverteringsrate varierer alt efter, hvordan den beregnes, og jeg vil gøre den pålidelig én gang for alle. Kontekst: [proces, f.eks. besøg til køb, tilbud til underskrift, opkald til møde]. Måleværktøjer: [f.eks. GA4, CRM, kassesystem]. Nuværende beregninger og deres resultater: [de forskellige versioner der cirkulerer].

Hjælp mig med at fastlægge en streng definition: Tælleren (hvilken hændelse tæller, håndtering af annulleringer, dubletter, flere konverteringer fra samme person). Nævneren (hvem er med i basen: unikke besøgende eller besøg, kvalificerede leads eller alle kontakter, adgangskriterier). Attributionsvinduet (hvor lang tid mellem start og konvertering, og hvilken periode tilskrives en konvertering, der spænder over to måneder?).

Vis effekten af hvert valg på tallet med mine data. Forklar hvorfor mine nuværende tal afviger. Afslut med den valgte definition i én sætning, og de to læsefejl man skal advare mod (f.eks. at sammenligne rater med forskellige afgrænsninger). Format: Definition, sammenligning, advarsler.

Jeg vil beregne og følge churn (kundeafgang) for [aktivitet, f.eks. software-abonnementer, serviceaftaler, fitnesscenter]. Data: [beskriv, f.eks. eksport af abonnementer med startdato, slutdato, status, månedligt beløb]. Faktureringscyklus: [månedlig, årlig, blandet].

Fastlæg først definitionerne. Anbefal den bedste løsning for mit case og vis effekten på tallet: Churn i antal kunder eller i omsætning (de to fortæller forskellige historier: vis et eksempel). Startbasen (kunder ved periodens start, inkl. eller ekskl. nye kunder i måneden). Håndtering af grænsetilfælde (pause, manglende betaling, nedgradering, opsigelse indsendt men først effektiv senere, kunde der kommer tilbage).

Giv den præcise formel og implementering i [Excel, Google Sheets eller SQL]. Advar mod læsefælder: Blanding af månedlige og årlige cyklusser i samme rate, churn der ser bedre ud fordi salget går hurtigt, og hvorfor kohorte-analyse er et nødvendigt supplement. Format: Beslutninger, formel, implementering, fælder.

Jeg vil forstå, hvad hvert [produkt, ydelse eller kategori] reelt bidrager med. Data: [eksport, f.eks. salg pr. produkt med antal og pris fra kassesystem, indkøb og omkostninger fra bogholderi]. Identificerede omkostninger: [liste: indkøb, materialer, løn, faste omkostninger, fragt, provision].

Opbyg analysen i trin: Bruttoavance pr. produkt (salgspris minus direkte omkostninger, ekskl. moms). Derefter det svære spørgsmål om indirekte omkostninger: Foreslå 2 plausible fordelingsnøgler for min virksomhed (omsætning, tidsforbrug, volumen). Vis hvordan rangeringen af produkter ændrer sig alt efter nøglen, og forklar hvorfor ingen af dem er "den eneste sandhed".

Præsenter resultatet ved at krydse avance-procent OG avance i kr. med volumen: Produktet med høj avance der ikke sælger, produktet med lav avance der skaber volumen, og hvad man overser ved kun at se på én af delene. Afslut med 3 beslutninger denne analyse kan støtte (pris, stop, promovering). Format: Metode, tabel-skabelon, kommenteret læsning.

Jeg vil måle, hvor meget min forretning afhænger af få [kunder, produkter, kanaler, referencer]. Data: [eksport, f.eks. omsætning pr. kunde over 12 måneder fra fakturering]. Værktøj: [Excel eller Google Sheets].

Guide opbygningen af koncentrationsanalysen: Sortering efter størrelse, akkumulering og akkumuleret procent (præcise formler). Læsning af de vigtige tærskler (hvor mange elementer skal der til for at nå 50% og 80% af totalen, andel af den største og de fem største). Pareto-kurve (hvordan den tegnes og læses).

Gå videre end tallene: Hjælp mig med at vurdere RISIKOEN ved denne koncentration: Hvad sker der, hvis den største [kunde eller produkt] forsvinder (effekt i kr. og procent)? Stiger eller falder koncentrationen i forhold til [sammenligningsperiode]? Koster den lange hale (de mange små) mere at servicere, end de giver? 

Krav: Håndter forbundne elementer (samme koncern, samme indkøber). Konkluder ikke "skær halen af" uden at se på de reelle omkostninger. Format: Metode, formler, risikovurdering på 5 linjer.

Jeg vil sammenligne performance for mine [salgssteder, afdelinger, teams] uden at være uretfærdig: De har ikke samme vilkår. Enheder der skal sammenlignes: [liste, med kendte forskelle: størrelse, placering, alder, antal ansatte, kundestrøm]. Data: [tilgængelige metrikker pr. enhed og periode].

Opbyg sammenligningen i tre trin. Først metrikker RELATERET til et retfærdigt grundlag (pr. sælger, pr. kvadratmeter, pr. åbningstime, pr. indbygger i området: vælg de relevante nøgletal og begrund). Derefter sammenligning af hver enhed med sig selv (fremgang over et år): Fortæller rangeringen efter fremgang noget andet end den rå rangering? Til sidst de uforklarlige afvigelser: Dem der består efter normalisering, og som fortjener et besøg eller en samtale, ikke en sanktion.

Krav: Marker enheder der er for nye eller små til at blive rangeret. Saml aldrig alt i én rangliste uden at vise de underliggende nøgletal. List faktorer data ikke fanger (ombygning, lokal konkurrence, sygdom). Format: Sammenligningstabel og læsevejledning til ledermødet.

Jeg vil analysere min konverteringstragt for at finde ud af, hvor indsatsen skal lægges. Proces: [beskriv trinene, f.eks. besøg, produktvisning, kurv, levering, betaling, bekræftelse; eller B2B: lead, kontakt, møde, tilbud, underskrift]. Volumen pr. trin over [periode]: [indsæt tal]. Målekilde: [GA4, CRM, andet].

Beregn gennemløbsrater (conversion rates) mellem hvert efterfølgende trin (ikke kun den samlede rate) og identificer det trin, der taber mest – både i antal personer og i procent: De to perspektiver peger ikke altid på samme trin. Forklar hvilket der skal prioriteres for mit mål [mål, f.eks. flere underskrifter med samme trafik].

Tjek målefælder med mig før konklusion: Tekniske trin der ikke altid registreres, brugere der springer trin over eller går tilbage, for kort måleperiode for langsomme processer. Foreslå derefter den mest lærerige krydsning med [tilgængeligt segment, f.eks. mobil vs. desktop, trafikkilde, kundestørrelse]. Format: Tabel med rater, diagnose, 2 testbare forbedringsforslag til det prioriterede trin.

Jeg har en mistanke om en sammenhæng mellem [variabel 1, f.eks. vejret, antal online anmeldelser, svartid på tilbud] og [variabel 2, f.eks. mit salg, lukkeprocent]. Jeg vil tjekke det ordentligt. Data: [indsæt de to serier, f.eks. pr. dag, uge eller sag]. Min intuition: [hvad jeg tror, og hvad jeg ville gøre, hvis det blev bekræftet].

Guide analysen i [Excel eller Google Sheets]: Først et punktplot (scatter plot) og læsning af det (form, retning, outliers der trækker i resultatet). Derefter korrelationskoefficienten med en forklaring i simpelt sprog og de tærskler, hvor den bliver interessant givet mit antal observationer [antal punkter].

Derefter den vigtigste del: Gennemgå alternative forklaringer før enhver årsagskonklusion: Fælles faktor der påvirker begge variabler (især sæsonudsving), omvendt årsagssammenhæng eller rent tilfælde ved få datapunkter. For hver: Angiv en enkel test der kan styrke eller svække hypotesen. Konklusion på tre linjer: Hvad er fastlagt, hvad er stadig en hypotese, og hvilket eksperiment kunne give det endelige svar. Format: Analyse, tolkning, forbehold.