Datenanalyse KI-Prompts: 50 fertige Vorlagen für Profis

Unbekannte Datendatei explorieren

Ein methodischer erster Blick auf einen Export: Qualität, Struktur und erste Analyseansätze.

Ich übergebe Ihnen einen Datenexport aus [Quelle, z. B. CRM, Kassensystem, Google Analytics]. Ich möchte verstehen, was er enthält und welcher Nutzen daraus gezogen werden kann. Geschäftlicher Kontext: [Tätigkeit und allgemeine Fragestellung, z. B. Warum sinken die Umsätze?].

Daten: [Daten oder die ersten Zeilen mit Kopfzeilen einfügen]

Gehen Sie methodisch vor: Beschreiben Sie die Struktur (Spalten, Datentypen, Zeitraum, Granularität). Bewerten Sie die Qualität (fehlende Werte, wahrscheinliche Dubletten, Inkonsistenzen, leere oder konstante Spalten – listen Sie diese präzise auf). Berechnen Sie Basisstatistiken für die wichtigsten Spalten. Schlagen Sie 5 geschäftliche Fragen vor, die diese Daten beantworten können, und 3 Fragen, die sie trotz Anschein NICHT beantworten können (mit Hinweis auf fehlende Daten).

Schließen Sie mit der vielversprechendsten Analyse ab, die zuerst durchgeführt werden sollte, inklusive Methode. Ziehen Sie zum jetzigen Zeitpunkt noch keine geschäftlichen Schlussfolgerungen.

Im Chat öffnen

Unbekannte Datendatei explorieren

Ein methodischer erster Blick auf einen Export: Qualität, Struktur und erste Analyseansätze.

Ich übergebe Ihnen einen Datenexport aus [Quelle, z. B. CRM, Kassensystem, Google Analytics]. Ich möchte verstehen, was er enthält und welcher Nutzen daraus gezogen werden kann. Geschäftlicher Kontext: [Tätigkeit und allgemeine Fragestellung, z. B. Warum sinken die Umsätze?].

Daten: [Daten oder die ersten Zeilen mit Kopfzeilen einfügen]

Gehen Sie methodisch vor: Beschreiben Sie die Struktur (Spalten, Datentypen, Zeitraum, Granularität). Bewerten Sie die Qualität (fehlende Werte, wahrscheinliche Dubletten, Inkonsistenzen, leere oder konstante Spalten – listen Sie diese präzise auf). Berechnen Sie Basisstatistiken für die wichtigsten Spalten. Schlagen Sie 5 geschäftliche Fragen vor, die diese Daten beantworten können, und 3 Fragen, die sie trotz Anschein NICHT beantworten können (mit Hinweis auf fehlende Daten).

Schließen Sie mit der vielversprechendsten Analyse ab, die zuerst durchgeführt werden sollte, inklusive Methode. Ziehen Sie zum jetzigen Zeitpunkt noch keine geschäftlichen Schlussfolgerungen.

Im Chat öffnen

Entwicklung einer Kennzahl interpretieren

Eine Analyse, die zwischen realer Veränderung, Saisonalität und Rauschen unterscheidet.

Meine Kennzahl [Indikator, z. B. Conversion-Rate, Warenkorbwert, Churn] hat sich von [Vorher-Wert] auf [Nachher-Wert] zwischen [Zeitraum 1] und [Zeitraum 2] verändert. Verfügbare Historie: [Werte der Vorperioden]. Ereignisse im Zeitraum: [Was hat sich geändert: Kampagne, Preise, Saison, Störung, Relaunch].

Helfen Sie mir vor jeder Interpretation bei der Prüfung: Ist die Schwankung angesichts der üblichen Fluktuationen signifikant (berechnen Sie die Größenordnung normaler Schwankungen aus der Historie)? Kann Saisonalität dies erklären (Vergleich mit dem Vorjahreszeitraum)? Hat sich der Messbereich geändert (Basisvolumen, Definition, Messwerkzeug)?

Listen Sie erst danach Hypothesen auf, sortiert nach Plausibilität. Nennen Sie für jede den Test oder die Daten, die sie bestätigen würden. Verboten: Kausalität allein aus zeitlicher Koinzidenz ableiten. Schließen Sie mit einem ehrlichen Satz ab, den Sie sagen würden, wenn man Sie fragt: „Ist das besorgniserregend?“.

Im Chat öffnen

Kennzahlen für ein Dashboard definieren

Die begründete Auswahl von 6 bis 8 Kennzahlen, verknüpft mit konkreten Entscheidungen.

Helfen Sie mir, ein Dashboard für [Bereich, z. B. Vertriebsteam, Online-Shop, Kundenservice] zu definieren. Ziel der Tätigkeit: [Ziel]. Entscheidungen, die dieses Dashboard unterstützen soll: [wiederkehrende Entscheidungen, z. B. Wo investieren wir Vertriebszeit, wann stellen wir ein, welche Produkte bewerben wir]. Verfügbare Daten: [Quellen und Tools].

Schlagen Sie für jede Entscheidung die Kennzahlen vor, die wirklich Klarheit schaffen. Unterscheiden Sie zwischen Ergebniskennzahlen (Lagging Indicators) und Aktionskennzahlen (Leading Indicators, auf die man diese Woche Einfluss hat). Maximal 8 Kennzahlen insgesamt: Wenn Sie welche verwerfen, begründen Sie dies.

Für jede gewählte Kennzahl: eindeutige Definition (was genau wird gezählt, über welchen Zeitraum), Formel, Quelle, Frequenz der Überprüfung und die klassische Interpretationsfalle (Mix-Effekt, Durchschnitt, der Verteilung verschleiert, Manipulierbarkeit durch das Team).

Im Chat öffnen

Analyseergebnisse an Entscheider präsentieren

Transformation einer technischen Analyse in eine klare Botschaft: Befund, Beleg, Empfehlung.

Transformieren Sie meine Analyse in eine Präsentation für [Zielgruppe, z. B. Geschäftsführung, Abteilungsleiter, Kunde]. Ausgangsfrage der Analyse: [Frage]. Was ich herausgefunden habe: [Ergebnisse, Zahlen, Erkenntnisse]. Grenzen der Analyse: [Einschränkungen: unvollständige Daten, kurzer Zeitraum, Verzerrungen]. Meine Empfehlung: [Empfehlung, falls vorhanden].

Strukturieren Sie die Wiedergabe in dieser Reihenfolge: Die Antwort auf die Frage in einem Satz (Hauptbotschaft zuerst, nie die Methode zuerst). 2 oder 3 stützende Erkenntnisse mit jeweils EINER Zahl (nicht fünf Zahlen pro Punkt). Die Empfehlung mit Kosten und Nutzen. Die Grenzen offen benennen, ohne die eigene Arbeit zu entwerten (Grenze = Anwendungshinweis, keine Entschuldigung).

Bereiten Sie zudem vor: 3 wahrscheinliche Fangfragen dieser Zielgruppe mit Antworten sowie die „30-Sekunden-Elevator-Pitch“-Version der Botschaft. Format: [gewünschtes Ausgabeformat, z. B. Slide-Struktur, E-Mail, One-Pager].

Im Chat öffnen

Testplan vor der Skalierung entwerfen

Ein einfaches und ehrliches Testprotokoll: Hypothese, Stichprobe, Dauer und vorab definierte Erfolgskriterien.

Ich möchte [geplante Änderung, z. B. neuer Preis, neue Landingpage, neues Anrufskript, Versandzeitpunkt] testen, bevor ich es ausrolle. Aktuelle Situation: [aktuelle Metrik und Niveau]. Verfügbares Volumen: [Traffic, Anrufe, Sendungen pro Woche]. Erwartung: [erhoffte Verbesserung].

Erstellen Sie das Protokoll: Die widerlegbare Hypothese („Wenn X, dann steigt Y um mindestens Z“). Das Erfolgskriterium und die Entscheidungsschwelle JETZT festlegen (bevor Ergebnisse vorliegen). Die Aufteilung Test/Kontrollgruppe und deren saubere Zuweisung. Die notwendige Dauer basierend auf meinem Volumen, um echten Effekt von Rauschen zu trennen (Erklärung der Berechnung). Störfaktoren, die neutralisiert werden müssen (Saisonalität, Wochentag, Kundenmix).

Fügen Sie ein Auswertungsschema hinzu: In welchem Fall wird ausgerollt, wann abgebrochen, wann verlängert? Welche Schlüsse sind VERBOTEN, selbst wenn die Zahlen verlockend sind (nachträglich entdeckte Untergruppen, Abbruch beim ersten positiven Peak).

Im Chat öffnen

Kundendatei bereinigen (Dubletten)

Eine Methode zur Dublettenprüfung, die zwischen echten und vermeintlichen Dopplungen unterscheidet.

Sie sind Datenanalyst. Ich muss eine Kundendatei aus [Tool, z. B. CRM, Buchhaltungssoftware] vor einer Kampagne bereinigen. Verfügbare Spalten: [Spalten auflisten, z. B. Name, Vorname, E-Mail, Telefon, Adresse, Erstellungsdatum].

Auszug der Datei: [20 bis 30 repräsentative Zeilen einfügen].

Schlagen Sie eine Strategie in mehreren Durchläufen vor: Zuerst exakte Dubletten (welche Spalten?), dann wahrscheinliche Dubletten (Schreibweisen, gleiche E-Mail bei anderem Namen, unterschiedliche Telefonformate). Geben Sie für jeden Durchlauf den Abgleichschlüssel, notwendige Normalisierungen (Kleinschreibung, Leerzeichen, Ländervorwahlen) und das Risiko von „False Positives“ an.

Vorgaben: Niemals automatisch nur auf Basis von Vor-/Nachname zusammenführen. Immer angeben, welcher Datensatz behalten wird (der neueste? der vollständigste?) und warum. Ausgabeformat: Schritt-für-Schritt-Aktionsplan, konkrete Excel-/Google Sheets-Formeln und Schätzung der erkannten Dubletten pro Durchlauf für den Auszug.

Im Chat öffnen

Gemischte Datumsformate vereinheitlichen

Bereinigung einer Datumsspalte mit heterogenen Formaten ohne Beschädigung ambivalenter Werte.

Ich habe einen Export aus [Quelle, z. B. Kassensystem, Online-Formular], dessen Datumsspalte verschiedene Formate mischt: [Beispiele, z. B. 03.04.2026, 2026-04-03, 3. April 2026, 04-03-26]. Ich arbeite in [Excel oder Google Sheets].

Helfen Sie mir, alles in ein einheitliches Format [Zielformat, z. B. JJJJ-MM-TT] zu konvertieren, ohne Daten zu korrumpieren. Identifizieren Sie zuerst alle vorhandenen Formate und markieren Sie AMBIGUE Werte (03/04: 3. April oder 4. März?). Listen Sie diese explizit auf, statt willkürlich zu entscheiden. Schlagen Sie ein Kriterium zur Klärung vor (Sprache des Quelltools, Wertebereich über 12, Konsistenz mit anderen Spalten).

Geben Sie Formeln oder Schritte zur Konvertierung an, inklusive einer Kontrollspalte, die Zeilen markiert, in denen die Konvertierung fehlgeschlagen ist oder ein Datum außerhalb des plausiblen Zeitraums [Zeitraum] erzeugt hat. Schließen Sie mit einer Checkliste vor dem Ersetzen der Originalspalte ab.

Im Chat öffnen

Umgang mit fehlenden Werten in Dateien

Eine fundierte Abwägung zwischen Löschen, Imputieren oder Kennzeichnen, Spalte für Spalte.

Sie sind ein präziser Datenanalyst. Meine Datei [Beschreibung, z. B. ERP-Bestellexport des Jahres] enthält fehlende Werte. Ich muss entscheiden, wie ich damit vor der Analyse umgehe. Betroffene Spalten und geschätzte Lückenquote: [z. B. PLZ 12 %, Akquisekanal 40 %, Betrag 2 %].

Geplante Analyse: [Was soll berechnet werden, z. B. Umsatz nach Region und Kanal].

Helfen Sie mir für jede Spalte bei der Beantwortung: Enthält die Lücke eine Information (nicht anwendbar, optionales Feld, Fehler bei Erfassung) oder ist sie zufällig? Welche Option ist für MEINE Analyse am wenigsten riskant: Zeilen ausschließen, Wert imputieren (welchen und warum), Kategorie „Nicht angegeben“ erstellen oder Analyseachse verwerfen? Welche Verzerrung führt jede Option ein?

Vorgaben: Keine Imputation durch den Durchschnitt ohne Begründung. Auswirkungen quantifizieren (wie viele Zeilen gehen verloren, Gewicht am Gesamten). Format: Tabelle Spalte für Spalte mit Entscheidung, Begründung und Hinweis für die finale Ergebnispräsentation.

Im Chat öffnen

Heterogene Textfelder normalisieren

Harmonisierung von Freitextfeldern (Städte, Firmen, Kategorien) zu einem sauberen Referenzsystem.

Ich habe eine Spalte mit Freitext, die normalisiert werden muss: [Art des Feldes, z. B. Städtenamen, Firmennamen, Produktkategorien] in [Tool, z. B. Google Sheets, Excel]. Beispiele für reale Werte: [20 bis 40 Werte einfügen, inklusive Varianten: Groß-/Kleinschreibung, Abkürzungen, Fehler, Leerzeichen].

Ziel: Eine saubere Spalte mit einem kanonischen Wert pro Entität für korrekte Aggregation.

Gehen Sie so vor: Identifizieren Sie Gruppen von Varianten, die dieselbe Entität bezeichnen. Schlagen Sie den kanonischen Wert für jede Gruppe vor. Listen Sie Zweifelsfälle auf, die manuell geprüft werden müssen. Geben Sie die Methode zur Umsetzung an: Mapping-Tabelle (Variante zu Kanonisch) plus SVERWEIS/XVERWEIS, Vorab-Regeln (Groß-/Kleinschreibung, Akzente, Leerzeichen, Interpunktion) und eine Kontrollformel, die Werte ohne Treffer isoliert.

Vorgabe: Die Mapping-Tabelle muss ein separates Blatt sein, das für künftige Exporte wiederverwendbar ist. Keine manuellen Ersetzungen im Hauptblatt. Format: Mapping-Tabelle, dann kopierfähige Formeln.

Im Chat öffnen

Datei für CRM-Import vorbereiten

Anpassung einer Kontaktliste an Importvorgaben: Prüfungen, Mapping und Fehlerbehandlung.

Ich muss eine Datei mit [Art, z. B. Messekontakte, Formular-Leads] in [CRM oder Zieltool] importieren. Spalten meiner Datei: [Spalten auflisten]. Vom Zieltool erwartete Felder und Einschränkungen: [Felder und Regeln auflisten, z. B. E-Mail Pflicht, Telefon im internationalen Format].

Stichprobe: [10 bis 20 Zeilen einfügen].

Erstellen Sie den Konformitätsplan: Mapping Quellspalte zu Zielfeld (inklusive verwaister Spalten auf beiden Seiten). Prüfungen vor dem Import (ungültige E-Mail-Syntax, unvollständige Telefonnummern, leere Pflichtfelder, Dublettenprüfung). Notwendige Transformationen (Trennung Vorname/Nachname, Telefonformatierung, Ländernormalisierung).

Vorgaben: Jede abgelehnte Zeile muss in einem Tab „Fehler“ mit Grund landen, niemals stillschweigend löschen. Keine erfundenen Daten für Pflichtfelder. Ausgabeformat: Mapping-Tabelle, geordnete Liste der Prüfungen mit Formel/Methode und finale Checkliste vor dem Import (Backup, Test-Import von 10 Zeilen, Validierung im Tool).

Im Chat öffnen

Fachliche Frage in SQL übersetzen

Übersetzung einer deutschen Fragestellung in eine korrekte SQL-Abfrage unter expliziten Annahmen.

Sie sind ein Senior SQL-Entwickler. Meine fachliche Frage: [Frage auf Deutsch, z. B. Welche Kunden haben dieses Jahr mindestens zweimal bestellt, aber seit drei Monaten nichts mehr?]. Datenbank: [System, z. B. PostgreSQL, MySQL, BigQuery]. Verfügbare Tabellen und Spalten: [Tabellen, Spalten und Beziehungen beschreiben oder Schema einfügen].

Bevor Sie die Abfrage schreiben, formulieren Sie meine Frage in präzisen technischen Begriffen um. Listen Sie Unklarheiten und Ihre getroffenen Annahmen auf (Was genau wird gezählt, welche Datumsgrenzen, inklusive stornierter Bestellungen, Zeitzone). Wenn eine Information im Schema fehlt, sagen Sie es, statt Spalten zu erfinden.

Schreiben Sie dann die Abfrage mit Zeilenkommentaren auf Deutsch. Schlagen Sie eine einfache Kontrollabfrage (Summe oder Count) vor, um die Plausibilität zu prüfen. Format: Annahmen, kommentierte Abfrage, Kontrollabfrage, Einschränkungen des Ergebnisses.

Im Chat öffnen

Bestehende SQL-Abfrage erklären

Retro-Dokumentation einer vorhandenen Abfrage: Was sie wirklich berechnet, Tücken und Gültigkeit.

Ich habe eine SQL-Abfrage übernommen, die in [Kontext, z. B. monatliches Reporting, automatischer Export] genutzt wird, aber niemand weiß mehr genau, was sie tut. Hier ist sie: [Abfrage einfügen].

Bekannter Kontext: [Was der Bericht zeigen soll, DB-System falls bekannt].

Erklären Sie diese auf drei Ebenen: Eine Zusammenfassung in einem Satz (was sie fachlich berechnet), dann ein Ablauf Block für Block (Joins, Filter, Aggregationen, Subqueries mit deren Effekt). Zeigen Sie versteckte Fallen auf: Joins, die Zeilen duplizieren oder verlieren könnten, Filter im WHERE, die ein LEFT JOIN in ein INNER JOIN verwandeln, NULL-Handling, Datumsgrenzen, implizite Annahmen.

Schließen Sie ab mit: In welchen Fällen wäre das Ergebnis FALSCH, ohne dass eine Fehlermeldung erscheint? Geben Sie zwei schnelle Kontrollabfragen an. Format: Strukturierte Erklärung, Liste der Fallen nach Schweregrad.

Im Chat öffnen

Langsame SQL-Abfrage optimieren

Methodische Diagnose von Performance-Problemen und Optimierungsvorschläge ohne Ergebnisänderung.

Sie sind Experte für SQL-Optimierung. Meine Abfrage ist zu langsam: [aktuelle Dauer] für [ungefähres Volumen der Tabellen]. System: [PostgreSQL, MySQL, SQL Server, BigQuery]. Abfrage: [Abfrage einfügen]. Vorhandene Indizes falls bekannt: [auflisten oder „unbekannt“]. Execution Plan falls vorhanden: [EXPLAIN-Ausgabe einfügen oder „nicht verfügbar“].

Diagnostizieren Sie zuerst: Identifizieren Sie die wahrscheinlichen Ursachen (Funktionen auf gefilterten Spalten, die Indexnutzung verhindern, korrelierte Subqueries, unnötiges SELECT *, Joins auf nicht-indizierten Spalten, Sortierung großer Mengen, fehlende Datumsfilter).

Schlagen Sie Optimierungen vor, sortiert nach Aufwand/Nutzen: Umschreiben der Abfrage (komplette neue Version), zu erstellende Indizes (mit Hinweis auf Schreiblast) und als letztes strukturelle Änderungen. Absolute Vorgabe: Das Ergebnis muss identisch bleiben. Erklären Sie für jede Änderung, warum die Äquivalenz garantiert ist. Schließen Sie mit der Methode zur Erfolgsmessung ab.

Im Chat öffnen

SQL-Ergebnisse vor der Weitergabe prüfen

Ein Set von Kontrollabfragen zur Validierung von SQL-Zahlen vor dem Versand an Fachabteilungen.

Ich habe ein Ergebnis mit dieser SQL-Abfrage erzeugt und möchte es prüfen, bevor ich es an [Empfänger, z. B. Geschäftsführung, Kunde] sende. Abfrage: [Abfrage einfügen]. Erhaltenes Ergebnis: [Zahlen]. Erwartete Größenordnung laut Fachbereich: [Plausibilitätswert oder „keine Ahnung“].

Erstellen Sie meine Kontrollbatterie: Eine Abfrage für das Bruttovolumen (Zeilen vor Filtern, Zeilen nach jedem Hauptfilter, um zu sehen, wo Volumen verloren geht). Prüfung auf Dubletten beim vermeintlich eindeutigen Schlüssel. Prüfung auf NULL-Werte in Join- und Aggregationsspalten. Abgleich mit einer unabhängigen Quelle [verfügbare Quelle]. Test der Grenzen (ändert sich die Zahl, wenn ich den Zeitraum um einen Tag verschiebe?).

Für jede Prüfung: Die fertige Abfrage, wie ein normales Ergebnis aussieht und was mich alarmieren sollte. Schließen Sie mit der Entscheidungsregel ab: Wann darf ich veröffentlichen, wann muss ich korrigieren?

Im Chat öffnen

Nützliche Pivot-Tabellen erstellen

Konzeption einer Pivot-Tabelle, die eine präzise Frage beantwortet: Felder, Aggregationen, Lesefallen.

Ich arbeite in [Excel oder Google Sheets] mit einer Datei über [Art der Daten, z. B. Verkaufszeilen mit Datum, Produkt, Filiale, Menge, Betrag]. Frage, die ich beantworten will: [Fachliche Frage, z. B. Welche Produkte treiben das Wachstum in welchen Filialen?].

Verfügbare Spalten: [Spalten und Inhalt auflisten].

Konzipieren Sie die passende(n) Pivot-Tabelle(n): Geben Sie für jede an, welche Felder in Zeilen, Spalten, Werte und Filter gehören. Welche Aggregation (Summe, Mittelwert, Anzahl – und warum der Mittelwert ggf. täuscht)? Welche Gruppierung (Datum nach Monaten, Betragsklassen)?

Weisen Sie auf Fallen hin: Zeilen, die sich duplizieren, wenn die Granularität falsch verstanden wird. Summen, die Einheiten mischen. Prozentsätze auf falscher Basis. Ausgeblendete leere Elemente. Geben Sie die Klick-für-Klick-Anleitung und nennen Sie zwei Erkenntnisse, die die Tabelle ermöglichen wird, sowie eine Schlussfolgerung, die verlockend, aber falsch wäre.

Im Chat öffnen

Formel zum Datenabgleich zwischen Blättern

Wahl und Erstellung der richtigen Suchformel (SVERWEIS, INDEX/VERGLEICH, XVERWEIS) für einen konkreten Fall.

In [Excel oder Google Sheets] möchte ich Informationen aus einem anderen Blatt in mein Hauptblatt ziehen. Hauptblatt: [Spalten, z. B. A Bestellnummer, B Datum, C Betrag]. Quellblatt: [Spalten, z. B. A Bestellnummer, D Kundenname, E Segment]. Zielinformation: [gewünschte Spalte]. Abgleichschlüssel: [gemeinsame Spalte].

Geben Sie mir die exakte Formel zum Kopieren. Wählen Sie zwischen SVERWEIS, INDEX/VERGLEICH und XVERWEIS basierend auf meiner Version [Version angeben] und begründen Sie die Wahl kurz.

Behandeln Sie explizit Fehlerquellen: Fehlender Schlüssel in der Quelle (was statt der Fehlermeldung anzeigen?), doppelte Schlüssel in der Quelle (welche Zeile wird genommen, wie erkennt man das?), Schlüssel, die gleich aussehen, sich aber durch Leerzeichen oder Format (Zahl vs. Text) unterscheiden. Format: Hauptformel, Formel zur Dublettenerkennung, Reinigungsformel.

Im Chat öffnen

Bedingte Formeln mit mehreren Kriterien

Übersetzung eines fachlichen Bedarfs in korrekte SUMMEWENNS, ZÄHLENWENNS oder MITTELWERTWENNS.

Ich arbeite in [Excel oder Google Sheets]. Meine Daten: [Spalten mit Buchstaben beschreiben, z. B. A Datum, B Vertriebler, C Region, D Betrag, E Status]. Was ich berechnen möchte: [z. B. Gesamtsumme der Verkäufe in Region Nord, die 2026 von Vertriebler X erzielt wurden, ohne Status „storniert“].

Schreiben Sie die exakte(n) Formel(n) mit den richtigen Bereichen. Wählen Sie zwischen SUMMEWENNS, ZÄHLENWENNS, MITTELWERTWENNS oder einer Kombination. Erklären Sie jedes Kriterium der Formel in einer Zeile.

Berücksichtigen Sie Details: Datumskriterien (wie schreibt man „im Jahr 2026“ oder „zwischen zwei Daten“ korrekt mit Anführungszeichen und Ampersand), Ausschlusskriterien (ungleich), Platzhalter für Teiltext und absolute Bezüge mit Dollarzeichen zum Kopieren. Fügen Sie eine Kontrollformel hinzu: Die Summe meiner Teilformeln muss die Gesamtsumme ergeben. Format: Kopierfähige Formeln mit jeweils einer Zeile Erklärung.

Im Chat öffnen

Informationen aus Text mit Regex extrahieren

Erstellung eines kommentierten regulären Ausdrucks zum Extrahieren oder Reinigen von Mustern.

In Google Sheets (Funktionen REGEXEXTRACT, REGEXMATCH, REGEXREPLACE) möchte ich [Zielinfo, z. B. PLZ, Rechnungsnummer, E-Mail-Domain] aus einer Freitextspalte extrahieren. Reale Beispiele: [10 bis 15 Werte einfügen, inklusive Sonderfälle].

Erwartetes Ergebnis für diese Beispiele: [Ergebnis für 3-4 Beispiele nennen].

Schreiben Sie die komplette Formel. Erklären Sie die Regex Stück für Stück auf Deutsch (Zeichenklassen, Quantoren, Gruppen). Prüfen Sie diese gegen meine Beispiele und nennen Sie Fälle, in denen sie scheitern könnte, statt 100%ige Erfolgsgarantie zu geben.

Ergänzen Sie: Eine REGEXMATCH-Variante für eine Wahr/Falsch-Kontrollspalte, den Umgang mit „kein Treffer“ ohne Fehlermeldung und bekannte Grenzen des Musters. Vorgabe: Bevorzugen Sie eine lesbare, etwas längere Regex gegenüber einer unleserlichen kompakten. Format: Kopierfähige Formeln, dann Erklärung.

Im Chat öffnen

Fehlerhafte Formeln diagnostizieren

Systematisches Vorgehen, um zu verstehen, warum eine Formel #NV, #BEZUG! oder falsche Werte liefert.

Meine Formel in [Excel oder Google Sheets] liefert nicht das erwartete Ergebnis. Exakte Formel: [Formel einfügen]. Fehler oder Symptom: [z. B. #NV in einigen Zeilen, #BEZUG!, falsche Summe, überall Null]. Kontext: [Spalten beschreiben und Beispiel einer Zeile, in der es scheitert, mit realen Werten].

Gehen Sie diagnostisch vor: Listen Sie mögliche Ursachen für MEIN Symptom auf, sortiert von wahrscheinlich bis unwahrscheinlich (gemischte Typen Zahl/Text, unsichtbare Leerzeichen, verschobene Bereiche nach Zeileneinfügung, fehlende Dollarzeichen beim Kopieren, gesuchter Wert fehlt, Sortierung fehlt, lokale Trennzeichen).

Geben Sie für jede Ursache einen Test an, der sie in unter einer Minute bestätigt oder ausschließt (ISTZAHL, ISTTEXT, LÄNGE für Leerzeichen). Sobald die Ursache gefunden ist, geben Sie die minimale Korrektur und eine robuste Version der Formel an. Vorgabe: Nicht vorschlagen, die ganze Datei neu aufzubauen. Format: Diagnosebaum, Tests, Korrektur.

Im Chat öffnen

Das richtige Diagramm für eine Botschaft wählen

Wahl des Diagrammtyps basierend auf der Kernbotschaft, nicht auf der Ästhetik.

Ich muss Daten vor [Zielgruppe, z. B. Geschäftsführung, Außendienst] präsentieren und möchte das richtige Diagramm wählen. Kernbotschaft: [Botschaft in einem Satz, z. B. Zwei Produkte treiben den Großteil des Wachstums]. Verfügbare Daten: [Daten beschreiben: Dimensionen, Kennzahlen, Anzahl Kategorien, Zeitraum].

Empfehlen Sie den passenden Diagrammtyp für diese BOTSCHAFT (Vergleich, Entwicklung, Verteilung, Beziehung) und begründen Sie dies in zwei Sätzen. Schlagen Sie eine glaubwürdige Alternative vor und erklären Sie, warum diese nur an zweiter Stelle steht. Schließen Sie schlechte Wahlen explizit aus (z. B. Kuchendiagramm bei zu vielen Kategorien, Doppelachsen, unleserliche gestapelte Flächen) mit Begründung.

Geben Sie konkrete Spezifikationen: Was auf X- und Y-Achse, Sortierung, Skalierung (Nullpunkt inklusive?), notwendige Annotationen, Titel als Botschaft formuliert. Schließen Sie mit der „Don't“-Version: Die Wahl, die die Botschaft verzerren würde.

Im Chat öffnen

Bestehendes Diagramm vor Veröffentlichung prüfen

Kritische Durchsicht: Ehrlichkeit der Skalierung, Lesbarkeit, Eignung für die Botschaft.

Hier ist ein Diagramm, das ich in [Kontext, z. B. Monatsbericht, Kundenpräsentation] veröffentlichen möchte. Beschreibung oder Daten: [Diagramm beschreiben: Typ, Achsen, Skalen, Serien, Titel oder Daten einfügen]. Beabsichtigte Botschaft: [Botschaft].

Kritisieren Sie es in drei Bereichen. Ehrlichkeit: Verzerrt die Skala die Veränderung (abgeschnittene Achse, Doppelachse, nicht deklarierte Log-Skala)? Ist der Zeitraum selektiv gewählt (Cherry-picking)? Reicht die Fallzahl für die gezeigten Prozente? Lesbarkeit: Was versteht ein Leser in fünf Sekunden? Sagt der Titel die Botschaft oder nur das Thema? Gibt es unnötige Elemente (Farben, Gitter, Dezimalstellen)? Eignung: Dient dieser Typ der Botschaft oder gäbe es einen besseren?

Kategorisieren Sie Anmerkungen in „Kritisch vor Veröffentlichung“ und „Wünschenswerte Verbesserung“. Beschreiben Sie die korrigierte Version präzise. Vorgabe: Kritisieren Sie das Diagramm, nicht die Daten. Falls das Problem in den Daten liegt, separat erwähnen.

Im Chat öffnen

Daten für ein Diagramm vorbereiten

Transformation eines Rohexports in das exakte Format, das das Diagramm-Tool erwartet.

Ich möchte [Ziel-Diagramm, z. B. monatliche Entwicklung nach Kanal, gestapeltes Balkendiagramm] in [Tool, z. B. Google Sheets, Excel, Looker Studio] erstellen, aber meine Rohdaten haben das falsche Format. Aktuelle Daten: [Auszug mit Kopfzeilen einfügen, z. B. eine Zeile pro Transaktion].

Beschreiben Sie zuerst die exakte Zielstruktur, die mein Tool für dieses Diagramm benötigt (Long- oder Wide-Format, eine Spalte pro Serie oder eine Kategoriespalte, Datumsgranularität). Zeigen Sie ein 5-zeiliges Beispiel der Zieldaten.

Geben Sie den einfachsten Transformationsweg in meinem Tool an: Aggregation (Pivot oder Formeln), Umgang mit Zeiträumen ohne Daten (Nullwerte anzeigen oder weglassen und Effekt auf die Kurve), Sortierung und Rundung (nur in der Anzeige, nie in den Daten).

Schließen Sie mit zwei Kontrollen ab: Entspricht die Summe der transformierten Tabelle der Rohsumme? Passt die Anzahl der Zeiträume zum erwarteten Bereich [Zeitraum]? Format: Zielstruktur, Schritte, Kontrollen.

Im Chat öffnen

Präzise Definition einer Kennzahl verfassen

Ein Steckbrief für Kennzahlen, der Berechnungsunterschiede zwischen Teams eliminiert.

In meinem Unternehmen liefert die Kennzahl [Name, z. B. Conversion-Rate, Umsatz, aktive Kunden] unterschiedliche Werte, je nachdem, wer sie berechnet. Ich möchte EINE Referenzdefinition schreiben. Bekannte Nutzungen: [Wer nutzt sie wie, z. B. Marketing berechnet aus GA4, Vertrieb aus CRM]. Verfügbare Datenquellen: [Tools und Tabellen].

Erstellen Sie den vollständigen Steckbrief: Exakte Formel (Zähler und Nenner eindeutig definiert: Welche Ereignisse zählen, welche sind exkludiert, Umgang mit Stornierungen, Retouren, Dubletten, internen Tests). Referenzzeitraum und Zeitzone. Maßgebliche Quelle bei Abweichungen. Frequenz und Stichtag der Fixierung (kann sich der Wert eines Monats nachträglich ändern?).

Listen Sie wahrscheinliche Abweichungen zwischen aktuellen Nutzungen und dieser Definition auf, inklusive erwarteter Differenzgrößen, um die Umstellung vorzubereiten. Vorgabe: Jeder Begriff muss per Abfrage prüfbar sein. Keine vagen Begriffe („aktiver Kunde“ muss messbar sein). Format: Strukturierter One-Pager.

Im Chat öffnen

Kennzahl in steuerbare Hebel zerlegen

Arithmetische Zerlegung eines KPI in Unterkennzahlen, auf die ein Team tatsächlich Einfluss hat.

Meine Hauptkennzahl ist [KPI, z. B. monatlicher Umsatz, Anzahl Neukunden]. Ich möchte sie in Hebel zerlegen, um zu wissen, wo wir ansetzen müssen. Kontext: [Tätigkeit, z. B. E-Commerce, Dienstleistung, Filialnetz]. Aktuelles Niveau: [Wert]. Ziel: [Zielwert].

Erstellen Sie den arithmetischen Zerlegungsbaum: Die Kennzahl als Produkt oder Summe von Unterkennzahlen (z. B. Traffic x Conversion-Rate x Warenkorbwert). Zerlegen Sie jede Unterkennzahl eine Ebene tiefer, wo sinnvoll. Prüfen Sie, ob die Zerlegung mathematisch exakt ist.

Für jedes Blatt des Baums: Wer in der Organisation kann darauf einwirken? Welche Daten messen dies [Quellen]? Realistischer Spielraum für Verbesserungen? Identifizieren Sie die zwei Hebel, bei denen ein Aufwand den größten Effekt hat (Sensitivität: Was passiert mit dem Haupt-KPI, wenn dieser Hebel um 10 % steigt?). Vorgabe: Hebel benennen, die sich gegenseitig kannibalisieren. Format: Eingerückter Baum, dann Hebeltabelle.

Im Chat öffnen

Retention per Kohortenanalyse untersuchen

Aufbau und Interpretation einer Kohortentabelle zur Unterscheidung von Jahrgangs- und Alterseffekten.

Ich möchte die Retention meiner [Kunden oder Abonnenten] per Kohorten analysieren. Verfügbare Daten: [Beschreibung, z. B. Export mit Kunden-ID, Datum der ersten Bestellung/Registrierung, Daten der Folgeaktivitäten]. Tool: [Excel, Google Sheets, SQL]. Definition eines „gehaltenen“ Kunden: [z. B. hat im Monat erneut bestellt, aktives Abo].

Leiten Sie mich beim Aufbau der Kohortentabelle an: Gruppierung nach Monat der Erstbestellung, Berechnung der Aktivität in M+1, M+2, M+3 usw. als Prozentsatz der Kohortengröße. Geben Sie die konkrete Methode für mein Tool an.

Helfen Sie mir beim LESEN: Unterscheiden Sie den Alterseffekt (alle Kohorten erodieren mit der Zeit) vom Jahrgangseffekt (sind neuere Kohorten besser oder schlechter als alte im gleichen Alter?). Identifizieren Sie den Monat, in dem sich die Retention stabilisiert. Markieren Sie Kohorten, die zu jung oder zu klein für Schlüsse sind. Format: Baumethode, dann Interpretationsleitfaden.

Im Chat öffnen

Kundenbasis mit RFM-Methode segmentieren

Segmentierung nach Recency, Frequency und Monetary Value mit begründeten Schwellenwerten.

Ich möchte meine Kundenbasis nach der RFM-Methode (Recency, Frequency, Monetary Value) segmentieren. Daten: [Export, z. B. eine Zeile pro Bestellung mit Kunden-ID, Datum, Betrag aus Kassensystem/CRM]. Tool: [Excel, Google Sheets, SQL]. Tätigkeit: [Art und typischer Kaufzyklus, z. B. Mode E-Commerce, Kauf alle 2 Monate].

Erstellen Sie das Vorgehen: Berechnung der drei Werte pro Kunde (exakte Formel/Abfrage). Wahl der Schwellenwerte passend zu MEINEM Kaufzyklus statt automatischer Quintile (begründen Sie jeden Schwellenwert). Zuweisung der Scores und Gruppierung in 5 bis 8 sprechende Segmente (Stammkunden, Schläfer, vielversprechende Neue, Verlorene...).

Für jedes Segment: Erwarteter Anteil in Prozent, Charakterisierung in einem Satz, prioritäre Marketingaktion und Kennzahl zur Erfolgskontrolle. Vorgaben: Stornierungen und Testkunden ausschließen, Einmalkunden gesondert behandeln. Format: Schritt-für-Schritt-Methode, dann Segmenttabelle.

Im Chat öffnen

Aktivität mit Saisonalität prognostizieren

Eine einfache, umsetzbare Prognose, die Trend und Saisonalität trennt, inklusive ehrlicher Spanne.

Ich möchte [Größe, z. B. monatliche Verkäufe, Buchungen, Anrufvolumen] für die nächsten [Horizont, z. B. 6 Monate] prognostizieren. Historie: [Serie einfügen, idealerweise 24+ Monate, oder Beschreibung]. Bekannte Saisonalität: [z. B. Peak im Dezember, Tief im August].

Erstellen Sie eine einfache, reproduzierbare Prognose in [Excel oder Google Sheets]: Berechnen Sie den Grundtrend (gleitender Durchschnitt über 12 Monate oder Regression, Wahl begründen), die monatlichen Saisonfaktoren aus der Historie und dann die Prognose (Trend x Faktor). Zeigen Sie die Formeln.

Fordern Sie Ehrlichkeit: Geben Sie eine Unter-/Obergrenze an, basierend auf den Fehlern, die diese Methode in der Vergangenheit gemacht hätte (Backtest: Methode auf die letzten 6 bekannten Monate anwenden und Abweichung messen). Listen Sie auf, was die Methode NICHT sieht (Sondereffekte, Preisänderungen) und wann die Prognose angepasst werden muss. Format: Methode, Formeln, Prognosetabelle mit Spanne, Grenzen.

Im Chat öffnen

Jahresend-Prognose (Landing) erstellen

Hochrechnung des Jahresergebnisses über den einfachen Dreisatz hinaus, inklusive Saisonalität und Obligo.

Wir haben [aktueller Monat] und ich möchte mein Jahresergebnis für [Größe, z. B. Umsatz, Ausgaben, bearbeitete Fälle] hochrechnen. Ist-Stand: [kumulierter Wert]. Jahresziel: [Ziel]. Monatshistorie des Vorjahres und dieses Jahres: [Werte einfügen].

Erstellen Sie drei Projektionen im Vergleich: Den naiven Dreisatz (Ist / verstrichene Monate * 12), die saisonalisierte Projektion (Gewichtung der Restmonate laut Historie) und die „informierte“ Projektion, die Bekanntes einbezieht: [bekannte Elemente, z. B. unterschriebene Aufträge, Pipeline, Betriebsurlaub, Neueinstellungen].

Für jede: Die Zahl, die implizite Annahme und das Szenario, in dem sie am stärksten irrt. Empfehlen Sie die für meinen Fall beste Variante und nennen Sie die Zielabweichung in Euro und Prozent. Schließen Sie mit 2-3 Aktionen ab, die das Ergebnis noch beeinflussen könnten. Format: Vergleichstabelle, dann Empfehlung in fünf Zeilen.

Im Chat öffnen

Datenqualität der Kundenbasis auditieren

Strukturiertes Qualitätsaudit: Vollständigkeit, Validität, Aktualität, Konsistenz mit Priorisierung.

Sie sind Datenqualitätsmanager. Ich möchte die Qualität von [Datenbasis, z. B. CRM-Kundenstamm, Produktkatalog] vor [geplante Nutzung, z. B. Migration, Kampagne, neues Reporting] auditieren. Struktur: [Felder auflisten]. Repräsentativer Auszug: [30 bis 50 Zeilen einfügen].

Auditieren Sie nach diesen Achsen mit bezifferten Befunden für meinen Auszug: Vollständigkeit (Füllrate pro Feld, kritische Felder markieren), Validität (ungültige Formate: E-Mail, Telefon, PLZ, unmögliche Daten), Eindeutigkeit (wahrscheinliche Dubletten und Kriterium), Aktualität (Änderungsdaten, Anteil veralteter Datensätze), interne Konsistenz (sich widersprechende Felder, z. B. PLZ und Stadt).

Erstellen Sie einen nach Auswirkung priorisierten Maßnahmenplan: Was blockiert, was stört, was kann warten? Geben Sie für jedes Paket die Korrekturmethode (automatisch oder manuell) und den geschätzten Aufwand an. Format: Audittabelle nach Achsen, Plan in drei Paketen.

Im Chat öffnen

Datenwörterbuch (Data Dictionary) erstellen

Referenzdokumentation eines Datensatzes: Definition, Quelle, Regeln und Tücken jedes Feldes.

Ich möchte ein Datenwörterbuch für [Datensatz, z. B. ERP-Bestellexport, Kundentabelle, Reporting-Sheet] erstellen, damit das Team aufhört, Spalten falsch zu interpretieren. Spalten und Auszug: [Spalten mit 5 Beispielzeilen].

Was ich über den Kontext weiß: [Datenursprung, Update-Frequenz, wer pflegt sie].

Erstellen Sie für jede Spalte einen Eintrag: Technischer Name und fachliche Bezeichnung, Definition in einem Satz ohne Jargon, Typ und Format, mögliche Werte/plausibler Bereich, Befüllungsregel (Pflicht, berechnet, manuell), Quelle und vor allem die Rubrik „Tücken“: Was könnte ein Nutzer fälschlicherweise annehmen (Brutto vs. Netto, Bestelldatum vs. Zahldatum, historisiert vs. überschrieben). Wenn Infos fehlen, schreiben Sie „zu klären mit [Wem]“.

Format: Tabelle für ein Tabellenblatt „Data Dictionary“, plus Liste der zu klärenden Fragen nach Verantwortlichen sortiert.

Im Chat öffnen

Zwei divergierende Datenquellen abgleichen

Methode zur Untersuchung von Differenzen zwischen zwei Tools, die das Gleiche unterschiedlich messen.

Zwei meiner Tools liefern unterschiedliche Zahlen für dieselbe Realität: [Quelle A, z. B. GA4] meldet [Wert A] und [Quelle B, z. B. Kassensystem, Stripe, CRM] meldet [Wert B] für [Metrik und Zeitraum]. Differenz: [Prozent oder Betrag]. Ich muss die Abweichung verstehen und entscheiden, welche Quelle maßgeblich ist.

Leiten Sie die Untersuchung: Zuerst DEFINITIONS-Unterschiede (Was zählt jedes Tool: Retouren, Stornierungen, Tests, Zeitzonen, Bestelldatum vs. Geldeingang, Bot-Filter). Dann BEREICHS-Unterschiede (fehlende Kanäle oder Filialen auf einer Seite). Dann ERFASSUNGS-Unterschiede (Messverluste, Consent-Ablehnung, Ausfälle). Geben Sie für jede Hypothese den konkreten Test an, beginnend mit den größten Hebeln.

Ziel: Eine Überleitungstabelle von Wert A zu Wert B, Posten für Posten. Schließen Sie mit einer Empfehlung ab: Welche Quelle für welchen Zweck? Ab welcher Restdifferenz sollte man aufhören zu suchen? Format: Untersuchungsschritte, Überleitungstabelle, Empfehlung.

Im Chat öffnen

Zahlen vor Veröffentlichung prüfen

Checkliste zur Endkontrolle eines Berichts: Konsistenz, Bereich, Reproduzierbarkeit.

Ich werde [Ergebnis, z. B. Monatsbericht, Kundenpräsentation, Quartals-E-Mail] an [Empfänger] senden. Kernzahlen darin: [Hauptzahlen auflisten]. Quellen: [Herkunft jeder Zahl].

Gehen Sie mit mir die Checkliste zur Endkontrolle durch. Bitten Sie mich, jeden Punkt zu bestätigen: Interne Konsistenz (Summen passen, Prozente und Basis stimmen, doppelt genannte Zahlen sind identisch). Externe Konsistenz (Vergleich zum Vormonat/Vorjahr: Gibt es für jede Überraschung eine geprüfte Erklärung?). Deklarierter Bereich (Zeitraum, Währung, Definitionen klar? Änderungen zum Vorbericht markiert?). Reproduzierbarkeit (Kann ich jede Zahl neu berechnen? Abfrage/Quelldatei gesichert?). Rundungen (sinnvoll, keine Scheingenauigkeit).

Markieren Sie für jeden nicht bestätigten Punkt das Risiko und ob dies den Versand blockiert. Format: Nummerierte Checkliste mit Checkboxen.

Im Chat öffnen

Anomalien in Datenserien erkennen

Einfaches System zur Anomalieerkennung mit begründeten Schwellenwerten zur Vermeidung von Fehlalarmen.

Ich möchte automatisch abnormale Werte in [Serie, z. B. tägliche Verkäufe, Bestellungen pro Stunde, tägliche Anmeldungen] erkennen, um bei Problemen schnell zu reagieren. Historie: [Serie einfügen oder beschreiben: Granularität, Alter, typische Werte]. Tool: [Google Sheets, Excel, SQL]. Bekannte normale Schwankungen: [z. B. starker Samstag, schwacher Sonntag, Saisonalität].

Schlagen Sie ein robustes System vor: Ein Referenzwert, der meine Zyklen respektiert (Vergleich Montag mit Vor-Montagen, nicht mit dem Vortag). Ein Abweichungsmaß und ein begründeter Alarmschwellenwert basierend auf der realen Streuung meiner Historie (Berechnung erklären, kein willkürlicher Prozentsatz). Eine Regel gegen Fehlalarme (z. B. Alarm erst nach zwei aufeinanderfolgenden Ausreißern, getrennte Schwellen für Hoch/Tief).

Geben Sie die Umsetzung in meinem Tool inklusive Formeln an. Schließen Sie mit drei harmlosen Ursachen ab, die Fehlalarme auslösen könnten (Feiertag, Aktion, Tracking-Ausfall), und dem 3-Schritte-Protokoll bei echtem Alarm.

Im Chat öffnen

Auffällige Zahlen untersuchen

Untersuchungsmethode, um die Ursache eines Ausreißers zu finden, bevor korrigiert oder bestätigt wird.

Eine Zahl in meinem Reporting erscheint falsch. Ich muss klären: Rechenfehler, Datenproblem oder überraschende Realität? Die Zahl: [Wert und Bezeichnung, z. B. März-Umsatz 240.000 € statt üblich 90.000 €]. Wo sie erscheint: [Bericht, Abfrage oder Datei]. Bekannte Produktionskette: [Datenquelle und Transformationen].

Strukturieren Sie die Untersuchung in Schichten von hinten nach vorne, mit Tests für jede Ebene: Die finale Berechnung (Formel, Bereich, Filter). Die Transformation (Aggregation, Join-Duplikate, Importfehler, Definitionsänderung). Die Erfassung (Ausfall, Nachbuchung, Tool-Wechsel). Die geschäftliche Realität (Großauftrag, Sonderkunde: Welcher Beleg beweist das?).

Vorgabe: Nichts korrigieren, bevor die Ursache feststeht. Eine überraschende, aber wahre Zahl wird nicht „korrigiert“. Format: Geordneter Untersuchungsplan, dann drei mögliche Ausgänge mit zugehöriger Aktion (korrigieren, dokumentieren, alarmieren).

Im Chat öffnen

Kundenfeedback (Verbatims) analysieren

Methodische Auswertung von Freitextantworten: Themenraster, Quantifizierung und Originalzitate.

Ich habe Freitextantworten von Kunden gesammelt über [Kanal, z. B. offene Frage der Zufriedenheitsumfrage, Google-Rezensionen, Kündigungsgründe]. Ich möchte eine nutzbare Analyse. Verbatims: [Verbatims einfügen oder Stichprobe bei hoher Menge, Gesamtzahl nennen]. Gestellte Frage: [Exakte Frage].

Gehen Sie so vor: Erstellen Sie ein Themenraster direkt aus den Verbatims (kein vorgefertigtes Raster) mit einer einzeiligen Definition pro Thema für Reproduzierbarkeit. Kategorisieren Sie jedes Verbatim (Mehrfachnennung erlaubt). Quantifizieren Sie dann: Anzahl Nennungen pro Thema, dominante Tonalität und Kreuzung mit [verfügbare Variable, z. B. Note, Kundendauer].

Vorgaben zur Ehrlichkeit: Zitate wortwörtlich lassen, häufige von seltenen, aber kritischen Themen unterscheiden. Fallzahlen immer nennen (keine Prozente bei unter 30 Antworten ohne Hinweis). Keine Zitate erfinden. Format: Zusammenfassung (Themen nach Häufigkeit, 2 Zitate pro Thema, schwache Signale), dann komplette Kategorisierungstabelle.

Im Chat öffnen

Quantitativen Fragebogen auswerten

Komplette Umfrageauswertung: Bereinigung, Häufigkeiten, relevante Kreuztabellen und Fallzahlprüfung.

Ich habe eine Umfrage mit [Tool, z. B. Google Forms, Typeform] durchgeführt. Anzahl Antworten: [Zahl]. Fragen: [Fragen und Typen auflisten: Single Choice, Multiple Choice, Skala, Freitext]. Export: [Antwortauszug einfügen]. Ziel der Umfrage: [Was soll entschieden oder gelernt werden].

Führen Sie die Auswertung durch: Bereinigung (Dubletten, Speedster, interne Inkonsistenzen: Was wird warum aussortiert?). Deskriptive Auswertung jeder Frage (passendes Format pro Fragetyp). Dann die 3 bis 5 nützlichsten Kreuztabellen für MEIN Ziel (Wahl begründen, nicht alles mit allem kreuzen).

Pflicht-Hinweise: Wer hat geantwortet und wie unterscheidet sich die Stichprobe von der Zielgruppe (Selektionsbias)? Warnung bei Kreuztabellen mit unter 30 Personen pro Zelle. Keine Kausalschlüsse aus rein deklarativen Daten. Format: Auswertungsplan, Ergebnisse der Tabellen, Grenzen im finalen Kasten.

Im Chat öffnen

Vorher-Nachher-Vergleich sauber messen

Ehrliche Bewertung einer Änderung, wenn keine Kontrollgruppe vorhanden war.

Ich habe [Änderung, z. B. neue Öffnungszeiten, Relaunch, neuer Preis, neues Skript] am [Datum] eingeführt und möchte wissen, ob es funktioniert hat – ohne Kontrollgruppe. Kennzahl: [Metrik]. Werte vorher: [Serie vor der Änderung, so lang wie möglich]. Werte nachher: [Serie seit der Änderung]. Andere Ereignisse im Zeitraum: [Was hat sich gleichzeitig geändert: Saison, Kampagne, News, Wetter, Wettbewerb].

Bevor Sie Durchschnitte vergleichen, prüfen Sie mit mir: Ist das Vorher-Fenster repräsentativ? Übersteigt die beobachtete Änderung die üblichen Schwankungen (quantifizieren)? Erklärt Saisonalität die Differenz? Welches Begleitereignis könnte denselben Effekt haben?

Schließen Sie auf drei Ebenen: Was die Daten belegen, was sie nur vermuten lassen, was sie nicht klären können. Schlagen Sie ein Design vor, das die nächste Messung solider macht (A/B-Test, stufenweiser Rollout). Verboten: Kausalität allein durch zeitliche Abfolge behaupten.

Im Chat öffnen

Analyse-Memo (One-Pager) verfassen

Kondensation einer Analyse in ein entscheidungsrelevantes Dokument: Befund, Zahlen, Optionen, Empfehlung.

Verfassen Sie ein einseitiges Memo basierend auf meiner Analyse für [Leser, z. B. Geschäftsführer, Investitionsausschuss, Kunde]. Lesezeit: [z. B. drei Minuten]. Erwartete Entscheidung: [Entscheidung]. Rohmaterial: [Ergebnisse, Zahlen, Befunde einfügen]. Meine Empfehlung: [Empfehlung].

Strukturvorgabe: Ein Titel, der das Fazit nennt (nicht das Thema). Ein erster Absatz mit der Antwort und der Kernzahl. Maximal 3 Befunde mit jeweils EINER stützenden Zahl. Mögliche Optionen mit Kosten und Risiken in je einer Zeile. Eine klare Empfehlung. Eine Zeile „Was wir noch nicht wissen“ (Grenzen aufzeigen, ohne die Botschaft zu verwässern).

Formale Vorgaben: Maximal eine Seite, kurze Sätze, kein Analysten-Jargon (keine „Korrelation“ oder „Dataset“ ohne Erklärung), Zahlen auf entscheidungsrelevante Präzision gerundet. Keine Zahlen erfinden, die nicht im Rohmaterial stehen. Falls Infos fehlen, [Daten fehlen] schreiben.

Im Chat öffnen

Data Storytelling für Präsentationen aufbauen

Transformation von Analyseergebnissen in eine strukturierte Erzählung: Roter Faden, eine Idee pro Slide.

Helfen Sie mir, meine Analyseergebnisse in eine überzeugende Präsentation zu verwandeln für [Zielgruppe/Anlass, z. B. Quartalsreview vor der Geschäftsführung]. Dauer: [Dauer]. Ergebnisse: [Befunde und Kernzahlen einfügen]. Ziel: [Entscheidung, Budget, Priorisierung].

Bauen Sie den Erzählbogen: Die Situation, die das Publikum kennt. Die Spannung (die Zahl/Erkenntnis, die überrascht oder stört). Die Exploration (Warum ist das so? Max. 2-3 Belege). Die Lösung (mein Vorschlag) und der Call-to-Action. Unterteilen Sie in Slides: Eine Idee pro Slide. Der Titel jeder Slide ist ein Aussagesatz, der die Idee trägt (die Titel allein müssen die Geschichte erzählen). 

Schlagen Sie für jede Kernzahl eine Veranschaulichung vor (Vergleich mit Bekanntem, Umrechnung in Euro oder Kunden pro Woche). Vorgaben: Keine erfundenen Zahlen für die Story. Vorbehalte der Analyse erhalten eine eigene Slide, keine Fußnote. Format: Slide-Plan mit Titel und Inhalt.

Im Chat öffnen

Analyse für Nicht-Experten verständlich machen

Übersetzung technischer Ergebnisse in Alltagssprache, ohne Verzerrung oder Übertreibung.

Übersetzen Sie mein Analyseergebnis in eine klare Erklärung für [Zielgruppe, z. B. Vertriebsteam, Franchise-Partner, Endkunde] ohne statistische Vorkenntnisse. Technisches Ergebnis: [z. B. Korrelation von 0,7 zwischen X und Y, Konfidenzintervall, A/B-Testergebnis, Scoring-Modell]. Was die Zielgruppe wissen muss, um zu handeln: [erwartete Aktion/Änderung].

Erstellen Sie drei Ebenen: Die 30-Sekunden-Mündlich-Version (Alltagssprache, eine Analogie, kein Fachjargon). Die 5-Minuten-Version mit einem konkreten Zahlenbeispiel aus meinen Daten. Die Antworten auf die 3 wahrscheinlichsten Fragen dieser Zielgruppe.

Treuevorgaben: Die Vereinfachung darf nicht MEHR sagen als das technische Ergebnis (Korrelation wird nicht zu Kausalität, Trend nicht zur Gewissheit). Markieren Sie explizit, wo Sie vereinfacht haben und was dabei weggelassen wurde. Format: Drei Ebenen, dann Liste der bewussten Vereinfachungen.

Im Chat öffnen

Bestehendes Reporting dokumentieren

Vollständige Dokumentation eines Berichts, um ihn übertragbar und wartbar zu machen.

Ich möchte [Reporting, z. B. monatliches Vertriebs-Dashboard, wöchentlicher Aktivitätsbericht] dokumentieren, damit andere ihn erstellen, verstehen und korrigieren können. Aktuelle Erstellung: [Mechanik beschreiben: Quellen, Exporte, Dateien, Formeln, manuelle Schritte, Versand]. Frequenz: [Frequenz]. Empfänger: [Wer erhält ihn und wozu?].

Erstellen Sie die Dokumentation in vier Teilen: Die Erstellungsanleitung (jeder Schritt in Reihenfolge, Klickpfade, Abfragen, inklusive „unschöner“ manueller Korrekturen – diese gehen oft verloren). Das Kennzahlen-Lexikon (Definition, Formel, Quelle). Die Abhängigkeitskarte (Was lässt den Bericht scheitern: Formatänderung im Export, abgelaufene Zugriffe, umbenannte Tabs). Das Fehlerprotokoll (Wie prüft man eine angezweifelte Zahl? Wen informieren? Wie korrigiert man bereits versendete Berichte?).

Stellen Sie Rückfragen bei Lücken, statt Annahmen zu treffen. Format: Strukturiertes Dokument für [Ablageort, z. B. Team-Laufwerk].

Im Chat öffnen

Zwei Dateien ohne eindeutigen Schlüssel zusammenführen

Strategie zum Abgleich von Dateien, deren Identifikatoren nicht direkt übereinstimmen.

Ich muss zwei Dateien zusammenführen, die dieselben Entitäten beschreiben, aber keinen gemeinsamen Schlüssel haben: [Datei 1, z. B. CRM-Export mit Firmenname und E-Mail] und [Datei 2, z. B. Buchhaltungsexport mit Firmenname und Rechnungsnummer]. Spalten Datei 1: [Liste]. Spalten Datei 2: [Liste]. Auszüge: [je 10 Zeilen]. Ziel: [Was soll am Ende erreicht werden].

Bauen Sie eine Kaskaden-Strategie von sicher bis unsicher: Zuerst exakte Schlüssel nach Normalisierung (E-Mail kleingeschrieben, Steuernummer, bereinigte ID). Dann zusammengesetzte Schlüssel (normalisierter Name plus PLZ). Dann unscharfer Abgleich (Fuzzy Matching) auf Namen (Erklärung der Methode in [Excel, Google Sheets] und deren Grenzen). Geben Sie für jede Kaskade die Trefferquote im Auszug und das Risiko von Fehlzuordnungen an.

Vorgaben: Jede Zuordnung erhält eine Spalte „Methode“. Nicht zugeordnete Zeilen landen in einer Liste zur manuellen Prüfung, niemals stillschweigend löschen. Format: Kaskadenplan, Formeln, Tabelle der Trefferquoten.

Im Chat öffnen

Stichprobenplan erstellen

Dimensionierung und Ziehung einer Stichprobe, die belastbare Schlussfolgerungen zulässt.

Ich kann nicht die gesamte Grundgesamtheit prüfen und muss mit einer Stichprobe arbeiten. Grundgesamtheit: [Beschreibung und Größe, z. B. 12.000 Kundenakten, 3.000 Rechnungen, 800 Telefonate]. Ziel: [z. B. Erfassungsfehlerquote schätzen, Anteil konformer Akten]. Benötigte Präzision: [z. B. Wissen, ob Quote über 5 % liegt, Schätzung +/- 3 Prozentpunkte].

Erstellen Sie den Plan: Die notwendige Stichprobengröße für meine Zielpräzision (einfache Herleitung ohne komplizierte Formeln). Die Ziehungsmethode zur Vermeidung von Verzerrungen (einfache Zufallsauswahl oder geschichtet: Falls Untergruppen sehr verschieden sind [Schichten beschreiben], empfehlen und dimensionieren Sie die Schichtung). Das konkrete Vorgehen zur Ziehung in [Excel oder Google Sheets] (reproduzierbare Zufallsformel).

Listen Sie Verzerrungsrisiken für MEINEN Fall auf (nicht auffindbare Akten, nicht repräsentativer Zeitraum) und Gegenmaßnahmen. Schließen Sie mit dem ehrlichen Mustersatz zur Präsentation des Ergebnisses inklusive Unsicherheitsmarge ab.

Im Chat öffnen

Berechnung der Conversion-Rate absichern

Strenge Definition der Conversion-Rate: Zähler, Nenner, Zeitfenster und Zählfallen.

Meine Conversion-Rate variiert je nach Berechnungsmethode. Ich möchte sie final festlegen. Kontext: [Prozess, z. B. Website-Besuch zu Kauf, Angebot zu Unterschrift, Anruf zu Termin]. Messquellen: [Tools, z. B. GA4, CRM, Kassensystem]. Aktuell genutzte Berechnungen und Ergebnisse: [Versionen, die im Umlauf sind].

Helfen Sie mir bei der strengen Definition: Der Zähler (Welches Ereignis zählt als Conversion? Umgang mit Stornierungen, Dubletten, Mehrfach-Conversions derselben Person). Der Nenner (Wer kommt in die Basis: Unique User oder Besuche, qualifizierte Leads oder alle Kontakte? Eintrittskriterium?). Das Attributionsfenster (Zeit zwischen Eintritt und Conversion? Zu welchem Monat gehört eine Conversion bei Monatsübergang?).

Zeigen Sie für jede Wahl den Effekt auf die Zahl mit meinen Daten und nennen Sie den Marktstandard. Erklären Sie, warum meine aktuellen Zahlen divergieren. Schließen Sie mit der finalen Definition in einem Satz und zwei Lesewarnungen ab (z. B. Vergleich unterschiedlicher Bereiche, Durchschnittsbildung ohne Gewichtung).

Im Chat öffnen

Churn-Rate (Abwanderung) korrekt berechnen

Saubere Definition der Abwanderung: Ausgangsbasis, Zeitraum, Grenzfälle und Kohortenbetrachtung.

Ich möchte den Churn (Abwanderung) für [Tätigkeit, z. B. Software-Abos, Wartungsverträge, Fitnessstudio] berechnen. Verfügbare Daten: [Beschreibung, z. B. Abo-Export mit Startdatum, Enddatum, Status, Monatsbetrag]. Abrechnungszyklus: [monatlich, jährlich, gemischt].

Legen Sie zuerst die Definitionsentscheidungen fest, mit Empfehlung für meinen Fall und Effekt auf die Zahl: Churn nach Anzahl Kunden oder nach Umsatz (zeigen Sie ein Beispiel für den Unterschied). Die Ausgangsbasis (Kunden zu Periodenbeginn, inklusive oder exklusive Neuzugänge des Monats). Umgang mit Grenzfällen (Pause, Zahlungsverzug, Downgrade, Kündigung eingereicht aber noch aktiv, Rückkehrer).

Geben Sie die exakte Formel und Umsetzung in [Excel, Google Sheets oder SQL] an. Warnen Sie vor Interpretationsfallen: Mischen von monatlichen/jährlichen Zyklen, Churn, der sich bei schnellem Wachstum optisch verbessert, und warum eine Kohortenbetrachtung die Gesamtrate sinnvoll ergänzt. Format: Entscheidungen, Formel, Umsetzung, Fallen.

Im Chat öffnen

Marge pro Produkt oder Dienstleistung analysieren

Rentabilitätsanalyse, die Kosten ehrlich zuordnet und zwischen Marge und Volumen unterscheidet.

Ich möchte verstehen, was mir jedes [Produkt, Dienstleistung oder Familie] wirklich einbringt. Daten: [Export, z. B. Verkäufe mit Mengen/Preisen aus Kassensystem, Einkaufskosten aus Buchhaltung]. Identifizierte Kosten: [Liste: Einkauf, Material, Personal, Fixkosten, Versand, Provisionen].

Bauen Sie die Analyse in Schritten auf: Die Bruttomarge pro Produkt (Verkaufspreis minus direkte Kosten, Hinweis auf Netto-Beträge). Dann die heikle Frage der indirekten Kosten: Schlagen Sie 2 plausible Verteilungsschlüssel vor (nach Umsatz, nach Zeitaufwand, nach Volumen). Zeigen Sie, wie sich das Ranking der Produkte je nach Schlüssel ändert und warum keiner „der einzig wahre“ ist.

Stellen Sie die Marge (in % und €) dem Volumen gegenüber: Das Produkt mit hoher Marge, das sich nicht verkauft vs. das Produkt mit niedriger Marge, das das Volumen macht. Schließen Sie mit 3 typischen Entscheidungen ab (Preis, Sortimentsbereinigung, Fokus) und den jeweils zusätzlich zu prüfenden Zahlen. Format: Methode, Mustertabelle, kommentierte Interpretation.

Im Chat öffnen

Konzentration der Geschäftstätigkeit messen (Pareto)

80/20-Analyse der Abhängigkeit von Hauptkunden oder Produkten inklusive Risikoanalyse.

Ich möchte messen, wie stark mein Geschäft von wenigen [Kunden, Produkten, Kanälen, Referenzen] abhängt. Daten: [Export, z. B. Umsatz pro Kunde über 12 Monate, Verkäufe pro Artikel]. Tool: [Excel oder Google Sheets].

Leiten Sie die Pareto-Analyse an: Absteigende Sortierung, Kumulierung und kumulierter Prozentsatz (exakte Formeln). Interpretation aussagekräftiger Schwellenwerte (Wie viele Elemente machen 50 % und 80 % des Gesamten aus? Anteil der Top 1 und Top 5?). Anleitung zur Pareto-Kurve.

Gehen Sie über den Befund hinaus: Helfen Sie mir, das RISIKO dieser Konzentration zu bewerten: Was passiert, wenn der Top-[Kunde/Produkt] wegbricht (Auswirkung in € und %)? Steigt oder sinkt die Konzentration im Vergleich zu [Vergleichszeitraum]? Kostet der „Long Tail“ (die vielen Kleinen) mehr im Service, als er einbringt?

Vorgaben: Verbundene Elemente (gleiche Gruppe/Einkäufer) zusammenfassen. Nicht vorschnell „den Schwanz abschneiden“ ohne Prüfung der realen Kosten. Format: Methode, Formeln, Risikobewertung in 5 Zeilen.

Im Chat öffnen

Standorte fair vergleichen (Benchmarking)

Vergleich von Filialen, Agenturen oder Teams, der Kontextunterschiede vor dem Ranking neutralisiert.

Ich möchte die Performance meiner [Standorte, Agenturen, Teams] vergleichen, ohne ungerecht zu sein – sie haben unterschiedliche Voraussetzungen. Einheiten: [Liste mit Unterschieden: Größe, Lage, Alter, Personalstärke, Laufkundschaft]. Daten: [verfügbare Metriken pro Einheit und Zeitraum].

Bauen Sie den Vergleich in drei Schritten auf. Zuerst Metriken, die auf eine faire Basis bezogen sind (pro Mitarbeiter, pro Quadratmeter, pro Öffnungsstunde, pro Einwohner im Einzugsgebiet: Wählen Sie relevante Ratios und begründen Sie). Dann der Vergleich jeder Einheit mit sich selbst (Wachstum zum Vorjahr): Erzählt das Wachstums-Ranking eine andere Geschichte als das absolute Ranking? Schließlich die verbleibenden unerklärlichen Abweichungen: Was nach der Normalisierung übrig bleibt und einen Besuch oder ein Gespräch verdient (keine Sanktion).

Vorgaben: Zu neue oder zu kleine Einheiten markieren. Kein Gesamtranking ohne die zugrunde liegenden Ratios zeigen. Faktoren auflisten, die die Daten nicht erfassen (Baustellen, lokaler Wettbewerb). Format: Mustertabelle, Interpretationsleitfaden für das Review-Gespräch.

Im Chat öffnen

Conversion-Funnel Schritt für Schritt analysieren

Funnel-Analyse: Durchlaufquoten, Abbruchstellen und unterschiedliches Verhalten von Segmenten.

Ich möchte meinen Conversion-Funnel analysieren, um Optimierungspotenziale zu finden. Prozess: [Schritte beschreiben, z. B. Besuch, Produktdetail, Warenkorb, Versandwahl, Zahlung, Bestätigung; oder B2B: Lead, Erstkontakt, Termin, Angebot, Abschluss]. Volumen pro Schritt über [Zeitraum]: [Zahlen einfügen]. Messquelle: [GA4, CRM, etc.].

Berechnen Sie die Durchlaufquoten zwischen aufeinanderfolgenden Schritten (nicht nur die Gesamtrate). Identifizieren Sie den Schritt mit dem größten Verlust (absolut und prozentual). Erklären Sie, welchen Schritt man für mein Ziel [Ziel, z. B. mehr Abschlüsse bei gleichem Traffic] priorisieren sollte.

Prüfen Sie vorab Messfehler: Technische Hürden, Überspringen von Schritten, zu kurzes Messfenster bei langsamen Prozessen. Schlagen Sie die aufschlussreichste Segmentierung vor [verfügbares Segment, z. B. Mobile vs. Desktop, Traffic-Quelle, Kundengröße] und was ein Unterschied bedeuten würde. Format: Quotentabelle, Diagnose, 2 Testhypothesen für den Prioritätsschritt.

Im Chat öffnen

Zusammenhang zwischen zwei Variablen prüfen

Untersuchung einer vermuteten Beziehung zwischen zwei Größen, ohne Korrelation mit Kausalität zu verwechseln.

Ich vermute einen Zusammenhang zwischen [Variable 1, z. B. Wetter, Anzahl Online-Bewertungen, Antwortzeit auf Angebote] und [Variable 2, z. B. Umsatz, Abschlussquote]. Ich möchte dies prüfen. Daten: [Zwei gepaarte Serien einfügen, Granularität: Tag, Woche, Dossier]. Intuition: [Was ich glaube und was ich bei Bestätigung tun würde].

Leiten Sie die Analyse in [Excel oder Google Sheets] an: Zuerst das Streudiagramm (Scatterplot) und dessen Interpretation (Form, Richtung, Ausreißer). Dann der Korrelationskoeffizient mit einfacher Erklärung und Schwellenwerten für Relevanz angesichts meiner Fallzahl [Anzahl Punkte].

Der wichtigste Teil: Gehen Sie alternative Erklärungen durch, bevor Sie Kausalität annehmen: Gemeinsamer Faktor (oft Saisonalität bei Zeitreihen), umgekehrte Kausalität, reiner Zufall bei wenigen Daten. Nennen Sie für jede einen einfachen Test zur Prüfung. Fazit in drei Zeilen: Was ist belegt, was bleibt Hypothese, welches Experiment würde Klarheit schaffen?

Im Chat öffnen

Datenanalyse Prompts

Unbekannte Datendatei explorieren

Testen Sie diese Datenanalyse Prompts mit Ihren Daten

Weiterführende Informationen

Datenanalyse Prompts

Unbekannte Datendatei explorieren

Testen Sie diese Datenanalyse Prompts mit Ihren Daten

Weiterführende Informationen

Entwicklung einer Kennzahl interpretieren

Kennzahlen für ein Dashboard definieren

Analyseergebnisse an Entscheider präsentieren

Testplan vor der Skalierung entwerfen

Kundendatei bereinigen (Dubletten)

Gemischte Datumsformate vereinheitlichen

Umgang mit fehlenden Werten in Dateien

Heterogene Textfelder normalisieren

Datei für CRM-Import vorbereiten

Fachliche Frage in SQL übersetzen

Bestehende SQL-Abfrage erklären

Langsame SQL-Abfrage optimieren

SQL-Ergebnisse vor der Weitergabe prüfen

Nützliche Pivot-Tabellen erstellen

Formel zum Datenabgleich zwischen Blättern

Bedingte Formeln mit mehreren Kriterien

Informationen aus Text mit Regex extrahieren

Fehlerhafte Formeln diagnostizieren

Das richtige Diagramm für eine Botschaft wählen

Bestehendes Diagramm vor Veröffentlichung prüfen

Daten für ein Diagramm vorbereiten

Präzise Definition einer Kennzahl verfassen

Kennzahl in steuerbare Hebel zerlegen

Retention per Kohortenanalyse untersuchen

Kundenbasis mit RFM-Methode segmentieren

Aktivität mit Saisonalität prognostizieren

Jahresend-Prognose (Landing) erstellen

Datenqualität der Kundenbasis auditieren

Datenwörterbuch (Data Dictionary) erstellen

Zwei divergierende Datenquellen abgleichen

Zahlen vor Veröffentlichung prüfen

Anomalien in Datenserien erkennen

Auffällige Zahlen untersuchen

Kundenfeedback (Verbatims) analysieren

Quantitativen Fragebogen auswerten

Vorher-Nachher-Vergleich sauber messen

Analyse-Memo (One-Pager) verfassen

Data Storytelling für Präsentationen aufbauen

Analyse für Nicht-Experten verständlich machen

Bestehendes Reporting dokumentieren

Zwei Dateien ohne eindeutigen Schlüssel zusammenführen

Stichprobenplan erstellen

Berechnung der Conversion-Rate absichern

Churn-Rate (Abwanderung) korrekt berechnen

Marge pro Produkt oder Dienstleistung analysieren

Konzentration der Geschäftstätigkeit messen (Pareto)

Standorte fair vergleichen (Benchmarking)

Conversion-Funnel Schritt für Schritt analysieren

Zusammenhang zwischen zwei Variablen prüfen