Data-analyysi-kehotteet

Annan sinulle dataviennin lähteestä [lähde, esim. CRM, kassajärjestelmä, Google Analytics]. Haluan ymmärtää, mitä se sisältää ja mitä siitä voidaan päätellä. Liiketoimintakonteksti: [toiminta ja yleinen kysymys, esim. haluan ymmärtää, miksi myyntini laskee].

Data: [liitä data tai ensimmäiset rivit otsikoineen]

Etene järjestyksessä: kuvaile rakenne (sarakkeet, tyypit, aikaväli, tarkkuustaso), arvioi laatu (puuttuvat arvot, mahdolliset duplikaatit, epäjohdonmukaisuudet, tyhjät tai vakiot sarakkeet (listaa ne tarkasti)), laske tärkeimpien sarakkeiden perustilastot. Ehdota sitten 5 liiketoiminnallista kysymystä, joihin tämä data voi vastata, ja 3 kysymystä, joihin se EI VOI vastata näennäisestä huolimatta (kerro mikä tieto puuttuu).

Lopeta lupaavimpaan analyysiin, joka tulisi tehdä ensin, ja sen menetelmään. Älä tee liiketoiminnallisia johtopäätöksiä tässä vaiheessa.

Mittarini [mittari, esim. konversioaste, keskiostos, churn] muuttui arvosta [arvo ennen] arvoon [arvo jälkeen] aikavälillä [jakso 1] ja [jakso 2]. Käytettävissä oleva historia: [aiempien jaksojen arvot]. Tapahtumat jakson aikana: [mikä muuttui: kampanja, hinta, sesonki, häiriö, uudistus].

Auta minua tarkistamaan ennen tulkintaa: onko vaihtelu merkittävää sarjan tavanomaiseen vaihteluun nähden (laske normaalin vaihtelun suuruusluokka historiasta)? Voiko kausivaihtelu selittää sen (vertaa edellisten vuosien tai syklien samaan ajankohtaan)? Onko mittaustapa muuttunut (taustalla oleva volyymi, määritelmä, mittaustyökalu)?

Listaa vasta tämän jälkeen selityshypoteesit uskottavuusjärjestyksessä. Kerro jokaisen kohdalla testi tai tieto, joka vahvistaisi sen. Kiellettyä: syy-seuraussuhteen päättäminen pelkän ajallisen sattuman perusteella. Lopeta rehellisellä yhden lauseen vastauksella kysymykseen: "Onko tilanne vakava?"

Auta minua määrittelemään dashboard kohteelle [alue, esim. myyntitiimi, verkkokauppa, asiakaspalvelu]. Toiminnan tavoite: [tavoite]. Päätökset, joita tämän dashboardin tulisi tukea: [toistuvat päätökset, esim. mihin myyntipanostus kohdistetaan, milloin rekrytoidaan, mitä tuotteita korostetaan]. Käytettävissä oleva data: [lähteet ja työkalut].

Ehdota jokaiselle listatulle päätökselle mittareita, jotka todella valaisevat asiaa. Erota tulosmittarit (mitä on tapahtunut) ja toimintamittarit (asiat, joihin voimme vaikuttaa tällä viikolla). Enintään 8 mittaria yhteensä: jos hylkäät ehdotuksia, kerro miksi.

Jokaiselle valitulle mittarille: yksiselitteinen määritelmä (mitä lasketaan tarkalleen, millä aikavälillä), kaava, lähde, seurantatiheys ja tyypillinen tulkintavirhe (esim. keskiarvo, joka peittää jakauman, tai mittari, jota sitä mittaava tiimi voi manipuloida).

Muuta analyysini esitykseksi yleisölle [yleisö, esim. johtoryhmä, esihenkilö, asiakas]. Analyysin lähtökysymys: [kysymys]. Löydökset: [tulokset, luvut, havainnot]. Analyysin rajoitteet: [rajoitteet: osittainen data, lyhyt aikaväli, mahdolliset vinoumat]. Suositukseni: [suositus, jos sellainen on].

Rakenna esitys tässä järjestyksessä: vastaus kysymykseen yhdellä lauseella (pääviesti ensin, ei koskaan menetelmää ensin), 2 tai 3 tukevaa havaintoa, joista jokaisella on OMA lukunsa (ei viittä lukua per havainto), suositus kustannuksineen ja hyötyineen, sekä rajoitteet rehellisesti mutta ilman itsensä vähättelyä (rajoite = käyttöohje, ei selitys).

Valmistele myös: 3 todennäköistä sudenkuoppakysymystä tältä yleisöltä vastauksineen sekä viestin "hissipuheversio" (30 sekuntia). Muoto: [toivottu muoto, esim. diojen runko, sähköposti, yhden sivun muistio].

Haluan testata muutosta [suunniteltu muutos, esim. uusi hinta, uusi sivu, uusi myyntispiikki, lähetysaika] ennen sen yleistämistä. Nykyinen tilanne: [nykyinen mittari ja sen taso]. Käytettävissä oleva volyymi: [liikenne, puhelut, lähetykset viikossa]. Mitä toivon: [odotettu parannus].

Rakenna protokolla: hypoteesi kumottavassa muodossa ("jos X, niin Y kasvaa vähintään Z verran"), onnistumiskriteeri ja päätöskynnys asetettuna NYT (ennen tulosten näkemistä), testi- ja kontrolliryhmän jako, sekä tarvittava kesto volyymini perusteella (selitä laskenta yksinkertaisesti). Huomioi häiriötekijät (kausivaihtelu, viikonpäivä, asiakasrakenne).

Lisää tulosten tulkintataulukko: milloin muutos otetaan käyttöön, milloin se lopetetaan, milloin testiä jatketaan. Listaa johtopäätökset, joita EI SAA tehdä, vaikka luvut houkuttelisivat (esim. jälkikäteen löydetyt alaryhmät, testin lopettaminen ensimmäiseen suotuisaan piikkiin).

Toimit data-analyytikkona. Minun on poistettava tuplat asiakastiedostosta, joka on viety järjestelmästä [työkalu, esim. CRM, laskutusohjelma]. Käytettävissä olevat sarakkeet: [listaa sarakkeet, esim. sukunimi, etunimi, sähköposti, puhelin, osoite, luontipäivä].

Ote tiedostosta: [liitä 20–30 edustavaa riviä].

Ehdota tuplien poistostrategiaa vaiheittain: ensin täsmälleen samat (mitkä sarakkeet?), sitten todennäköiset tuplat (kirjoitusvirheet, sama sähköposti mutta eri nimi, eri tavalla muotoiltu puhelinnumero). Määrittele jokaiselle vaiheelle vertailuavain, tarvittavat esikäsittelyt (pienet kirjaimet, välilyönnit, maakoodit) ja virheellisen osuman riski.

Rajoitteet: älä koskaan yhdistä kahta tietoa automaattisesti vain nimen perusteella. Määrittele aina, mikä tieto säilytetään (uusin? täydellisin?) ja miksi. Tuloste: vaiheittainen toimintasuunnitelma, konkreettiset Excel- tai Google Sheets -kaavat ja arvio tuplien määrästä annetussa otoksessa.

Minulla on vientitiedosto lähteestä [lähde, esim. kassajärjestelmä, verkkolomake], jonka päivämääräsarakkeessa on sekaisin eri muotoja: [todellisia esimerkkejä, esim. 03/04/2026, 2026-04-03, 3. huhtikuuta 2026, 04-03-26]. Työskentelen ohjelmalla [Excel tai Google Sheets].

Auta minua muuntamaan kaikki yhteen muotoon [kohdemuoto, esim. VVVV-KK-PP] ilman datan korruptoitumista. Aloita listaamalla kaikki otoksessa olevat muodot ja tunnista MONITULKINTAISET arvot (03/04: 3. huhtikuuta vai 4. maaliskuuta?): listaa ne selkeästi sen sijaan, että päättäisit puolestani. Ehdota sääntöä tulkintaan (lähdetyökalun kieli, yli 12 olevat arvot, loogisuus muiden sarakkeiden kanssa).

Anna sitten konkreettiset kaavat tai vaiheet muunnokseen, mukaan lukien tarkistussarake (kaava, joka ilmoittaa rivit, joissa muunnos epäonnistui tai tuotti epäloogisen päivämäärän [odotettu ajanjakso]). Lopeta listalla tarkistuksista, jotka on tehtävä ennen alkuperäisen sarakkeen korvaamista.

Olet tarkka data-analyytikko. Tiedostoni [kuvaus, esim. vuoden tilausvienti ERP-järjestelmästä] sisältää puuttuvia arvoja, ja minun on päätettävä, mitä niille tehdään ennen analyysia. Kyseiset sarakkeet ja arvioitu tyhjyysaste: [esim. postinumero 12 %, hankintakanava 40 %, summa 2 %].

Suunniteltu analyysi: [mitä haluan laskea, esim. liikevaihto alueittain ja kanavittain].

Auta minua vastaamaan jokaisen sarakkeen kohdalla: sisältääkö tyhjyys informaatiota (ei sovellettavissa, vapaaehtoinen kenttä, keruuvirhe) vai onko se täysin satunnaista? Mikä vaihtoehto on vähiten riskialtis MINUN analyysilleni: rivien poistaminen, arvon arvioiminen (mikä ja miksi), kategorian "ei tiedossa" luominen vai analyysikohdasta luopumin? Mitä vinoumia kukin vaihtoehto aiheuttaa?

Rajoitteet: ei koskaan keskiarvolla korvaamista ilman perusteluja, laske aina vaikutus (kuinka monta riviä menetetään, mikä on painoarvo kokonaisuudessa). Muoto: sarakekohtainen taulukko, jossa on suositeltu päätös, perustelu ja maininta lopulliseen raporttiin.

Minulla on vapaasti kirjoitettua tekstiä sisältävä sarake, joka pitää yhtenäistää: [kentän tyyppi, esim. kaupunkien nimet, yritysten nimet, tuotekategoriat] ohjelmassa [työkalu, esim. Google Sheets, Excel]. Esimerkkejä todellisista arvoista: [liitä 20–40 arvoa variaatioineen: kirjoitusasut, lyhenteet, virheet, välilyönnit].

Tavoite: saada puhdas sarake, jossa on yksi kanoninen arvo per entiteetti oikeaa aggregointia varten.

Etene näin: tunnista variaatioryhmät, jotka tarkoittavat samaa asiaa, ehdota jokaiselle ryhmälle kanoninen arvo ja listaa epäselvät tapaukset, jotka on tarkistettava käsin. Anna sitten toteutustapa: vastaavuustaulukko (variaatio -> kanoninen) ja hakukaava, esikäsittelysäännöt (kirjasinkoko, skandit, välilyönnit, välimerkit) sekä tarkistuskaava, joka eristää ilman vastaavuutta jääneet arvot.

Rajoite: vastaavuustaulukon on oltava erillisellä välilehdellä, jotta sitä voi käyttää uudelleen, ei manuaalisia korvauksia. Muoto: vastaavuustaulukko ja valmiit kaavat.

Minun on tuotava tiedosto [tyyppi, esim. messukontaktit, liidit lomakkeelta] järjestelmään [CRM tai kohdetyökalu]. Tiedostoni sarakkeet: [listaa sarakkeet]. Kohdetyökalun vaatimat kentät: [listaa kentät ja rajoitteet, esim. sähköposti pakollinen, puhelinnumero kansainvälisessä muodossa].

Otos: [liitä 10–20 riviä].

Valmistele vaatimustenmukaisuussuunnitelma: sarakkeiden mäppäys (mukaan lukien orvot kentät molemmin puolin), ennen tuontia tehtävät tarkistukset (syntaktisesti virheelliset sähköpostit, puutteelliset puhelinnumerot, tyhjät pakolliset kentät, tuplat selkeillä kriteereillä), tarvittavat muunnokset (etunimen/sukunimen erottaminen, puhelinnumeroiden muotoilu, maan yhtenäistäminen).

Rajoitteet: jokaisen hylätyn rivin on päädyttävä "hylätyt"-välilehdelle syyn kera, ei hiljaista poistamista. Älä keksi tietoja pakollisiin kenttiin. Tuloste: mäppäystaulukko, järjestetty lista tarkistuksista kaavoineen ja lopullinen tarkistuslista ennen tuontia (varmuuskopio, 10 rivin testituonti, tarkistus työkalussa).

Olet senior-tason SQL-kehittäjä, joka työskentelee liiketoimintajohdon kanssa. Kysymykseni: [kysymys suomeksi, esim. ketkä asiakkaat ovat tilanneet vähintään kahdesti tänä vuonna, mutta eivät kertaakaan viimeiseen kolmeen kuukauteen?]. Tietokanta: [moottori, esim. PostgreSQL, MySQL, BigQuery]. Käytettävissä olevat taulut ja sarakkeet: [kuvaile taulut, sarakkeet ja suhteet tai liitä kaavio].

Ennen koodin kirjoittamista, muotoile kysymykseni täsmällisin termein ja listaa tulkinnanvaraiset kohdat sekä valitsemasi oletukset (mitä lasketaan tarkalleen, päivämäärärajat, peruutettujen tilausten käsittely, aikavyöhyke). Jos kaaviosta puuttuu välttämätön tieto, kerro se, älä keksi sarakkeita.

Kirjoita sitten kysely kommentein varustettuna, ja ehdota yksinkertaista tarkistuskyselyä (summa tai lukumäärä), jolla voin varmistaa tuloksen uskottavuuden. Muoto: oletukset, kommentoitu kysely, tarkistuskysely, tuloksen rajoitteet.

Olen saanut haltuuni SQL-kyselyn, jota käytetään kohteessa [konteksti, esim. kuukausiraportointi, automaattinen vienti], eikä kukaan tiedä tarkalleen mitä se tekee. Tässä se on: [liitä koko kysely].

Tunnettu konteksti: [mitä raportin pitäisi näyttää, tietokantamoottori jos tiedossa].

Selitä se kolmella tasolla: tiivistelmä (mitä se laskee liiketoimintakielellä), lohkoittainen läpikäynti (jokainen liitos, suodatin, aggregointi ja alikysely vaikutuksineen) sekä piilotetut sudenkuopat: liitokset jotka voivat moninkertaistaa tai kadottaa rivejä, WHERE-ehdot jotka muuttavat LEFT JOINin INNER JOINiksi, NULL-arvojen käsittely, päivämäärärajat, datan oletukset.

Lopeta listalla tapauksista, joissa tuotettu luku olisi VIRHEELLINEN ilman ilmoitusta, ja anna kaksi nopeaa tarkistuskyselyä näiden tapausten todentamiseksi. Muoto: rakenteellinen selitys ja lista sudenkuopista vakavuusjärjestyksessä.

Olet SQL-optimoinnin asiantuntija. Kyselyni on liian hidas: [nykyinen aika] taulujen volyymille [arvioitu rivimäärä]. Moottori: [PostgreSQL, MySQL, SQL Server, BigQuery]. Kysely: [liitä kysely]. Olemassa olevat indeksit: [listaa tai merkitse "ei tiedossa"]. Suoritussuunnitelma: [liitä EXPLAIN-tuloste tai merkitse "ei saatavilla"].

Diagnosoi ensin: tunnista kyselystä todennäköiset hidastajat (funktiot suodatetuissa sarakkeissa jotka estävät indeksien käytön, korreloidut alikyselyt, turhat SELECT *, liitokset indeksoimattomiin sarakkeisiin, lajittelu suuressa volyymissa, päivämääräsuodattimien puute).

Ehdota optimointeja vaiva/hyöty-suhteen mukaan: kyselyn uudelleenkirjoitus (anna koko versio), luotavat indeksit (huomioiden kirjoituskustannus) ja viimeisenä rakenteelliset muutokset. Ehdoton rajoite: tuloksen on pysyttävä täsmälleen samana. Selitä jokaisen muutoksen kohdalla, miksi vastaavuus säilyy. Lopeta ohjeilla hyödyn mittaamiseen.

Olen saanut tuloksen tällä SQL-kyselyllä ja haluan tarkistaa sen ennen jakelua taholle [vastaanottajat, esim. johto, asiakas]. Kysely: [liitä kysely]. Saatu tulos: [luku tai luvut]. Odotettu suuruusluokka: [mikä olisi uskottavaa tai "ei aavistustakaan"].

Rakenna tarkistussarja: raaka volyymikysely (montako riviä ennen suodattimia, montako jokaisen pääsuodattimen jälkeen), duplikaattitarkistus oletetulla uniikilla avaimella, NULL-tarkistus liitos- ja aggregointisarakkeista, vertailu riippumattomaan lähteeseen [jos käytettävissä] ja rajatesti (muuttuuko luku jos siirrän ajanjaksoa päivällä?).

Jokaiselle tarkistukselle: valmis kysely, miltä normaali tulos näyttää ja mistä pitäisi huolestua. Lopeta päätössäännöllä: milloin luvun voi jakaa, milloin se on korjattava ja milloin on varoitettava luvun olevan alustava.

Työskentelen ohjelmalla [Excel tai Google Sheets] tiedostolla [datan tyyppi, esim. myyntirivit sisältäen päivämäärän, tuotteen, myymälän, määrän ja summan]. Kysymys, johon haluan vastata: [liiketoimintakysymys, esim. mitkä tuotteet tuovat kasvua ja missä myymälöissä?].

Käytettävissä olevat sarakkeet: [listaa sarakkeet ja niiden sisältö].

Suunnittele sopivat pivot-taulukot: kerro jokaiselle, mitkä kentät laitetaan riveihin, sarakkeisiin, arvoihin ja suodattimiin. Valitse laskentatapa (summa, keskiarvo, lukumäärä) ja selitä, miksi keskiarvo voisi olla harhaanjohtava. Ehdota ryhmittelyjä (päivämäärät kuukausittain, summat väleittäin).

Mainitse tapaukseni sudenkuopat: rivit jotka moninkertaistuvat jos tarkkuustaso on väärä, summat jotka sekoittavat eri yksiköitä, väärin lasketut prosentit. Anna vaiheittaiset rakennusohjeet ja kaksi havaintoa, jotka taulukko mahdollistaa, sekä yksi johtopäätös, joka olisi houkutteleva mutta virheellinen.

Haluan tuoda [Excelissä tai Google Sheetsissä] päälomakkeelleni tiedon, joka on toisella välilehdellä. Päävälilehti: [sarakkeet, esim. A tilausnumero, B päivä, C summa]. Lähdevälilehti: [sarakkeet, esim. A tilausnumero, D asiakkaan nimi, E segmentti]. Tuotava tieto: [haluttu sarake]. Yhteinen avain: [yhteinen sarake].

Anna tarkka, kopioitava kaava valiten VLOOKUP, INDEX/MATCH tai XLOOKUP väliltä ohjelmaversioni mukaan [kerro versio]. Perustele valinta kahdella lauseella.

Käsittele tapaukset, jotka rikkovat kaavat: puuttuva avain lähteessä (mitä näytetään virheen sijaan), duplikaattiavaimet lähteessä (mikä rivi valitaan, miten se havaitaan laskentakaavalla), avaimet jotka näyttävät samalta mutta eroavat välilyönnin tai muodon vuoksi (puhdistuskaava). Muoto: pääkaava, duplikaattien tunnistuskaava, puhdistuskaava.

Työskentelen ohjelmalla [Excel tai Google Sheets]. Datani: [kuvaile sarakkeet kirjaimilla, esim. A päivä, B myyjä, C alue, D summa, E tila]. Mitä haluan laskea: [esim. Pohjois-alueen myynti vuonna 2026 myyjittäin, pois lukien tila "peruttu"].

Kirjoita tarkat kaavat oikeilla alueilla valiten SUMIFS, COUNTIFS, AVERAGEIFS tai niiden yhdistelmä. Selitä jokainen kriteeri yhdellä rivillä.

Huomioi yksityiskohdat: päivämääräkriteerit (miten kirjoittaa "vuonna 2026" tai "kahden päivän välillä" oikein lainausmerkeillä ja &-merkillä), poissulkemiskriteeri (erisuuri kuin), jokerimerkit osittaiseen tekstiin ja lukitut viittaukset ($), jotta kaavaa voi kopioida. Lisää tarkistuskaava: kriteerikohtaisten kaavojen summan on vastattava kokonaissummaa. Muoto: kopioitavat kaavat ja selitykset.

Haluan erottaa Google Sheetsissä (funktiot REGEXEXTRACT, REGEXMATCH, REGEXREPLACE) tiedon [kohdetieto, esim. postinumero, laskun numero, sähköpostin verkkotunnus] vapaasta tekstisarakkeesta. Todellisia esimerkkejä arvoista: [liitä 10–15 edustavaa arvoa, myös hankalia tapauksia].

Odotettu tulos kullekin: [anna haluttu tulos 3–4 esimerkille].

Kirjoita koko kaava ja selitä regex osa osalta (merkkiluokat, määrittelyt ja ryhmät). Testaa se mielessäsi esimerkkeihini ja ilmoita, mitkä se saattaisi missata, sen sijaan että lupaisit sen toimivan kaikkialla.

Lisää: REGEXMATCH-versio tarkistussarakkeeksi (onko kuvio olemassa?), "ei osumaa" -tapauksen käsittely ilman virheilmoitusta ja kuvion tunnetut rajoitteet. Suosi luettavaa regexiä kompaktin sijaan. Muoto: kopioitavat kaavat ja selitys.

Kaavani [Excel tai Google Sheets] ei anna odotettua tulosta. Tarkka kaava: [liitä kaava]. Virhe tai oire: [esim. #N/A joillakin riveillä, #REF!, väärä summa, nolla kaikkialla]. Konteksti: [kuvaile käytetyt sarakkeet ja esimerkki rivistä, jossa se epäonnistuu, todellisine arvoineen].

Etene diagnostiikalla, älä sokealla uudelleenkirjoituksella: listaa oireeni mahdolliset syyt todennäköisyysjärjestyksessä (sekoitetut tyypit numero/teksti, näkymättömät välilyönnit, siirtyneet alueet rivien lisäyksen jälkeen, lukitsematon viittaus, puuttuva arvo, lajitteluvaatimus, paikalliset erottimet).

Anna jokaiselle syylle testi, joka vahvistaa tai kumoaa sen minuutissa (ISNUMBER, ISTEXT, LEN välilyöntien tarkistamiseen). Kun syy on löytynyt, anna minimikorjaus ja sitten vankka versio kaavasta, joka estää virheen toistumisen. Älä ehdota koko tiedoston uusimista. Muoto: diagnostiikkapuu, testit, korjaus.

Minun on esitettävä dataa taholle [yleisö, esim. johtoryhmä, kenttätiimi] ja haluan valita oikean kaavion. Viesti, jonka haluan välittää: [viesti yhdellä lauseella, esim. kaksi tuotetta muodostavat suurimman osan kasvusta]. Käytettävissä oleva data: [kuvaile tai liitä data: ulottuvuudet, mittarit, kategorioiden määrä, ajanjakso].

Suosittele tähän VIESTIIN sopivaa kaaviotyyppiä (vertailu, kehitys, jakauma, suhde) ja perustele se kahdella lauseella. Ehdota uskottavaa vaihtoehtoa ja selitä, miksi se on toisella sijalla. Sulje pois houkuttelevat mutta huonot valinnat (esim. piirakka liian monella kategorialla, kaksoisakseli joka vihjaa suhteeseen, lukukelvoton pinottu aluekaavio) perusteluineen.

Anna konkreettiset määritykset: mitä x- ja y-akseleille, kategorioiden järjestys, asteikko (nollan sisällyttäminen ja miksi), mitä annotoida suoraan kaavioon, ja otsikko joka on muotoiltu viestiksi eikä kuvaukseksi. Lopeta "älä tee näin" -versiolla.

Tässä on kaavio, jonka aion jakaa kohteessa [konteksti, esim. kuukausiraportti, asiakasesitys]. Kaavion kuvaus tai data: [kuvaile kaavio: tyyppi, akselit, asteikot, sarjat, otsikko tai liitä data]. Viesti, jota sen pitäisi tukea: [viesti].

Arvioi se kolmesta näkökulmasta. Rehellisyys: vääristääkö asteikko vaihtelua (katkaistu akseli ilman ilmoitusta, kaksoisakseli, ilmoittamaton logaritminen asteikko), onko ajanjakso valikoitu (cherry-picking), onko otoskoko riittävä prosenteille? Luettavuus: mitä lukija ymmärtää viidessä sekunnissa, kertooko otsikko viestin vai vain aiheen, onko poistettavia elementtejä (värit, ruudukot, desimaalit, turha selite)? Sopivuus: palveleeko tämä kaaviotyyppi viestiä vai olisiko joku muu parempi?

Luokittele huomiot "estää julkaisun" ja "toivottava parannus" -ryhmiin. Kuvaile korjattu versio tarkasti. Rajoite: kritisoi kaaviota, älä dataa; jos ongelma on datassa, sano se erikseen.

Haluan rakentaa kaavion [tavoitekaavio, esim. kuukausittainen kehityskäyrä kanavittain, pinottu palkkikaavio] ohjelmalla [työkalu, esim. Google Sheets, Excel, Looker Studio], mutta raakadatani ei ole oikeassa muodossa. Nykyinen data: [liitä ote otsikoineen, esim. yksi rivi per tapahtuma].

Kuvaile ensin tarkka kohderakenne, jota työkalu vaatii tälle kaaviolle (long- vai wide-muoto, sarake per sarja vai kategoriasarake, päivämäärien tarkkuus). Anna 5 rivin esimerkki siitä, miltä datan pitäisi näyttää lopuksi.

Anna sitten yksinkertaisin muunnospolku työkalussani: aggregointi (pivot tai kaavat), tyhjien ajanjaksojen käsittely (nollan näyttäminen vai puuttuminen ja sen vaikutus käyrään), järjestys ja pyöristys vain näkymässä, ei datassa.

Lopeta kahdella tarkistuksella ennen piirtämistä: muunnetun taulukon summa vastaa raakasummaa, ja ajanjaksojen määrä vastaa odotettua väliä [ajanjakso]. Muoto: kohderakenne, vaiheet, tarkistukset.

Yrityksessämme mittari [mittarin nimi, esim. konversioaste, liikevaihto, aktiiviset asiakkaat] antaa eri lukuja riippuen siitä, kuka sen laskee. Haluan luoda sille virallisen määritelmän. Nykyiset käyttötavat: [kuka käyttää ja miten, esim. markkinointi laskee GA4:stä, myynti CRM:stä]. Käytettävissä olevat datalähteet: [työkalut ja taulut].

Laadi täydellinen määrittelykortti: tarkka kaava (osoittaja ja nimittäjä määriteltynä yksiselitteisesti: mitkä tapahtumat lasketaan, mitkä jätetään pois, miten käsitellään peruutukset, palautukset, duplikaatit ja sisäiset testit), viiteajanjakso ja aikavyöhyke, virallinen lähde ristiriitatilanteissa, päivitystiheys ja lukituspäivä (voiko kuukauden luku muuttua jälkikäteen?).

Listaa todennäköiset erot nykyisten tapojen ja tämän määritelmän välillä sekä odotettu eron suuruusluokka muutokseen valmistautumiseksi. Rajoite: jokaisen kaavan termin on oltava tarkistettavissa kyselyllä, ei epämääräisiä termejä (esim. "aktiivinen asiakas" on määriteltävä mitattavalla kriteerillä). Muoto: rakenteellinen yhden sivun kortti.

Päämittarini on [mittari, esim. kuukausittainen liikevaihto, uusien asiakkaiden määrä] ja haluan purkaa sen osiin tietääkseni, mihin vaikuttaa. Konteksti: [toiminta, esim. verkkokauppa, asiantuntijapalvelu, myymäläketju]. Nykyinen taso: [nykyinen arvo]. Tavoite: [tavoite].

Rakenna aritmeettinen purkukuvio: päämittari ilmaistuna alimittareiden tulona tai summana (esim. liikenne x konversioaste x keskiostos), ja pura jokainen alimittari vielä yhdelle tasolle, jos se on hyödyllistä. Varmista, että jokainen purku on matemaattisesti tarkka, ei likimääräinen.

Jokaiselle kuvion lehdelle: kuka organisaatiossa voi vaikuttaa siihen, millä datalla sitä mitataan [lähteet] ja mikä on realistinen parannusvara. Tunnista kaksi tekijää, joissa panostus tuottaa eniten (herkkyysanalyysi: mitä päämittarille tapahtuu, jos tämä tekijä paranee 10 %?). Näytä laskelma. Rajoite: mainitse tekijät, jotka syövät toisiaan. Muoto: sisennetty puu ja taulukko tekijöistä.

Haluan analysoida [asiakkaiden tai tilaajien] pysyvyyttä kohorteittain. Käytettävissä oleva data: [kuvaile, esim. vienti jossa asiakastunnus, ensimmäinen tilaus- tai rekisteröitymispäivä, myöhemmät tapahtumat tai tilaukset]. Työkalu: [Excel, Google Sheets, SQL]. Määritelmä "pysyvälle" asiakkaalle toiminnassani: [esim. tilannut uudelleen kuukauden sisällä, aktiivinen tilaus].

Ohjaa minua kohorttitaulukon rakentamisessa: ryhmittely ensimmäisen tilauksen kuukauden mukaan, aktiivisuuden laskenta kuukausina M+1, M+2, M+3 jne. prosenttina kohortin alkuperäisestä koosta. Anna konkreettinen menetelmä työkalussani (kaavat tai kysely).

Auta minua LUKEMAAN taulukkoa: erota asiakasiän vaikutus (kaikki kohortit heikkenevät ajan myötä) ja aloitusajankohdan vaikutus (ovatko uudemmat kohortit parempia vai huonompia kuin vanhat samassa iässä?), tunnista kuukausi, jolloin pysyvyys stabiloituu, ja ilmoita kohortit, jotka ovat liian tuoreita tai pieniä johtopäätöksiin. Muoto: rakennusohjeet ja tulkintaopas kysymyksineen.

Haluan segmentoida asiakasrekisterini RFM-menetelmällä (Recency, Frequency, Monetary) toimenpiteiden kohdentamiseksi. Data: [saatavilla oleva vienti, esim. rivi per tilaus, asiakastunnus, päivä, summa kassajärjestelmästä tai CRM:stä]. Työkalu: [Excel, Google Sheets, SQL]. Toiminta: [toiminnan tyyppi ja tyypillinen oistosykli, esim. muodin verkkokauppa, osto 2 kuukauden välein].

Rakenna prosessi: kolmen arvon laskenta per asiakas (tarkka kaava tai kysely), valitse liiketoimintaani sopivat pisteytysrajat automaattisten viidennysten sijaan (perustele jokainen raja), pisteiden anto ja ryhmittely 5–8 selkeään segmenttiin (uskolliset, nukahtaneet, lupaavat uudet, menetetyt...).

Jokaiselle segmentille: odotettu osuus prosentteina, kuvaus yhdellä lauseella, ensisijainen markkinointitoimenpide ja mittari sen onnistumiselle. Rajoitteet: sulje pois perutetut tilaukset ja testiasiakkaat, käsittele kertaostajat erikseen ja mainitse, että rajat on tarkistettava [suositeltu väli]. Muoto: vaiheittainen menetelmä ja segmenttitaulukko.

Haluan ennustaa kohteen [suure, esim. kuukausimyynti, varaukset, puhelumäärä] seuraaville [aikaväli, esim. 6 kuukautta]. Historia: [liitä sarja, mieluiten 24 kk tai enemmän, tai kuvaile mitä sinulla on]. Toiminnassa on tunnettu kausivaihtelu: [kuvaile, esim. piikki joulukuussa, hiljaista elokuussa].

Rakenna yksinkertainen ja toistettava ennuste ohjelmassa [Excel tai Google Sheets]: laske pohjatrendi (12 kk liukuva keskiarvo tai regressio, perustele valinta), kuukausittaiset kausikertoimet historiasta ja lopullinen ennuste (trendi x kerroin). Näytä kaavat.

Vaadi tulokselta rehellisyyttä: anna ala- ja yläraja, jotka on laskettu menetelmän aiemmista virheistä (backtest: sovella menetelmää viimeiseen 6 tunnettuun kuukauteen ja mittaa ero), ei vain koristearvona. Listaa asiat, joita menetelmä EI näe (poikkeustapahtumat, hinnanmuutokset, epätyypillinen perusvuosi) ja signaali, jonka pitäisi saada minut päivittämään ennuste kesken kaiken. Muoto: menetelmä, kaavat, ennustetaulukko väleineen, rajoitteet.

Olemme kuukaudessa [nykyinen kuukausi] ja haluan laskea loppuvuoden ennusteen kohteelle [suure, esim. liikevaihto, kulut, käsitellyt tapaukset]. Toteuma tähän mennessä: [kertynyt arvo]. Vuositavoite: [tavoite]. Kuukausittainen historia viime vuodelta ja tästä vuodesta: [liitä arvot].

Rakenna kolme ennustetta ja vertaa niitä: yksinkertainen suoraviivainen ennuste (kertymä / kuluneet kuukaudet x 12), kausivaihteluun perustuva ennuste (loppuvuoden historiallinen painoarvo) ja "tietoon perustuva" ennuste, joka huomioi jo tiedossa olevat asiat: [tiedossa olevat asiat, esim. sovitut tilaukset, tarjoukset, kesäsulku, rekrytointi].

Jokaiselle: luku, sen tekemä oletus ja tilanne, jossa se erehtyy eniten. Suosittele tapaukseeni sopivinta ja kerro sen mukainen ero tavoitteeseen euroina ja prosentteina. Lopeta 2–3 toimenpiteellä, jotka voisivat vielä muuttaa lopputulosta, ja arvioi niiden vaikutus karkeasti. Muoto: vertailutaulukko ja suositus.

Toimit tietojen laatupäällikkönä. Haluan auditoida kohteen [tietokanta, esim. CRM-asiakasrekisteri, tuotekuvasto, toimittajatiedosto] laadun ennen [suunniteltu käyttö, esim. migraatio, kampanja, raportoinnin käyttöönotto]. Rakenne: [listaa kentät]. Edustava otos: [liitä 30–50 riviä].

Auditoi seuraavilla osa-alueilla ja anna jokaisesta luku otoksen perusteella: kattavuus (täyttöaste kentittäin, korostaen kriittisiä kenttiä), oikeellisuus (virheelliset muodot: sähköpostit, puhelimet, postinumerot, mahdottomat päivämäärät), uniikkius (todennäköiset duplikaatit), tuoreus (päivityspäivät, todennäköisesti vanhentuneiden tietojen osuus), sisäinen johdonmukaisuus (ristiriitaiset kentät, esim. postinumero ja kaupunki).

Tuota sitten korjaussuunnitelma priorisoituna käytön mukaan: mikä estää käytön, mikä heikentää sitä, mikä voi odottaa. Kerro jokaiselle erälle korjausmenetelmä (automaattinen vai manuaalinen) ja vaiva-arvio. Muoto: auditointitaulukko ja kolmivaiheinen suunnitelma.

Haluan luoda data-sanakirjan kohteelle [tietoaineisto, esim. ERP-tilausvienti, tietokannan asiakastaulu, raportoinnin jaettu Sheet], jotta tiimi lopettaa sarakkeiden väärintulkinnan. Sarakkeet ja otos: [listaa sarakkeet ja 5 esimerkkiriviä].

Mitä tiedän kontekstista: [datan alkuperä, päivitystiheys, kuka sitä ylläpitää].

Kirjoita jokaiselle sarakkeelle kortti: tekninen nimi ja liiketoimintanimi, määritelmä yhdellä lauseella, tyyppi ja odotettu muoto, mahdolliset arvot tai uskottava vaihteluväli, täyttösääntö (pakollinen, laskettu, käsin syötetty), lähdejärjestelmä ja erityisesti "sudenkuopat": mitä käyttäjä saattaa luulla väärin (alv 0 % vai alv:llinen, tilauspäivä vai maksupäivä, historiatiedot vai ylikirjoitettu). Jos et voi päätellä tietoa, kirjoita "varmistettava taholta [kuka]".

Muoto: taulukko, joka on valmis kopioitavaksi "sanakirja"-välilehdelle, sekä lista varmistettavista kysymyksistä.

Kaksi työkaluani antaa eri lukuja samasta asiasta: [lähde A, esim. GA4] ilmoittaa [arvo A] ja [lähde B, esim. kassajärjestelmä, Stripe, CRM] ilmoittaa [arvo B] kohteelle [mittari ja ajanjakso]. Ero: [prosentti tai summa]. Minun on ymmärrettävä ero ja päätettävä, kumpi lähde on ensisijainen.

Ohjaa tutkintaa järjestyksessä: ensin MÄÄRITELMÄ-erot (mitä kumpikin tarkalleen laskee: palautukset, peruutukset, testit, aikavyöhykkeet, tilauspäivä vs. maksupäivä, bottisuodattimet), sitten KATTAVUUS-erot (puuttuvat kanavat tai toimipisteet), sitten KERUU-erot (mittauskatkokset, evästeet, häiriöt). Anna jokaiselle hypoteesille konkreettinen testi sen laskemiseksi.

Tavoite: taulukko, joka selittää siirtymän arvosta A arvoon B erä erältä. Lopeta suosituksella: kumpaa lähdettä käytetään mihinkin tarkoitukseen ja mikä on hyväksyttävä jäännösero, jonka jälkeen selvitys voidaan lopettaa.

Aion jakaa tuotoksen [tuotos, esim. kuukausiraportti, asiakasesitys, sähköposti neljänneksen tuloksista] taholle [vastaanottajat]. Tärkeimmät luvut: [listaa pääluvut nimikkeineen]. Lähteet: [mistä kukin luku tulee].

Käy läpi lopullinen tarkistuslista kohta kohdalta ja pyydä minua vahvistamaan jokainen: sisäinen johdonmukaisuus (osat täsmäävät summaan, prosentit ja niiden kanta täsmäävät, kahdesti mainitut luvut ovat samat), ulkoinen johdonmukaisuus (vertailu edelliseen kuukauteen ja vuoteen: onko yllättäville muutoksille varmistettu selitys?), ilmoitettu kattavuus (jokaisessa luvussa on ajanjakso, alue ja valuutta; määritelmät eivät ole muuttuneet), toistettavuus (osaan tehdä luvun uudelleen: kysely tai tiedosto tallessa) ja pyöristykset.

Ilmoita jokaisen kohdan kohdalla, jota en voi vahvistaa, mikä on konkreettinen riski ja estääkö se julkaisun. Muoto: numeroitu checklist valintaruuduilla.

Haluan havaita automaattisesti poikkeavat arvot kohteessa [seurattu sarja, esim. päivittäinen myynti, tuntikohtaiset tilaukset, päivittäiset rekisteröitymiset] reagoidakseni nopeasti ongelmiin. Historia: [liitä sarja tai kuvaile: tarkkuus, ikä, tyypilliset arvot]. Työkalu: [Google Sheets, Excel, SQL]. Tunnetut normaalit vaihtelut: [esim. lauantai vahva, sunnuntai heikko, kausivaihtelu].

Ehdota yksinkertaista ja vankkaa järjestelmää: vertailuarvo, joka huomioi syklit (vertaa maanantaita edellisiin maanantaisin, ei edelliseen päivään), poikkeaman mittari ja perusteltu hälytysraja historian perusteella (selitä laskenta ja miksi juuri tämä raja), sekä sääntö virhehälytysten vähentämiseksi (esim. hälytys vasta kahden peräkkäisen poikkeaman jälkeen).

Anna toteutusohjeet ja kaavat työkalulleni. Lopeta kolmella vaarattomalla syyllä, jotka laukaisevat hälytyksen (pyhäpäivä, kampanja, keruukatkos), ja ohjeilla, miten ne käsitellään, sekä kolmivaiheisella toimintaohjeella hälytyksen sattuessa.

Raportissani oleva luku vaikuttaa virheelliseltä, ja minun on päätettävä: onko se laskentavirhe, dataongelma vai yllättävä todellisuus. Luku: [arvo ja nimike, esim. maaliskuun liikevaihto 240 000 €, kun tavallisesti se on 90 000 €]. Missä se näkyy: [raportti, kysely tai tiedosto]. Tuotantoketju: [mistä data tulee ja mitä muunnoksia sille tehdään].

Rakenna tutkinta kerroksittain lopusta alkuun. Anna jokaiselle kerrokselle testi, joka vapauttaa tai syyllistää sen: lopullinen laskenta (kaava, alue, suodatin), muunnos (aggregointi, duplikoiva liitos, tuontivirhe, uusi määritelmä), keruu (katkos, massiivinen jälkikirjaus, työkalun vaihto) ja lopulta liiketoiminnan todellisuus (suurtilaus, poikkeusasiakas: mikä tallenne todistaisi tämän?).

Rajoite: mitään ei saa korjata ennen syyn löytymistä; yllättävää mutta totta olevaa lukua ei "korjata". Muoto: järjestetty tutkintasuunnitelma ja kolme mahdollista lopputulosta toimenpiteineen (korjaa, dokumentoi, hälytä).

Olen kerännyt vapaita vastauksia asiakkailta kanavasta [kanava, esim. tyytyväisyyskyselyn avoin kysymys, Google-arvostelut, irtisanomisen syyt]. Haluan hyödynnettävän analyysin. Vastaukset: [liitä vastaukset tai otos, kerro kokonaismäärä]. Kysymys: [tarkka kysymys].

Etene näin: rakenna teemakehikko vastausten perusteella (ei valmista kehikkoa), anna jokaiselle teemalle yhden lauseen määritelmä toistettavuuden varmistamiseksi. Luokittele jokainen vastaus (useampi teema sallittu) ja laske määrät: maininnat per teema, hallitseva sävy ja ristiintaulukointi [saatavilla olevan muuttujan, esim. arvosana, asiakkuuden kesto] kanssa.

Rehellisyysrajoitteet: lainaa vastauksia sanatarkasti, erota yleiset teemat harvinaisista mutta vakavista, ilmoita vastaajien määrä kaikkialla (ei prosentteja alle 30 vastauksesta ilman mainintaa). Muoto: yhden sivun yhteenveto (teemat yleisyysjärjestyksessä, 2 edustavaa lainausta per teema, heikot signaalit) ja luokittelutaulukko.

Olen toteuttanut kyselyn työkalulla [työkalu, esim. Google Forms, Typeform]. Vastausten määrä: [määrä]. Kysymykset: [listaa kysymykset ja tyypit: yksi valinta, monivalinta, asteikko, avoin]. Vienti: [liitä ote]. Kyselyn tavoite: [mitä halutaan päättää tai oppia].

Suorita purku järjestyksessä: puhdistus (tuplat, sekunneissa täytetyt, selkeät epäjohdonmukaisuudet: kerro mitä poistat ja miksi), jokaisen kysymyksen perusanalyysi (sopivassa muodossa kysymystyypin mukaan) ja 3–5 hyödyllisintä ristiintaulukointia tavoitteeni kannalta (perustele valinta).

Pakolliset huomiot: muistuta ketkä vastasivat ja miten otos voi poiketa kohderyhmästä (jakelutapa, vapaaehtoisuus), ilmoita jokainen ristiintaulukointi jossa vastaajamäärä jää alle 30 hengen, ja vältä syy-seurausjohtopäätöksiä mielipidedatasta. Muoto: purkusuunnitelma, tulokset ja rajoitteet loppuyhteenvedossa.

Olen toteuttanut muutoksen [muutos, esim. uudet aukioloajat, sivuston uudistus, uusi hinta] päivämääränä [päivä] ja haluan tietää toimiko se, ilman kontrolliryhmää. Seurattu mittari: [mittari]. Arvot ennen: [sarja ennen muutosta, mahdollisimman pitkä]. Arvot jälkeen: [sarja muutoksen jälkeen]. Muut tapahtumat jakson aikana: [mikä muu muuttui: sesonki, kampanja, uutiset, sää, kilpailu].

Ennen keskiarvojen vertailua, pakota minut tarkistamaan: onko "ennen"-jakso edustava, ylittääkö havaittu muutos mittarin tavanomaisen vaihtelun (laske historiasta), selittääkö kausivaihtelu eron, ja mikä muu samanaikainen tapahtuma voisi aiheuttaa saman vaikutuksen?

Johtopäätökset kolmella tasolla: mitä data vahvistaa, mitä se vain vihjaa, ja mitä se ei voi ratkaista. Lopeta ehdotuksella järjestelystä, joka tekisi seuraavasta arvioinnista luotettavamman (asteittainen käyttöönotto, vuorottelu). Kiellettyä: päätelmä pelkän ajallisen sattuman perusteella.

Kirjoita yhden sivun muistio analyysini pohjalta yleisölle [lukija, esim. toimitusjohtaja, sijoituskomitea, asiakas], joka lukee sen [ajassa, esim. kolme minuuttia] ja jonka on päätettävä: [odotettu päätös]. Raaka-aine: [liitä analyysin tulokset, luvut ja havainnot]. Suositukseni: [suositus].

Pakollinen rakenne: otsikko joka kertoo johtopäätöksen (ei aihetta), ensimmäinen kappale joka antaa vastauksen ja avainluvun, enintään 3 havaintoa joista jokaisella on YKSI tukeva luku, mahdolliset vaihtoehdot kustannuksineen ja riskeineen, selkeä suositus ja rivi "mitä emme vielä tiedä" joka kertoo rajoitteet viestiä hukuttamatta.

Muotovaatimukset: enintään yksi sivu, lyhyet lauseet, ei analyytikon jargonia (ei "korrelaatio" tai "dataset" ilman selitystä), luvut pyöristettynä päätöksenteon kannalta järkevästi. Älä käytä lukuja, joita raaka-aineessa ei ole. Jos tieto puuttuu, kirjoita [puuttuva tieto].

Auta minua muuttamaan analyysitulokseni vaikuttavaksi esitykseksi yleisölle [yleisö ja tilaisuus, esim. johtoryhmän neljänneskatsaus, asiakastapaaminen]. Kesto: [kesto]. Esitettävät tulokset: [liitä havainnot ja avainluvut]. Mitä haluan yleisön tekevän lopuksi: [päätös, budjetti, prioriteetin muutos].

Rakenna tarinakaari: tilanne jonka yleisö tuntee, jännite (luku tai havainto joka yllättää tai häiritsee), tutkimus (miksi näin on, enintään 2–3 todistetta), ratkaisu (mitä ehdotan) ja päätöskutsu. Jaa diat: yksi idea per dia, otsikon ollessa väite joka kantaa idean (otsikoiden sarjan on kerrottava koko tarina).

Ehdota jokaiselle avainluvulle vertauskuvaa, joka tekee siitä käsitettävän (vertaus yleisön tuntemaan suureeseen, muunnos euroiksi tai asiakkaiksi per viikko). Rajoitteet: ei keksittyjä lukuja tarinan vuoksi, analyysin epävarmuuksille oma dia, ei alaviitettä. Muoto: suunnitelma dia dialta sisältäen otsikon ja sisällön.

Käännä analyysitulokseni selkeäksi selitykseksi yleisölle [yleisö, esim. myyntitiimi, yrittäjät, loppuasiakas], jolla ei ole tilastollista taustaa. Tekninen tulos: [ilmoita tulos termein, esim. korrelaatio 0,7 X:n ja Y:n välillä, luottamusväli, A/B-testin tulos, pisteytysmalli]. Mitä yleisön on ymmärrettävä toimiakseen: [odotettu toiminta tai muutos].

Tuota kolme tasoa: 30 sekunnin suullinen versio (arkikieli, analogia arjesta jos se auttaa, ei teknisiä termejä), 5 minuutin versio konkreettisella esimerkillä datastani ja vastaukset 3 kysymykseen, joita tämä yleisö todennäköisesti kysyy.

Uskollisuusrajoitteet: selitys ei saa sanoa ENEMPÄÄ kuin tekninen tulos (korrelaatiosta ei tule syytä, trendistä ei tule varmuutta, segmentin tuloksesta ei tule yleistystä). Ilmoita selkeästi kohdat, joissa olet yksinkertaistanut ja mitä on jätetty pois. Muoto: kolme tasoa ja lista tehdyistä yksinkertaistuksista.

Haluan dokumentoida kohteen [raportti, esim. kuukausittainen myyntidashboard, maanantaisin lähetettävä toimintaraportti], jotta toinen henkilö voi tuottaa, ymmärtää ja korjata sen ilman minua. Miten se tuotetaan nyt: [kuvaile mekaniikka: lähteet, viennit, tiedostot, kaavat, manuaaliset vaiheet, jakelu]. Tiheys: [tiheys]. Vastaanottajat: [ketkä saavat ja mitä he tekevät sillä].

Kirjoita dokumentaatio neljässä osassa: tuotanto-ohje (jokainen vaihe järjestyksessä, tarkat klikkaukset tai kyselyt, mukaan lukien manuaaliset korjaukset), mittaristo (määritelmä, kaava ja lähde jokaiselle), riippuvuuskartta (mikä rikkoo raportin: muuttunut vientimuoto, vanhentunut pääsy, nimetty välilehti) ja häiriöprotokolla (miten tarkistaa kiistetty luku, kenelle ilmoittaa, miten korjata jo jaettu virheellinen raportti).

Kysy minulta lisätietoja, jos kuvauksessani on aukkoja. Muoto: rakenteellinen asiakirja valmiina tallennettavaksi [paikka, esim. tiimin Drive].

Minun on yhdistettävä kaksi tiedostoa, jotka käsittelevät samoja asioita mutta ilman luotettavaa yhteistä tunnistetta: [tiedosto 1, esim. CRM-vienti yrityksen nimellä ja sähköpostilla] ja [tiedosto 2, esim. kirjanpidon vienti virallisella nimellä ja laskun numerolla]. Tiedoston 1 sarakkeet: [listaa]. Tiedoston 2 sarakkeet: [listaa]. Otteet: [liitä 10 riviä kummastakin]. Yhdistämisen tavoite: [mitä halutaan lopputulokseksi].

Rakenna yhdistämisstrategia vaiheittain varmimmasta epävarmimpaan: ensin tarkat avaimet normalisoinnin jälkeen (sähköposti pienillä kirjaimilla, Y-tunnus, puhdistettu numero), sitten yhdistelmäavaimet (normalisoitu nimi + postinumero), sitten likimääräinen nimen täsmäytys (selittäen menetelmä ohjelmassa [Excel, Google Sheets] ja sen rajoitteet). Kerro jokaisessa vaiheessa: montako riviä täsmäsi otoksissani ja mikä on virheellisten osumien riski.

Rajoitteet: jokainen täsmäys säilyttää "menetelmä"-sarakkeen, joka kertoo miten se löytyi. Täsmäämättömät päätyvät manuaaliseen listaan, niitä ei saa poistaa hiljaa. Muoto: vaiheittainen suunnitelma, kaavat, täsmäysasteen seurantataulukko.

En voi tarkastaa koko perusjoukkoa ja minun on työskenneltävä otoksen kanssa. Perusjoukko: [kuvaus ja koko, esim. 12 000 asiakasasiakirjaa, 3 000 vuoden laskua, 800 tallennettua puhelua]. Mitä haluan arvioida tai tarkistaa: [tavoite, esim. syöttövirheiden määrä, vaatimustenmukaisten asiakirjojen osuus]. Päätöksentekoon tarvittava tarkkuus: [esim. tietää ylittääkö virheaste 5 %, arvio +/- 3 prosenttiyksikön tarkkuudella].

Rakenna suunnitelma: tarvittava otoskoko tavoitetarkkuudelle (selitä päättely yksinkertaisesti ilman monimutkaisia kaavoja), poimintamenetelmä vinoumien välttämiseksi (yksinkertainen satunnaisotanta tai ositettu otanta: jos perusjoukossa on hyvin erilaisia alaryhmiä [kuvaile ositteet], suosittele ja mitoita ositus) ja konkreettinen poimintaohje ohjelmassa [Excel tai Google Sheets] (toistettava satunnaislukukaava).

Listaa vinoumat, jotka uhkaavat tapaustani poiminnasta huolimatta (esim. kadonneet asiakirjat korvattu helpoilla, epäedustava ajanjakso) ja suojautumiskeino jokaiselle. Lopeta rehellisellä mallilauseella lopputuloksen ja sen epävarmuusvälin esittämiseen.

Konversioasteeni vaihtelee laskentatavan mukaan, ja haluan varmistaa sen kerralla. Konteksti: [polku, esim. sivustokäynti -> osto, tarjous -> allekirjoitus, puhelu -> tapaaminen]. Mittauslähteet: [työkalut, esim. GA4, CRM, kassa]. Nykyiset laskelmat ja tulokset: [eri versiot].

Auta minua luomaan tiukka määritelmä: osoittaja (mikä tapahtuma lasketaan konversioksi, miten peruutukset, duplikaatit ja saman henkilön useat konversiot käsitellään), nimittäjä (kuka kuuluu kantaan: uniikit kävijät vai käynnit, kvalifioidut liidit vai kaikki kontaktit, millä kriteerillä) ja attribuutioikkuna (kuinka kauan aikaa aloituksesta konversioon, ja mihin jaksoon kahden kuukauden taitteessa oleva konversio merkitään).

Näytä jokaisen valinnan vaikutus lukuun datallani ja kerro yleisin käytäntö. Selitä, miksi nykyiset laskelmani eroavat toisistaan. Lopeta valitulla määritelmällä yhdellä lauseella ja kahdella lukuvirheellä, joista on varoitettava (esim. eri laajuisten asteiden vertailu, asteiden keskiarvoistaminen ilman painotusta).

Haluan laskea ja seurata kohteen [toiminta, esim. ohjelmistotilaukset, huoltosopimukset, kuntosali] churnia (poistumaa). Käytettävissä oleva data: [kuvaile, esim. tilausvienti jossa aloituspäivä, päättymispäivä, tila ja kuukausisumma]. Laskutussykli: [kuukausi, vuosi, molemmat].

Määrittele ensin päätökset: suositeltu vaihtoehto tapaukseeni ja sen vaikutus lukuun. Churn asiakasmääränä vai liikevaihtona (molemmat kertovat eri tarinan: näytä esimerkkilaskelma), aloituspohja (asiakkaat jakson alussa, huomioidaanko uudet?), ja rajatapausten käsittely (tauko, maksuhäiriö, downgrade, irtisanottu mutta voimassa oleva, palannut asiakas).

Anna sitten tarkka kaava ja sen toteutus ohjelmassa [Excel, Google Sheets tai SQL]. Varoita tulkintavirheistä: kuukausi- ja vuosisyklien sekoittaminen samassa asteessa, churnin mekaaninen paraneminen myynnin kiihtyessä, ja miksi asiakasiän mukainen kohorttitarkastelu täydentää kokonaiskuvaa. Muoto: päätökset, kaava, toteutus, sudenkuopat.

Haluan ymmärtää, mitä kukin [tuote, palvelu tai tuoteryhmä] todella tuottaa. Data: [saatavilla oleva vienti, esim. myynti tuotteittain määrineen ja hintoineen kassasta, ostot ja kulut kirjanpidosta]. Tunnistetut kulut: [listaa: ostot, materiaalit, työ, kiinteät kulut, rahti, komissiot].

Rakenna analyysi vaiheittain: bruttokate tuotteittain (myyntihinta miinus välittömät kulut, alv 0 %), sitten vaikea kysymys välillisistä kuluista: ehdota 2 uskottavaa jakoperustetta (liikevaihdon suhteessa, käytetyn ajan mukaan, volyymin mukaan), näytä miten järjestys muuttuu perusteen mukaan ja selitä, miksi mikään ei ole se ainoa "oikea".

Esitä tulos ristiintaulukoimalla kateprosentti JA eurot volyymin kanssa: korkean katteen tuote joka ei myy, matalan katteen volyymituote, ja mitä jää huomaamatta jos katsotaan vain yhtä saraketta. Lopeta 3 päätöksellä, joita tämä analyysi tukee (hinta, lopettaminen, korostaminen) ja kerro jokaiselle tarkistettava lisäluku. Muoto: menetelmä, mallitaulukko, tulkinta.

Haluan mitata, kuinka paljon toimintani riippuu muutamasta [asiakkaasta, tuotteesta, kanavasta]. Data: [vienti, esim. liikevaihto asiakkaittain 12 kk laskutuksesta, myynti tuotteittain kassasta]. Työkalu: [Excel tai Google Sheets].

Ohjaa keskittymisanalyysin rakentaminen: laskeva järjestys, kertymä ja kertymäprosentti (tarkat kaavat), selkeiden rajojen lukeminen (kuinka monta kohdetta muodostaa 50 % ja 80 % kokonaisuudesta, suurimman ja viiden suurimman osuus) sekä Pareto-käyrä (miten piirtää ja lukea).

Mene havaintoa pidemmälle: auta minua arvioimaan tämän keskittymisen RISKIÄ: mitä tapahtuu jos suurin [asiakas tai tuote] katoaa (vaikutus euroina ja prosentteina), kasvaako vai väheneekö keskittyminen vertailujaksoon nähden, ja onko "pitkän hännän" (monien pienten) palveleminen kalliimpaa kuin sen tuotto? 

Rajoitteet: käsittele toisiinsa liittyvät kohteet yhtenä (sama konserni, sama ostaja), äläkä ehdota pienten karsimista ilman todellisten kustannusten tarkistamista. Muoto: menetelmä, kaavat, riskianalyysi.

Haluan verrata [toimipisteiden, toimistojen, tiimien] suoritusta olematta epäreilu: niillä on eri lähtökohdat. Vertailtavat yksiköt: [listaa erot: koko, sijainti, ikä, henkilöstömäärä, asiakasvirta]. Data: [mittarit per yksikkö ja jakso].

Rakenna vertailu kolmessa vaiheessa. Ensin mittarit SUHTEUTETTUNA tasapuoliseen kantaan (per myyjä, per neliömetri, per aukiolotunti, per alueen asukas: valitse sopivat suhdeluvut ja perustele). Sitten kunkin yksikön vertailu itseensä (vuosikasvu): kertooko kasvuun perustuva järjestys eri tarinan kuin raaka järjestys? Lopuksi selittämättömät erot: ne jotka jäävät jäljelle normalisoinnin jälkeen ja vaativat keskustelua, eivät rangaistusta.

Rajoitteet: ilmoita liian uudet tai pienet yksiköt joita ei voi luotettavasti verrata, älä koskaan anna yhtä ainoaa järjestystä näyttämättä sen osia, ja listaa tekijät joita data ei tavoita (remontit, paikallinen kilpailu). Muoto: vertailutaulukko ja tulkintaopas esihenkilökeskusteluun.

Haluan analysoida konversiosuppiloni löytääkseni kohdan, johon panostaa. Polku: [kuvaile vaiheet, esim. käynti, tuotesivu, ostoskori, toimitus, maksu, vahvistus; tai B2B: liidi, kontakti, tapaaminen, tarjous, kauppa]. Volyymit vaiheittain ajanjaksolla [jakso]: [liitä luvut]. Mittauslähde: [GA4, CRM, muu].

Laske läpäisyasteet peräkkäisten vaiheiden välillä (ei vain kokonaisastetta) ja tunnista eniten menettävä vaihe: eniten ihmisiä menettävä vaihe JA korkein poistumaprosentti. Nämä eivät aina ole sama vaihe, selitä kumpaa priorisoida tavoitteeni kannalta [tavoite, esim. enemmän kauppoja samalla liikenteellä].

Tarkista kanssani mittauksen sudenkuopat: tekniset vaiheet jotka eivät aina laukea, ihmiset jotka hyppäävät vaiheen yli tai palaavat takaisin, liian lyhyt mittausikkuna hitaissa poluissa. Ehdota sitten opettavaisin ristiintaulukointi segmentin [saatavilla oleva segmentti, esim. mobiili vs. tietokone, liikenteen lähde, asiakaskoko] kanssa. Muoto: asteiden taulukko, diagnostiikka, 2 testattavaa parannushypoteesia.

Epäilen yhteyttä tekijöiden [muuttuja 1, esim. sää, verkkoarvostelujen määrä, tarjousvastauksen viive] ja [muuttuja 2, esim. myynti, kauppojen määrä] välillä ja haluan varmistaa sen. Data: [liitä kaksi sarjaa, esim. päivittäin, viikoittain tai tapauksittain]. Alkuperäinen intuitio: [mitä uskon ja mitä tekisin jos se vahvistuisi].

Ohjaa analyysi ohjelmassa [Excel tai Google Sheets]: ensin pistekaavio ja sen luku (muoto, suunta, poikkeavat pisteet), sitten korrelaatiokerroin selkokielisellä tulkinnalla ja kynnyksillä, joiden jälkeen se on merkityksellinen havaintojen määrään nähden [pisteiden määrä].

Käy läpi kilpailevat selitykset ennen syy-seurausjohtopäätöstä: molempiin vaikuttava yhteinen tekijä (erityisesti kausivaihtelu), käänteinen syy-seuraussuhde tai puhdas sattuma. Anna jokaiselle yksinkertainen testi datallani. Johtopäätös kolmella rivillä: mikä on todistettu, mikä jää hypoteesiksi ja mikä koe ratkaisisi asian. Muoto: menetelmä, kaavat, tulkinta.