Prompts Análisis de datos

Te proporciono una exportación de datos de [fuente, ej. mi CRM, software de TPV, Google Analytics] y quiero entender su contenido y potencial. Contexto de negocio: [actividad y pregunta general, ej. quiero entender por qué bajan las ventas].

Datos: [pegar datos o primeras líneas con encabezados]

Procede en orden: describe la estructura (columnas, tipos, periodo cubierto, granularidad), evalúa la calidad (valores ausentes, posibles duplicados, incoherencias, columnas vacías o constantes (lístalas con precisión)), calcula estadísticas básicas de las columnas clave y propón 5 preguntas de negocio que estos datos pueden responder y 3 que NO pueden responder a pesar de las apariencias (indicando el dato que falta).

Termina con el análisis más prometedor para realizar primero y su método. No extraigas conclusiones de negocio en esta fase.

Mi indicador [indicador, ej. tasa de conversión, ticket medio, churn] ha pasado de [valor antes] a [valor después] entre [periodo 1] y [periodo 2]. Histórico disponible: [valores de periodos anteriores]. Eventos en el periodo: [cambios: campaña, precios, temporada, incidencia, rediseño].

Antes de interpretar, ayúdame a verificar: ¿es la variación significativa considerando las fluctuaciones habituales (calcula el orden de magnitud de variaciones normales según el histórico)? ¿Puede explicarlo la estacionalidad (compara con el mismo periodo de años o ciclos anteriores)? ¿Ha cambiado el perímetro de medición (volumen subyacente, definición, herramienta)?

Después, lista hipótesis explicativas por plausibilidad. Para cada una, indica el test o dato que la confirmaría. Prohibido: concluir una causa solo por coincidencia temporal. Termina con lo que dirías honestamente en una frase si te preguntaran: «¿es grave?».

Ayúdame a definir el cuadro de mando de [perímetro, ej. mi equipo comercial, mi tienda online, mi servicio de atención al cliente]. Objetivo de la actividad: [objetivo]. Decisiones que este cuadro debe orientar: [decisiones recurrentes, ej. dónde poner el esfuerzo comercial, cuándo contratar, qué productos promocionar]. Datos disponibles: [fuentes y herramientas].

Para cada decisión, propón los indicadores que realmente ayudan, distinguiendo indicadores de resultado (lo que constatamos) e indicadores de acción (sobre lo que podemos actuar esta semana). Máximo 8 indicadores en total: si descartas alguno, explica por qué.

Para cada indicador elegido: definición sin ambigüedad (qué contamos exactamente, en qué periodo), fórmula, fuente, frecuencia de lectura y la trampa de interpretación clásica (efecto mezcla, media que oculta una distribución, indicador manipulable por el equipo que lo mide).

Transforma mi análisis en una presentación para [audiencia, ej. el comité de dirección, mi responsable, un cliente]. Pregunta inicial del análisis: [pregunta]. Lo que he encontrado: [resultados, cifras, hallazgos]. Límites del análisis: [límites: datos parciales, periodo corto, posibles sesgos]. Lo que recomiendo: [recomendación si la hay].

Construye la presentación en este orden: respuesta a la pregunta en una frase (mensaje principal primero, nunca el método), 2 o 3 hallazgos que la sustenten con SU cifra correspondiente (no cinco cifras por hallazgo), la recomendación con su coste y beneficio, y los límites expuestos con franqueza pero sin restarse valor (un límite es una precaución de uso, no una excusa).

Prepara también: las 3 preguntas trampa probables de esta audiencia con sus respuestas, y la versión «30 segundos en el ascensor» del mensaje. Formato: [formato deseado, ej. esquema de diapositivas, email, nota de una página].

Quiero testar [cambio previsto, ej. un nuevo precio, una nueva página, un guion de llamada, horario de envío] antes de generalizarlo. Situación actual: [métrica actual y nivel]. Volumen disponible: [tráfico, llamadas, envíos por semana]. Mejora esperada: [mejora].

Construye el protocolo: la hipótesis formulada de forma refutable («si X entonces Y aumenta al menos Z»), el criterio de éxito y el umbral de decisión fijados AHORA (antes de ver resultados), la división test/control y cómo asignarla limpiamente, la duración necesaria estimada según mi volumen para distinguir efecto real de ruido (explica el cálculo de forma sencilla) y los efectos parásitos a neutralizar (estacionalidad, día de la semana, mix de clientes).

Añade la guía de lectura de resultados: en qué caso generalizo, en qué caso detengo, en qué caso prolongo, y las conclusiones PROHIBIDAS aunque los números sean tentadores (subgrupos descubiertos a posteriori, detener el test al primer pico favorable).

Eres analista de datos. Debo eliminar duplicados de un fichero de clientes exportado de [herramienta, ej. mi CRM, software de facturación] antes de una campaña. Columnas disponibles: [listar columnas, ej. nombre, apellido, email, teléfono, dirección, fecha de creación].

Extracto del fichero: [pegar 20 a 30 líneas representativas].

Propón una estrategia de limpieza en varias fases: primero duplicados exactos (¿mismos valores en qué columnas?), luego duplicados probables (variantes ortográficas, mismo email pero distinto nombre, teléfono con distinto formato). Para cada fase, precisa la clave de cruce, las normalizaciones previas (minúsculas, espacios, acentos, prefijos telefónicos) y el riesgo de falso positivo.

Restricciones: nunca fusionar automáticamente fichas solo por nombre/apellido, indicar siempre qué ficha conservar (¿la más reciente? ¿la más completa?) y por qué. Formato de salida: plan de acción paso a paso, fórmulas de Google Sheets o pasos de Excel concretos, y estimación de duplicados detectados por fase en el extracto.

Tengo una exportación [fuente, ej. de mi TPV, de un formulario online] cuya columna de fechas mezcla varios formatos: [ejemplos reales, ej. 03/04/2026, 2026-04-03, 3 de abril de 2026, 04-03-26]. Trabajo en [Excel o Google Sheets].

Ayúdame a convertir todo a un formato único [formato destino, ej. AAAA-MM-DD] sin corromper los datos. Empieza por identificar todos los formatos presentes e identifica los valores AMBIGUOS (03/04: ¿3 de abril o 4 de marzo?): lístalos explícitamente en lugar de decidir arbitrariamente y propón un criterio de desambiguación (idioma de la herramienta fuente, rango de valores superior a 12, coherencia con otra columna).

Da las fórmulas o pasos concretos para la conversión, incluyendo una columna de control (fórmula que señale líneas donde la conversión falló o produjo una fecha fuera del periodo plausible [periodo esperado]). Termina con la lista de verificaciones antes de sustituir la columna original.

Eres un analista de datos riguroso. Mi archivo [descripción, ej. exportación de pedidos del año desde mi ERP] contiene valores ausentes y debo decidir qué hacer antes del análisis. Columnas afectadas y tasa de vacío aproximada: [ej. código postal 12%, canal de adquisición 40%, importe 2%].

Análisis previsto: [qué quiero calcular, ej. facturación por región y canal].

Para cada columna, ayúdame a responder en orden: ¿el vacío aporta información (campo no aplicable, entrada opcional, fallo de recogida) o es puramente aleatorio? ¿Qué opción es menos arriesgada para MI análisis: excluir líneas, imputar un valor (cuál y por qué), crear una categoría «no informado» o renunciar al eje de análisis? ¿Qué sesgo introduce cada opción?

Restricciones: nunca imputar por la media sin justificación, cifrar siempre el impacto (líneas perdidas, peso en el total). Formato: tabla columna por columna con decisión recomendada, justificación y mención a añadir en la presentación final.

Tengo una columna de texto de entrada libre para normalizar: [naturaleza del campo, ej. nombres de ciudades, razones sociales, categorías de productos] en [herramienta, ej. Google Sheets, Excel]. Ejemplos de valores reales: [pegar 20 a 40 valores con sus variantes: mayúsculas, abreviaturas, errores, espacios].

Objetivo: obtener una columna limpia con un valor canónico por entidad para agregar correctamente.

Procede así: identifica grupos de variantes que designan la misma entidad en mi muestra, propón el valor canónico de cada grupo y lista los casos dudosos para validar a mano. Da el método de implementación: tabla de correspondencia (variante a canónico) más fórmula de cruce, reglas de normalización previa (mayúsculas, acentos, espacios múltiples, puntuación) y una fórmula de control que aísle valores sin correspondencia.

Restricción: la tabla de correspondencia debe estar en una pestaña separada, reutilizable para futuras exportaciones. Formato: tabla de correspondencia y fórmulas listas para pegar.

Debo importar un archivo de [naturaleza, ej. contactos de una feria, leads de un formulario] en [CRM o herramienta destino]. Columnas de mi archivo: [listar columnas]. Campos esperados por la herramienta destino: [listar campos y restricciones conocidas, ej. email obligatorio, teléfono en formato internacional].

Muestra: [pegar 10 a 20 líneas].

Prepara el plan de adecuación: mapeo de columna origen a campo destino (con columnas huérfanas en ambos lados), controles previos a la importación (emails sintácticamente inválidos, teléfonos incompletos, campos obligatorios vacíos, duplicados con criterios explícitos), transformaciones necesarias (separar nombre/apellido, formato de teléfonos, normalización de países).

Restricciones: cada línea rechazada debe acabar en una pestaña de «rechazos» con el motivo, nunca borrada silenciosamente; ningún campo inventado para rellenar un obligatorio. Formato: tabla de mapeo, lista ordenada de controles con fórmula o método, y checklist final antes de lanzar (copia de seguridad, importación de prueba de 10 líneas, verificación en la herramienta).

Eres un desarrollador SQL senior trabajando con un interlocutor de negocio. Mi pregunta de negocio: [pregunta, ej. ¿qué clientes han pedido al menos dos veces este año pero nada en los últimos tres meses?]. Base: [motor, ej. PostgreSQL, MySQL, BigQuery]. Tablas y columnas disponibles: [describir tablas, columnas y vínculos, o pegar esquema].

Antes de escribir la consulta, reformula mi pregunta en términos precisos y lista puntos ambiguos con la hipótesis que adoptas (qué contamos exactamente, límites de fechas, ¿pedidos cancelados incluidos?, zona horaria). Si falta información indispensable en el esquema, dilo en lugar de inventar una columna.

Escribe la consulta comentada línea a línea, y propón una consulta de control sencilla (un total o recuento) para verificar que el resultado es plausible. Formato: hipótesis, consulta comentada, consulta de control, límites del resultado.

He heredado una consulta SQL usada en [contexto, ej. un informe mensual, una exportación automática] y nadie sabe exactamente qué hace. Aquí está: [pegar consulta completa].

Contexto conocido: [lo que se supone que muestra el informe, motor de base de datos si se conoce].

Explícala en tres niveles: una frase de síntesis (qué calcula en lenguaje de negocio), un desglose bloque por bloque (cada join, filtro, agregación y subconsulta con su efecto concreto) y las trampas ocultas: joins que pueden duplicar o perder líneas, filtros en el WHERE que transforman un LEFT JOIN en INNER JOIN, gestión de NULL, límites de fechas incluidos o excluidos, hipótesis implícitas sobre los datos.

Termina con: casos donde el número producido sería FALSO sin avisar, y dos consultas de control rápidas para verificar esos casos. Formato: explicación estructurada y lista de trampas por gravedad.

Eres experto en optimización SQL. Mi consulta es demasiado lenta: [tiempo actual] para [volumen aproximado de tablas]. Motor: [PostgreSQL, MySQL, SQL Server, BigQuery]. Consulta: [pegar consulta]. Índices existentes: [listar o indicar «desconocidos»]. Plan de ejecución si está disponible: [pegar salida EXPLAIN o indicar «no disponible»].

Diagnostica primero: identifica causas probables de lentitud (funciones en columnas filtradas que impiden uso de índices, subconsultas correlacionadas, SELECT * innecesario, joins en columnas no indexadas, ordenación/agregación de gran volumen, falta de filtro de fechas).

Propón optimizaciones por relación esfuerzo/ganancia: reescritura de la consulta (con versión completa), índices a crear (con su coste en escritura) y, en último recurso, cambios de estructura. Restricción absoluta: el resultado debe ser idéntico; explica por qué se garantiza la equivalencia. Termina con el método para medir la ganancia. 

He producido un resultado con esta consulta SQL y quiero controlarlo antes de difundirlo a [destinatarios, ej. mi dirección, un cliente]. Consulta: [pegar consulta]. Resultado obtenido: [cifras]. Orden de magnitud esperado: [lo que sería plausible o «ni idea»].

Construye mi batería de controles: una consulta de volumetría bruta (líneas antes y después de cada filtro principal), un control de duplicados en la clave supuestamente única, un control de NULL en columnas de join y agregación, un cotejo con una fuente independiente si existe [fuente disponible] y un test de límites (¿cambia el dato si muevo el periodo un día?).

Para cada control: la consulta lista para ejecutar, qué aspecto tiene un resultado normal y qué debe alertarme. Termina con la regla de decisión: en qué casos difundo, corrijo o aviso de que el dato es provisional.

Trabajo en [Excel o Google Sheets] con un archivo de [naturaleza de datos, ej. líneas de ventas con fecha, producto, tienda, cantidad, importe]. Pregunta a responder: [pregunta de negocio, ej. ¿qué productos impulsan el crecimiento y en qué tiendas?].

Columnas disponibles: [listar columnas y contenido].

Diseña la(s) tabla(s) dinámica(s) adecuada(s): para cada una, indica qué campos poner en filas, columnas, valores y filtros; qué agregación elegir (suma, media, recuento, y por qué la media podría engañar) y qué agrupación aplicar (fechas por mes, rangos de importes).

Señala las trampas: líneas que se duplican si la granularidad no es la esperada, totales que mezclan unidades, porcentajes sobre base errónea, elementos vacíos ocultos. Da los pasos de construcción clic a clic, dos lecturas que permitirá la tabla y una conclusión que sería tentador pero falso extraer.

En [Excel o Google Sheets], quiero traer a mi pestaña principal información de otra pestaña. Pestaña principal: [columnas, ej. A número pedido, B fecha, C importe]. Pestaña origen: [columnas, ej. A número pedido, D nombre cliente, E segmento]. Información a traer: [columna deseada]. Clave de cruce: [columna común].

Dame la fórmula exacta para pegar, eligiendo entre BUSCARV, INDICE/COINCIDIR y BUSCARX según mi versión [precisar versión si se conoce], y explica la elección en dos frases.

Trata los casos que rompen estas fórmulas: clave ausente en origen (qué devolver en vez del error), claves duplicadas en origen (qué línea toma, cómo detectarlo con fórmula de recuento), claves que parecen iguales pero difieren por un espacio o formato número/texto (fórmula de limpieza previa). Formato: fórmula principal, fórmula de detección de duplicados y fórmula de limpieza.

Trabajo en [Excel o Google Sheets]. Mis datos: [describir columnas con letras, ej. A fecha, B comercial, C región, D importe, E estado]. Lo que quiero calcular: [ej. el total de ventas de la región Norte firmadas en 2026 por comercial, excluyendo estado «cancelado»].

Escribe la(s) fórmula(s) exacta(s) con los rangos correctos, eligiendo entre SUMAR.SI.CONJUNTO, CONTAR.SI.CONJUNTO, PROMEDIO.SI.CONJUNTO o combinación. Explica cada criterio en una línea.

Cubre las sutilezas: criterios de fechas (cómo escribir «en 2026» o «entre dos fechas» con comillas y ampersand), criterio de exclusión (distinto de), comodines para texto parcial y referencias fijas con dólares para arrastrar la fórmula. Añade una fórmula de control: el total de mis fórmulas por criterio debe sumar el total general. Formato: fórmulas listas para pegar y explicación breve.

En Google Sheets (funciones REGEXEXTRACT, REGEXMATCH, REGEXREPLACE), quiero extraer [información, ej. código postal, número factura, dominio email] de una columna de texto libre. Ejemplos reales: [pegar 10 a 15 valores representativos, incluyendo casos complejos].

Resultado esperado para cada uno: [dar resultado deseado para 3 o 4 ejemplos].

Escribe la fórmula completa y explica la regex paso a paso (clases de caracteres, cuantificadores, grupos). Pruébala mentalmente con mis ejemplos y señala los que fallarían, en lugar de prometer que funciona siempre.

Añade: una variante REGEXMATCH para columna de control verdadero/falso, gestión del caso «sin coincidencia» para evitar errores, y límites conocidos del patrón (variantes no cubiertas). Restricción: priorizar una regex legible aunque sea más larga. Formato: fórmulas y explicación.

Mi fórmula en [Excel o Google Sheets] no da el resultado esperado. Fórmula exacta: [pegar fórmula]. Error o síntoma: [ej. #N/A en algunas líneas, #REF!, total falso, cero en todo]. Contexto: [describir columnas usadas y ejemplo de línea que falla con valores reales].

Procede como diagnóstico: lista causas posibles de MI síntoma por probabilidad (tipos mezclados número/texto, espacios invisibles, rangos desplazados tras insertar líneas, referencia no fija, valor buscado ausente, ordenación requerida no cumplida, separadores locales).

Para cada causa, da el test que la confirma o elimina en menos de un minuto (fórmulas ESNUMERO, ESTEXTO, LARGO para espacios, comparación estricta). Una vez identificada, da la corrección mínima y la versión robusta para evitar reincidencia. Restricción: no proponer rehacer todo el archivo. Formato: árbol de diagnóstico, tests y corrección.

Debo presentar datos a [audiencia, ej. comité de dirección, equipo de campo] y quiero elegir el gráfico correcto. Mensaje a transmitir: [mensaje en una frase, ej. dos productos concentran casi todo el crecimiento]. Datos disponibles: [describir o pegar datos: dimensiones, métricas, categorías, periodo].

Recomienda el tipo de gráfico adecuado para este MENSAJE (comparación, evolución, reparto, relación, distribución) y justifica en dos frases. Propón una alternativa creíble y explica por qué queda segunda. Elimina explícitamente malas elecciones tentadoras (tarta con muchas categorías, doble eje que sugiere relación falsa, áreas apiladas ilegibles) con su razón.

Da especificaciones concretas: qué poner en ejes X e Y, orden de categorías, escala (¿cero incluido?), anotaciones directas y título formulado como mensaje, no como descripción. Termina con la versión «qué no hacer»: la opción que deformaría el mensaje.

Aquí tienes un gráfico que voy a difundir en [contexto, ej. informe mensual, presentación a clientes]. Descripción o datos: [describir gráfico: tipo, ejes, escalas, series, título, o pegar datos]. Mensaje que debe transmitir: [mensaje].

Critícalo en tres aspectos. Honestidad: ¿la escala deforma la variación (eje truncado no avisado, doble eje, escala logarítmica oculta)?, ¿el periodo es sesgado?, ¿hay datos suficientes para los porcentajes? Legibilidad: ¿qué entiende un lector en cinco segundos?, ¿el título dice el mensaje o solo el tema?, ¿sobran elementos (colores, rejillas, decimales, leyenda redundante)? Adecuación: ¿sirve este gráfico para este mensaje o hay otro mejor?

Clasifica tus observaciones en «bloqueante antes de difundir» y «mejora deseable», y describe la versión corregida. Restricción: critica el gráfico, no los datos; si el problema son los datos, dilo aparte.

Quiero construir [gráfico, ej. curva de evolución mensual por canal, barras apiladas] en [herramienta, ej. Google Sheets, Excel, Looker Studio] pero mis datos brutos no tienen el formato correcto. Datos actuales: [pegar extracto con encabezados, ej. una línea por transacción].

Describe primero la estructura de destino exacta que espera la herramienta (formato largo o ancho, una columna por serie o columna de categoría, granularidad de fechas), con un ejemplo de 5 líneas.

Da el camino de transformación más sencillo: agregación (tabla dinámica o fórmulas), gestión de periodos sin datos (¿poner a cero o dejar ausentes? efecto en la curva), ordenación y redondeo solo en visualización, nunca en los datos.

Termina con dos controles: el total de la tabla transformada coincide con el bruto, y el número de periodos corresponde al rango esperado [periodo]. Formato: estructura destino, pasos y controles.

En mi empresa, el indicador [nombre, ej. tasa de conversión, facturación, clientes activos] da cifras distintas según quién lo calcule. Quiero escribir SU definición de referencia. Usos actuales: [quién lo usa y cómo, ej. marketing desde GA4, ventas desde CRM]. Fuentes disponibles: [herramientas y tablas].

Redacta la ficha completa: fórmula exacta (numerador y denominador sin ambigüedad: qué eventos cuentan, cuáles se excluyen, qué pasa con cancelaciones, devoluciones, duplicados, tests internos), periodo y zona horaria de referencia, fuente oficial en caso de discrepancia, frecuencia y fecha de cierre (¿puede variar el dato de un mes pasado?).

Lista las discrepancias probables entre los usos actuales y esta definición, con el orden de magnitud esperado, para preparar el cambio. Restricción: cada término debe ser verificable por consulta, nada de términos vagos («cliente activo» debe ser un criterio medible). Formato: ficha estructurada.

Mi indicador principal es [indicador, ej. facturación mensual, nuevos clientes] y quiero desglosarlo en palancas para saber dónde actuar. Contexto: [actividad, ej. e-commerce, servicios, red de tiendas]. Nivel actual: [valor]. Objetivo: [meta].

Construye el árbol de descomposición aritmética: el indicador como producto o suma de subindicadores (ej. tráfico x tasa conversión x ticket medio), y cada subindicador desglosado un nivel más si es útil. Verifica que cada desglose sea matemáticamente exacto, no aproximado.

Para cada hoja del árbol: quién en la organización puede actuar sobre ella, el dato para medirla [fuentes] y su margen de mejora realista. Identifica las dos palancas donde el esfuerzo rinde más (sensibilidad: ¿qué pasa con el KPI principal si esta palanca mejora un 10%?), mostrando el cálculo. Restricción: señalar palancas que se canibalizan. Formato: árbol indentado y tabla de palancas.

Quiero analizar la retención de mis [clientes o suscriptores] por cohortes. Datos disponibles: [describir, ej. exportación con ID cliente, fecha primera compra/registro, fechas de actividad posterior]. Herramienta: [Excel, Google Sheets, SQL]. Definición de cliente «retenido»: [ej. ha vuelto a comprar en el mes, tiene suscripción activa].

Guíame para construir la tabla: agrupación por mes de primera compra, cálculo de actividad en M+1, M+2, M+3 y siguientes, como porcentaje del tamaño inicial. Da el método concreto en mi herramienta (fórmulas o consulta).

Ayúdame a LEERLA: distinguir efecto antigüedad (todas las cohortes se erosionan) del efecto añada (¿son las cohortes recientes mejores que las antiguas a la misma edad?), detectar el mes donde la retención se estabiliza y señalar cohortes demasiado jóvenes o pequeñas para concluir (con el umbral recomendado). Formato: método y guía de lectura con preguntas clave.

Quiero segmentar mi base de clientes con el método RFM (recencia, frecuencia, valor monetario) para dirigir mis acciones. Datos: [exportación, ej. una línea por pedido con ID cliente, fecha, importe]. Herramienta: [Excel, Google Sheets, SQL]. Actividad: [tipo y ciclo de compra típico, ej. moda online, compra cada 2 meses].

Construye el proceso: cálculo de los tres valores por cliente (fórmula o consulta exacta), elección de umbrales de scoring adaptados a MI ciclo de compra en lugar de quintiles automáticos (justifica cada umbral), asignación de puntuaciones y agrupación en 5 a 8 segmentos con nombre (fieles, dormidos, nuevos prometedores, perdidos...).

Para cada segmento: porcentaje esperado, descripción en una frase, acción comercial prioritaria e indicador de éxito. Restricciones: excluir pedidos cancelados y clientes de test, tratar clientes de una sola compra y avisar que los umbrales deben revisarse cada [frecuencia]. Formato: paso a paso y tabla de segmentos.

Quiero prever [magnitud, ej. ventas mensuales, reservas, volumen llamadas] para los [horizonte, ej. próximos 6 meses]. Histórico: [pegar serie, idealmente 24 meses o más, o describir]. Mi actividad tiene estacionalidad conocida: [describir, ej. pico en diciembre, bajada en agosto].

Construye una previsión sencilla y reproducible en [Excel o Google Sheets]: calcula la tendencia de fondo (media móvil de 12 meses o regresión, explica elección), los coeficientes de estacionalidad mensuales según el histórico y la previsión (tendencia x coeficiente). Muestra las fórmulas.

Exige honestidad: da un rango bajo/alto basado en los errores que este método habría cometido en el pasado (backtest: aplica el método a los últimos 6 meses conocidos y mide la desviación), no un rango decorativo. Lista lo que el método NO ve (eventos excepcionales, cambios de precio) y la señal para rehacer la previsión. Formato: método, fórmulas, tabla con rangos y límites.

Estamos en [mes actual] y quiero proyectar mi cierre de año en [magnitud, ej. facturación, gastos, expedientes]. Realizado a la fecha: [valor acumulado]. Objetivo anual: [objetivo]. Histórico mensual del año pasado y este: [pegar valores].

Construye tres proyecciones y compáralas: la regla de tres simple (acumulado / meses transcurridos * 12), la proyección estacionalizada (peso habitual de los meses restantes según histórico) y la proyección «informada» que integra lo que ya sé: [elementos conocidos, ej. pedidos firmados, presupuestos en curso, cierre en agosto, contratación].

Para cada una: la cifra, la hipótesis implícita y cuándo falla más. Recomienda cuál usar en mi caso y la desviación al objetivo (en euros y porcentaje). Termina con dos o tres acciones que aún podrían mover el cierre y su valoración aproximada. Formato: tabla comparativa y recomendación breve.

Eres responsable de calidad de datos. Quiero auditar la calidad de [base, ej. clientes CRM, catálogo productos, proveedores] antes de [uso previsto, ej. migración, campaña, reporting]. Estructura: [listar campos]. Extracto representativo: [pegar 30 a 50 líneas].

Audita según estos ejes con datos del extracto: completitud (tasa de relleno por campo, destacando campos críticos), validez (formatos inválidos: emails, teléfonos, códigos postales, fechas imposibles), unicidad (duplicados probables y criterio), frescura (fechas de actualización, parte de fichas obsoletas) y coherencia interna (campos que se contradicen, ej. código postal y provincia).

Produce el plan de remediación priorizado por impacto en MI uso previsto: lo que bloquea, lo que degrada y lo que puede esperar, con método de corrección (automático o manual) y esfuerzo estimado. Formato: tabla de auditoría y plan en tres fases.

Quiero crear el diccionario de datos de [conjunto, ej. exportación pedidos ERP, tabla clientes, Sheet compartido de reporting] para que el equipo deje de malinterpretar las columnas. Columnas y extracto: [listar columnas con 5 líneas de ejemplo].

Contexto: [origen de datos, frecuencia de actualización, quién los alimenta].

Para cada columna, redacta la ficha: nombre técnico y nombre de negocio, definición en una frase, tipo y formato, valores posibles o rango plausible, regla de llenado (obligatorio, calculado, manual), fuente origen y, sobre todo, la sección «trampas»: qué riesgo de error hay (¿importe con o sin IVA?, ¿fecha pedido o pago?, ¿campo histórico o sobrescrito?). Si no puedes deducir algo, escribe «confirmar con [quién]».

Formato: tabla lista para pegar en una pestaña de «diccionario» y lista de preguntas para confirmar.

Dos herramientas dan cifras distintas para la misma realidad: [fuente A, ej. GA4] indica [valor A] y [fuente B, ej. TPV, Stripe, CRM] indica [valor B] para [métrica y periodo]. Desviación: [porcentaje o importe]. Debo entender el desfase y decidir qué fuente manda.

Guía la investigación: primero desfases de DEFINICIÓN (qué cuenta cada uno: devoluciones, cancelaciones, tests, zonas horarias, fecha pedido vs cobro, filtros bot), luego desfases de PERÍMETRO (canales o tiendas ausentes en un lado) y desfases de RECOGIDA (fallos de medición, consentimiento, caídas). Para cada hipótesis: test concreto para cifrarla, empezando por las que explican los mayores desfases habituales.

Objetivo: una tabla de paso del valor A al B, concepto por concepto. Termina con tu recomendación: qué fuente usar para cada fin y el margen de error aceptable para dejar de investigar. 

Voy a difundir [entregable, ej. informe mensual, presentación cliente, email resultados] a [destinatarios]. Cifras clave: [listar cifras principales]. Fuentes: [origen de cada cifra].

Hazme pasar la checklist de control final, pidiéndome confirmar cada punto: coherencia interna (subtotales cuadran, porcentajes y bases encajan, cifras repetidas son idénticas), coherencia externa (comparación con mes anterior/año pasado: ¿toda variación tiene explicación verificada?), perímetro anunciado (cada cifra indica periodo, ámbito y moneda; definiciones sin cambios sin avisar), reproducibilidad (sé rehacer cada dato: consulta o archivo guardado) y redondeos (coherentes, sin precisión ilusoria).

Para cada punto que no pueda confirmar, indica el riesgo y si es bloqueante. Formato: checklist numerada con casillas.

Quiero detectar automáticamente valores anormales en [serie, ej. ventas diarias, pedidos por hora, registros diarios] para reaccionar rápido. Histórico: [pegar serie o describir: granularidad, valores típicos]. Herramienta: [Google Sheets, Excel, SQL]. Variaciones normales: [ej. sábado fuerte, domingo flojo, estacionalidad].

Propón un sistema robusto: un valor de referencia que respete mis ciclos (comparar lunes con lunes anteriores, no con el día previo), una medida de desviación y un umbral de alerta justificado por la dispersión real del histórico (muestra el cálculo, explica por qué ese umbral y no un porcentaje arbitrario) y una regla anti-falsas alarmas (ej. alertar tras dos puntos anómalos seguidos).

Da la implementación en mi herramienta con fórmulas. Termina con: tres causas benignas que dispararán la alerta erróneamente (festivo, promo, fallo recogida) y cómo gestionarlas, más el protocolo de tres pasos al recibir una alerta.

Un dato de mi informe parece falso y debo decidir: error de cálculo, problema de datos o realidad sorprendente. El dato: [valor y nombre, ej. la facturación de marzo indica 240.000€ frente a 90.000€ habituales]. Dónde aparece: [informe, consulta o archivo]. Cadena de producción: [origen de datos y transformaciones].

Estructura la investigación en capas, de salida a origen, con un test para cada una: el cálculo final (fórmula, rango, filtro), la transformación (agregación, join duplicado, error de importación, cambio de definición), la recogida (caída, carga masiva un día, cambio herramienta) y la realidad de negocio (pedido grande, cliente excepcional: ¿qué registro lo prueba?).

Restricción: prohibido corregir nada antes de identificar la causa; un dato sorprendente pero real no se «corrige». Formato: plan de investigación y las tres salidas posibles con su acción (corregir, documentar, alertar).

He recogido respuestas libres de clientes vía [canal, ej. pregunta abierta encuesta satisfacción, reseñas Google, motivos baja] y quiero un análisis accionable. Verbatims: [pegar comentarios o muestra si son muchos, con el total]. Pregunta realizada: [pregunta exacta].

Procede así: construye una rejilla de temas a partir de los propios comentarios (sin rejilla previa), con definición de una línea por tema para que sea reproducible. Clasifica cada comentario (multitema permitido) y cuantifica: menciones por tema, tono dominante y cruce con [variable, ej. nota, antigüedad] si existe.

Restricciones de honestidad: cita textualmente sin reescribir, distingue temas frecuentes de temas raros pero graves, precisa el número de respuestas (no usar porcentajes si hay menos de 30 respuestas sin avisar) y no inventes citas. Formato: síntesis (temas por frecuencia, 2 citas por tema, señales débiles) y tabla de clasificación completa.

He lanzado un cuestionario vía [herramienta, ej. Google Forms, Typeform] y debo analizarlo. Respuestas: [número]. Preguntas: [listar tipo: opción única, múltiple, escala, libre]. Exportación: [pegar muestra]. Objetivo: [qué busco decidir o aprender].

Realiza el análisis en orden: limpieza (duplicados, encuestas hechas en segundos, incoherencias: lista qué descartas y por qué), tablas de frecuencia de cada pregunta (con formato adecuado al tipo), y los 3 a 5 cruces más útiles para MI objetivo (justifica la elección).

Precauciones obligatorias: recordar quién ha respondido y en qué difiere la muestra del público objetivo (sesgo de difusión, voluntariedad), avisar en cada cruce donde una celda baje de 30 respuestas y prohibir conclusiones causales en datos declarativos. Formato: plan de análisis, resultados de tablas y cruces, y límites en recuadro final.

He implementado [cambio, ej. nuevos horarios, rediseño página, nuevo precio, nuevo guion] el [fecha] y quiero saber si ha funcionado, sin grupo de control. Métrica: [métrica]. Valores antes: [serie previa larga]. Valores después: [serie posterior]. Otros eventos: [cambios simultáneos: temporada, campaña, actualidad, competencia].

Antes de comparar medias, oblígame a verificar: ¿es representativa la ventana previa?, ¿la variación supera las fluctuaciones habituales (cífralas)?, ¿la estacionalidad explica el cambio?, ¿qué otro evento concurrente podría producir el efecto?

Concluye en tres niveles: lo que los datos afirman, lo que sugieren y lo que no pueden resolver. Termine con el diseño que haría la próxima evaluación más sólida (cambio progresivo, alternancia, grupo testigo). Prohibido: concluir solo por coincidencia temporal.

Redacta una nota de una página sobre mi análisis para [lector, ej. mi director, comité inversión, cliente] que la leerá en [tiempo, ej. tres minutos] y debe decidir: [decisión]. Material bruto: [pegar resultados, cifras, hallazgos]. Mi recomendación: [recomendación].

Estructura impuesta: título con la conclusión (no el tema), primer párrafo con respuesta y cifra clave, máximo 3 hallazgos con UNA cifra de apoyo cada uno, opciones posibles con coste y riesgo en una línea, recomendación asumida y una línea de «lo que aún no sabemos» (límites sin oscurecer el mensaje).

Restricciones: máximo una página, frases cortas, sin jerga de analista (ni «correlación» ni «dataset» sin explicar), cifras redondeadas a la precisión útil, ningún dato no contenido en el material bruto. Si falta algo, escribe [dato faltante] en vez de inventar.

Ayúdame a transformar mis resultados en una presentación impactante para [audiencia y ocasión, ej. revisión trimestral ante dirección]. Duración: [duración]. Resultados: [pegar hallazgos y cifras]. Objetivo final: [decisión, presupuesto, cambio prioridad].

Construye el hilo narrativo: situación conocida, tensión (el dato que sorprende o preocupa), exploración (por qué ocurre, máx. 3 pruebas), resolución (propuesta) y llamada a la acción. Divide en diapositivas: una idea por slide, con título afirmativo que resuma la idea (la secuencia de títulos debe contar la historia sola). 

Para cada cifra clave, propón una comparación que la haga tangible (magnitud conocida, euros o clientes por semana). Restricciones: no inventar cifras, las reservas del análisis tienen su propia slide, no letra pequeña. Formato: plan slide a slide con título y contenido.

Traduce mi resultado de análisis en una explicación clara para [público, ej. equipo ventas, franquiciados, cliente final] sin cultura estadística. Resultado técnico: [enunciar resultado con tecnicismos, ej. correlación 0,7 entre X e Y, intervalo confianza, test A/B, modelo scoring]. Lo que el público debe retener: [acción o cambio esperado].

Produce tres niveles: versión 30 segundos oral (lenguaje corriente, analogía cotidiana, sin tecnicismos), versión 5 minutos con ejemplo real de mis datos, y respuesta a las 3 preguntas probables de este público.

Restricciones de fidelidad: la divulgación no debe decir MÁS que el resultado técnico (correlación no es causa, tendencia no es certeza, resultado de un segmento no es general); señala explícitamente dónde has simplificado y qué queda fuera. Formato: los tres niveles y lista de simplificaciones asumidas.

Quiero documentar [informe, ej. cuadro mando comercial mensual, reporte actividad semanal] para que otra persona pueda producirlo, entenderlo y corregirlo sin mí. Cómo se produce hoy: [describir mecánica: fuentes, extracciones, archivos, fórmulas, retoques manuales, difusión]. Frecuencia: [frecuencia]. Destinatarios: [quién lo recibe y qué hace con él].

Redacta la documentación en cuatro bloques: manual de producción (pasos ordenados, dónde clicar o qué consulta lanzar, incluyendo retoques manuales «sucios»), diccionario de indicadores (definición, fórmula, fuente), mapa de dependencias (qué rompe el informe: cambio formato, acceso caducado, pestaña renombrada) y protocolo de incidencias (cómo verificar un dato cuestionado, a quién avisar, cómo rectificar). 

Hazme las preguntas necesarias si faltan detalles. Formato: documento estructurado listo para guardar.

Debo cruzar dos archivos sobre las mismas entidades pero sin ID común fiable: [archivo 1, ej. export CRM con nombre empresa y email] y [archivo 2, ej. export contable con razón social y factura]. Columnas archivo 1: [listar]. Columnas archivo 2: [listar]. Extractos: [pegar 10 líneas de cada]. Objetivo: [qué quiero obtener].

Construye la estrategia en cascada, de más a menos segura: primero claves exactas tras normalizar (email minúsculas, CIF/NIF, número limpio), luego claves compuestas (nombre normalizado + código postal), luego cruce aproximado de nombres (método en [Excel, Google Sheets] y límites). En cada fase: cuántas líneas casan en mis extractos y tasa de falsos positivos esperada.

Restricciones: cada cruce mantiene una columna «método» indicando la fase; los no cruzados van a una lista de trabajo manual, nunca se descartan en silencio. Formato: plan en cascada, fórmulas y tabla de seguimiento.

No puedo revisar toda la población y debo trabajar con una muestra. Población: [descripción y tamaño, ej. 12.000 expedientes clientes, 3.000 facturas del año, 800 llamadas]. Qué quiero verificar: [objetivo, ej. tasa error entrada datos, parte de expedientes conformes]. Precisión necesaria: [ej. saber si supera el 5%, estimación +/- 3 puntos].

Construye el plan: tamaño de muestra necesario para la precisión objetivo (razonamiento sencillo, sin fórmulas lanzadas al vacío), método de selección para evitar sesgos (aleatorio simple o estratificado: si hay subgrupos muy distintos [describir estratos], recomienda y dimensiona la estratificación) y procedimiento concreto en [Excel o Google Sheets] (fórmula aleatoria reproducible).

Lista los sesgos que amenazan MI caso (expedientes ilocalizables sustituidos por fáciles, periodo no representativo) y la solución. Termina con la frase tipo para presentar el resultado con su margen de incertidumbre.

Mi tasa de conversión varía según cómo se calcule y quiero fiabilizarla. Contexto: [proceso, ej. visita web a compra, presupuesto a firma, llamada a cita]. Fuentes: [herramientas, ej. GA4, CRM, TPV]. Cálculos actuales y resultados: [versiones que circulan].

Ayúdame a fijar la definición rigurosa: numerador (qué evento cuenta como conversión, qué pasa con cancelaciones, duplicados, conversiones múltiples de una persona), denominador (quién entra en la base: usuarios únicos o visitas, leads cualificados o todos, criterio de entrada) y ventana de atribución (tiempo entre entrada y conversión, y a qué mes asignar una conversión que cruza periodos).

Para cada opción, muestra el efecto en el dato con mis números e indica la convención más común. Explica por qué mis cálculos actuales discrepan. Termina con la definición en una frase y dos errores de lectura a prevenir (comparar tasas con perímetros distintos, promediar tasas sin ponderar).

Quiero calcular y seguir el churn (abandono) de [actividad, ej. suscripciones software, contratos mantenimiento, gimnasio]. Datos: [describir, ej. export suscripciones con fecha inicio, fin, estado, importe mensual]. Ciclo facturación: [mensual, anual, mixto].

Establece las decisiones de definición, recomendando la mejor para mi caso: churn en número de clientes o en ingresos (muestran cosas distintas: da ejemplo), base inicial (clientes al inicio, incluyendo o no nuevos del mes), gestión de casos límite (pausa, impago, downgrade, baja solicitada pero no efectiva, cliente que vuelve).

Da la fórmula exacta e implementación en [Excel, Google Sheets o SQL]. Advierte de trampas: mezclar ciclos mensuales y anuales en la misma tasa, churn que mejora solo porque las ventas aceleran, y por qué la lectura por cohortes de antigüedad es necesaria. Formato: decisiones, fórmula, implementación y trampas.

Quiero entender qué me aporta realmente cada [producto, servicio o familia]. Datos: [exportación, ej. ventas por producto con cantidades y precios, compras y costes desde contabilidad]. Costes identificados: [listar: compras, materiales, mano de obra, gastos fijos, transporte, comisiones].

Construye el análisis por pasos: margen bruto por producto (precio venta menos costes directos, siempre sin IVA), y el reparto de costes indirectos: propón 2 claves de reparto plausibles (por facturación, tiempo, volumen), muestra cómo cambia el ranking según la clave y explica por qué ninguna es «la verdad absoluta».

Presenta cruzando margen en tasa Y en euros con el volumen: el producto con gran tasa que no se vende, el de baja tasa que hace volumen, y qué perdemos si solo miramos una columna. Termina con 3 decisiones que este análisis orienta (precios, descatalogar, promocionar) y el dato extra a verificar antes de decidir. Formato: método, tabla tipo y lectura.

Quiero medir cuánto depende mi actividad de unos pocos [clientes, productos, canales]. Datos: [exportación, ej. facturación por cliente 12 meses, ventas por referencia]. Herramienta: [Excel o Google Sheets].

Guía la construcción del análisis de concentración: orden descendente, acumulado y porcentaje acumulado (fórmulas exactas), lectura de umbrales (cuántos elementos hacen el 50% y el 80% del total, peso de los 5 primeros) y curva de Pareto (cómo trazarla).

Ve más allá del dato: ayúdame a calificar el RIESGO de esta concentración: ¿qué pasa si el primer [cliente o producto] desaparece (impacto en euros y %)?, ¿la concentración sube o baja respecto a [periodo comparación]?, ¿cuesta más servir a la «cola larga» (los muchos pequeños) de lo que aportan?

Restricciones: tratar elementos vinculados que son en realidad uno solo (mismo grupo empresarial) y no concluir «cortar la cola» sin mirar costes reales. Formato: método, fórmulas y lectura de riesgo.

Quiero comparar el rendimiento de mis [puntos de venta, agencias, equipos] sin ser injusto: no tienen el mismo contexto. Unidades a comparar: [listar con diferencias: tamaño, zona, antigüedad, personal, flujo]. Datos: [métricas por unidad y periodo].

Construye la comparativa en tres tiempos. Primero, métricas REFERENCIADAS a una base justa (por vendedor, por metro cuadrado, por hora de apertura, por habitante: elige los ratios y justifica). Segundo, comparación de cada unidad consigo misma (crecimiento anual): ¿el ranking de crecimiento dice algo distinto al ranking bruto? Tercero, desviaciones inexplicables: las que persisten tras normalizar y merecen una visita o entrevista, no una sanción.

Restricciones: señalar unidades demasiado nuevas o pequeñas para el ranking, nunca resumir en una nota única sin mostrar los ratios, y listar factores no capturados (obras, competencia local). Formato: tabla comparativa y guía de lectura para revisión con responsables.

Quiero analizar mi embudo de conversión para saber dónde centrar el esfuerzo. Proceso: [describir pasos, ej. visita, ficha producto, carrito, envío, pago, confirmación; o B2B: lead, contacto, cita, presupuesto, firma]. Volúmenes por paso en [periodo]: [pegar cifras]. Fuente: [GA4, CRM, otro].

Calcula tasas de paso entre pasos consecutivos (no solo la total) e identifica dónde se pierde más, en valor absoluto de personas Y en tasa: explica cuál priorizar según mi objetivo [objetivo, ej. más firmas con el mismo tráfico].

Antes de concluir, verifica trampas de medición: pasos técnicos que no siempre saltan, usuarios que saltan pasos o vuelven atrás, ventana de medición corta para procesos lentos. Propón el cruce más útil con [segmento, ej. móvil vs PC, fuente tráfico, tamaño cliente] y qué implicaría una diferencia entre segmentos. Formato: tabla de tasas, diagnóstico y 2 hipótesis de mejora para el paso prioritario.

Sospecho un vínculo entre [variable 1, ej. clima, número de reseñas, tiempo respuesta presupuestos] y [variable 2, ej. ventas, tasa de firma] y quiero verificarlo. Datos: [pegar las dos series emparejadas por día/semana/expediente]. Intuición inicial: [lo que creo y qué haría si se confirma].

Guía el análisis en [Excel o Google Sheets]: primero el diagrama de dispersión y su lectura (forma, sentido, puntos anómalos), luego el coeficiente de correlación con interpretación sencilla y umbrales de interés según el número de observaciones [puntos].

Después, la parte clave: revisa explicaciones alternativas antes de concluir causalidad: factor común que influye en ambas (estacionalidad), sentido de causalidad inverso, pura coincidencia en pocos datos. Para cada una, el test sencillo que la refuerza o debilita. Conclusión en tres líneas: lo establecido, lo que es hipótesis y el experimento que decidiría.