Prompter for Dataanalyse

Jeg gir deg en dataeksport fra [kilde, f.eks. CRM, kassesystem, Google Analytics], og jeg vil forstå hva den inneholder og hva vi kan lære av den. Forretningskontekst: [aktivitet og generelt spørsmål, f.eks. jeg vil forstå hvorfor salget synker].

Data: [lim inn data eller de første radene med kolonneoverskrifter]

Utfør oppgaven i denne rekkefølgen: Beskriv strukturen (kolonner, typer, tidsperiode, detaljnivå), vurder kvaliteten (manglende verdier, sannsynlige duplikater, inkonsekvenser, tomme eller konstante kolonner (list disse nøyaktig)), beregn grunnleggende statistikk for viktige kolonner, og foreslå deretter 5 forretningsspørsmål disse dataene kan besvare og 3 spørsmål de IKKE kan besvare til tross for utseendet (med begrunnelse om manglende data).

Avslutt med den mest lovende analysen som bør gjøres først og metoden for denne. Ikke trekk noen forretningsmessige konklusjoner på dette stadiet.

Min indikator [indikator, f.eks. konverteringsfrekvens, gjennomsnittlig handlekurv, churn] har endret seg fra [verdi før] til [verdi etter] mellom [periode 1] og [periode 2]. Tilgjengelig historikk: [verdier fra tidligere perioder]. Hendelser i perioden: [hva som har endret seg: kampanje, pris, sesong, hendelse, redesign].

Før du tolker, hjelp meg å sjekke: Er variasjonen signifikant med tanke på de vanlige svingningene i serien (beregn størrelsesorden på normale variasjoner basert på historikk)? Kan sesongvariasjoner forklare det (sammenlign med samme periode i tidligere år eller sykluser)? Har måleomfanget endret seg (underliggende volum, definisjon, måleverktøy)?

Deretter lister du opp forklarende hypoteser rangert etter sannsynlighet, med test eller data som vil bekrefte hver av dem. Forbudt: å konkludere med en årsak kun basert på tidsmessig sammenfall. Avslutt med hva du ærlig ville sagt i én setning hvis noen spurte deg: «Så, er dette alvorlig?».

Hjelp meg med å definere et dashbord for [omfang, f.eks. salgsteamet, nettbutikken, kundeservice]. Mål for aktiviteten: [mål]. Beslutninger dette dashbordet skal støtte: [gjentakende beslutninger, f.eks. hvor vi skal legge salgsinnsatsen, når vi skal rekruttere, hvilke produkter vi skal fremme]. Tilgjengelige data: [kilder og verktøy].

For hver beslutning som er listet opp, foreslå indikatoren(e) som faktisk belyser den. Skill mellom resultatindikatorer (hva vi observerer) og handlingsindikatorer (hva vi kan påvirke denne uken). Maksimalt 8 indikatorer totalt: hvis du velger bort noen, forklar hvorfor.

For hver valgt indikator: Gi en entydig definisjon (hva teller vi nøyaktig, over hvilken periode), formel, kilde, lesefrekvens og den klassiske tolkningsfellen for denne indikatoren (mikseffekter, gjennomsnitt som skjuler en fordeling, indikator som kan manipuleres av teamet som måles).

Transformer min analyse til en presentasjon for [målgruppe, f.eks. ledergruppen, min leder, en kunde]. Utgangspunkt for analysen: [spørsmål]. Hva jeg fant: [resultater, tall, observasjoner]. Begrensninger i analysen: [begrensninger: delvise data, kort periode, mulige skjevheter]. Hva jeg anbefaler: [anbefaling hvis jeg har en].

Bygg opp presentasjonen i denne rekkefølgen: Svaret på spørsmålet i én setning (hovedbudskapet først, aldri metoden først), 2 eller 3 funn som støtter det med HVERT sitt tall (ikke fem tall per funn), anbefalingen med hva den koster og hva den gir tilbake, og begrensningene ærlig fremstilt uten å undergrave arbeidet (en begrensning = en forholdsregel, ikke en unnskyldning).

Forbered også: De 3 mest sannsynlige kontrollspørsmålene fra denne målgruppen med svar, og en «30 sekunder i heisen»-versjon av budskapet. Format: [ønsket format, f.eks. disposisjon for slides, e-post, et notat på én side].

Jeg vil teste [planlagt endring, f.eks. en ny pris, en ny nettside, et nytt ringemanus, et tidspunkt for utsendelse] før full utrulling. Nåværende situasjon: [nåværende metrikk og nivå]. Tilgjengelig volum: [trafikk, samtaler, utsendelser per uke]. Hva jeg håper på: [forventet forbedring].

Bygg protokollen: Hypotesen formulert slik at den kan motbevises («hvis X så øker Y med minst Z»), suksesskriteriet og beslutningsterskelen fastsatt NÅ (før resultatene foreligger), fordeling mellom test/kontrollgruppe og hvordan dette tildeles korrekt, estimert nødvendig varighet basert på volum for å skille reell effekt fra støy (forklar beregningen enkelt), og forstyrrende effekter som må nøytraliseres (sesongvariasjoner, ukedag, kundemiks).

Legg til en tolkningsmatrise for resultatene: I hvilke tilfeller ruller jeg ut, når stopper jeg, når forlenger jeg, og hvilke konklusjoner er det FORBUDT å trekke selv om tallene er fristende (undergrupper oppdaget i etterkant, stans av testen ved første positive topp).

Du er en dataanalytiker. Jeg må fjerne duplikater fra en kundefil eksportert fra [verktøy, f.eks. CRM, Tripletex, Fiken] før en kampanje. Tilgjengelige kolonner: [list opp kolonner, f.eks. navn, e-post, telefon, adresse, opprettelsesdato].

Utdrag fra filen: [lim inn 20 til 30 representative rader].

Foreslå en strategi for duplikatsjekk i flere omganger: Først eksakte duplikater (hvilke kolonner må ha like verdier?), deretter sannsynlige duplikater (skrivefeil, samme e-post men ulikt navn, ulikt formatert telefonnummer). For hver omgang, spesifiser koblingsnøkkel, nødvendig normalisering (små bokstaver, fjerning av mellomrom, landskoder for telefon) og risikoen for «falske positive».

Krav: Slå aldri sammen to poster automatisk kun basert på navn, angi alltid hvilken post som skal beholdes (den nyeste? den mest komplette?) og hvorfor. Utdataformat: Trinnvis handlingsplan, deretter konkrete Google Sheets-formler eller Excel-trinn for å utføre det, og et estimat på antall duplikater funnet per omgang i det vedlagte utdraget.

Jeg har en eksport [kilde, f.eks. fra kassesystemet, et nettskjema] hvor datokolonnen blander flere formater: [reelle eksempler på verdier, f.eks. 03/04/2026, 2026-04-03, 3. april 2026, 04-03-26]. Jeg jobber i [Excel eller Google Sheets].

Hjelp meg å konvertere alt til et felles format [målformat, f.eks. ÅÅÅÅ-MM-DD] uten å ødelegge dataene. Start med å kartlegge alle formater i utvalget mitt og identifiser TVETYDIGE verdier (03/04: 3. april eller 4. mars?): List dem eksplisitt i stedet for å velge vilkårlig, og foreslå et kriterium for å avklare (språk i kildeverktøyet, verdier over 12, konsistens med en annen kolonne).

Gi deretter formler eller konkrete trinn for konverteringen, inkludert en kontrollkolonne (en formel som markerer rader der konverteringen feilet eller ga en dato utenfor en rimelig periode [forventet periode]). Avslutt med en sjekkliste før den opprinnelige kolonnen erstattes.

Du er en grundig dataanalytiker. Min fil [beskrivelse, f.eks. eksport av årets ordrer fra ERP] inneholder manglende verdier, og jeg må bestemme hva jeg skal gjøre med dem før analyse. Berørte kolonner og omtrentlig andel tomme felt: [f.eks. postnummer 12 %, kilde 40 %, beløp 2 %].

Planlagt analyse: [hva jeg vil beregne, f.eks. omsetning per region og kanal].

For hver kolonne, hjelp meg å svare i rekkefølge: Inneholder det tomme feltet informasjon (ikke relevant felt, valgfri utfylling, feil ved innsamling) eller er det helt tilfeldig? Hvilket alternativ er minst risikabelt for MIN analyse: Ekskludere radene, fylle inn en verdi (hvilken og hvorfor), opprette kategorien «ikke oppgitt», eller droppe denne analyseaksen? Hvilken skjevhet introduserer hvert alternativ?

Krav: Aldri fyll inn gjennomsnittsverdier uten begrunnelse, tallfest alltid effekten (hvor mange rader går tapt, hvor stor vekt har de i totalen). Format: Tabell kolonne for kolonne med anbefalt beslutning, begrunnelse og merknad som skal med i sluttpresentasjonen.

Jeg har en kolonne med fritekst som må normaliseres: [type felt, f.eks. bynavn, firmanavn, produktkategorier] i [verktøy, f.eks. Google Sheets, Excel]. Eksempler på faktiske verdier: [lim inn 20 til 40 verdier med varianter: store/små bokstaver, forkortelser, feil, mellomrom].

Mål: Få en ren kolonne med én standardverdi per enhet for å kunne aggregere dataene korrekt.

Gjør følgende: Identifiser grupper av varianter som betegner samme enhet i utvalget mitt, foreslå standardverdien for hver gruppe, og list deretter opp tvilstilfeller som bør sjekkes manuelt. Gi deretter metoden for gjennomføring: Oppslagstabell (variant til standardverdi) pluss formel for sammenkobling, regler for forhånds-normalisering (små bokstaver, fjerning av aksenter, ekstra mellomrom, tegnsetting), og en kontrollformel som isolerer verdier uten treff.

Krav: Oppslagstabellen skal være i en egen fane, gjenbrukbar for fremtidige eksporter, ikke manuelle endringer som går tapt. Format: Oppslagstabell, deretter formler klare til bruk.

Jeg skal importere en fil med [type, f.eks. kontakter fra en messe, leads fra et skjema] til [CRM eller målverktøy]. Kolonner i filen min: [list opp kolonner]. Felt som forventes av målverktøyet: [list opp felt og kjente krav, f.eks. e-post obligatorisk, telefon i internasjonalt format].

Utvalg: [lim inn 10 til 20 rader].

Klargjør planen for tilpasning: Mapping fra kildekolonne til målfelt (inkludert kolonner som ikke har treff på begge sider), kontroller som må gjøres før import (ugyldige e-postadresser, ufullstendige telefonnumre, tomme obligatoriske felt, duplikater med eksplisitte kriterier), nødvendige transformasjoner (skille fornavn/etternavn, formatere telefonnumre, normalisere land).

Krav: Hver rad som avvises må havne i en egen fane for «feil» med årsak, aldri slett noe i det skjulte; ikke finn på data for å fylle obligatoriske felt. Utdataformat: Mapping-tabell, sortert liste over kontroller med formel eller metode for hver, og en slutt-sjekkliste før import (sikkerhetskopi, testimport av 10 rader, verifisering i verktøyet).

Du er en senior SQL-utvikler som jobber med en forretningsbruker. Mitt spørsmål: [spørsmål på norsk, f.eks. hvilke kunder har bestilt minst to ganger i år, men ingenting de siste tre månedene?]. Database: [motor, f.eks. PostgreSQL, MySQL, BigQuery]. Tilgjengelige tabeller og kolonner: [beskriv tabellene, kolonnene og relasjonene, eller lim inn skjemaet].

Før du skriver spørringen, omformuler spørsmålet mitt til presise termer og list opp tvetydige punkter med hypotesen du velger for hver (hva teller vi nøyaktig, hvilke datogrenser, er kansellerte ordrer inkludert, tidssone). Hvis viktig informasjon mangler i skjemaet, si fra i stedet for å finne på en kolonne.

Skriv deretter spørringen, kommentert linje for linje på norsk, og foreslå en enkel kontrollspørring (en total eller en opptelling) for å sjekke at resultatet er rimelig før jeg stoler på det. Format: Hypoteser, kommentert spørring, kontrollspørring, begrensninger i resultatet.

Jeg har arvet en SQL-spørring som brukes i [kontekst, f.eks. en månedsrapport, en automatisk eksport], og ingen vet lenger nøyaktig hva den gjør. Her er den: [lim inn hele spørringen].

Kjent kontekst: [hva rapporten skal vise, databasemotor hvis kjent].

Forklar den på tre nivåer: En oppsummerende setning (hva den beregner i forretningsspråk), deretter en gjennomgang blokk for blokk (hver join, filter, aggregering og underspørring med dens konkrete effekt), og til slutt skjulte feller: Joins som kan duplisere eller miste rader, filtre i WHERE som gjør en LEFT JOIN til en INNER JOIN, håndtering av NULL, om datogrenser er inkludert eller ekskludert, og implisitte forutsetninger om dataene.

Avslutt med: Tilfeller der tallet som produseres vil være FEIL uten at det varsles, og to raske kontrollspørringer for å sjekke disse tilfellene i min database. Format: Strukturert forklaring, deretter liste over feller rangert etter alvorlighetsgrad.

Du er ekspert på SQL-optimalisering. Min spørring er for treg: [nåværende tid] for [omtrentlig volum i de berørte tabellene]. Motor: [PostgreSQL, MySQL, SQL Server, BigQuery]. Spørring: [lim inn spørringen]. Eksisterende indekser hvis kjent: [list opp eller angi «ukjent»]. Eksekveringsplan hvis tilgjengelig: [lim inn EXPLAIN-utdata eller angi «ikke tilgjengelig»].

Diagnostiser først: Identifiser sannsynlige årsaker til treghet i spørringen (funksjoner brukt på filtrerte kolonner som hindrer bruk av indekser, korrelerte underspørringer, unødvendig SELECT *, joins på kolonner uten indeks, sortering eller aggregering av store volumer, manglende datofiltre).

Foreslå deretter optimaliseringer rangert etter innsats/forventet gevinst: Omskriving av spørringen (med fullstendig omskrevet versjon), indekser som bør opprettes (med deres kostnad ved skriving), og som siste utvei endringer i strukturen. Absolutt krav: Resultatet må forbli identisk; forklar hvorfor ekvivalens er garantert for hver omskriving. Avslutt med metoden for å måle gevinsten korrekt.

Jeg har generert et resultat med denne SQL-spørringen og vil kontrollere det før jeg sender det til [mottakere, f.eks. ledelsen, en kunde]. Spørring: [lim inn spørringen]. Oppnådd resultat: [tallet eller tallene]. Forventet størrelsesorden ifølge forretningen: [hva som ville vært rimelig, eller «aner ikke»].

Bygg min pakke med kontroller: En spørring for råvolum (hvor mange rader før filtre, hvor mange etter hvert hovedfilter for å se hvor volumet faller), en duplikatsjekk på den antatt unike nøkkelen, en kontroll av NULL-verdier i join- og aggregeringskolonner, en avstemming mot en uavhengig kilde hvis jeg har en [tilgjengelig avstemmingskilde], og en grensetest (endres tallet hvis jeg forskyver perioden med én dag?).

For hver kontroll: Gi spørringen klar til bruk, beskriv hvordan et normalt resultat ser ut, og hva som bør varsle meg. Avslutt med beslutningsregel: I hvilke tilfeller publiserer jeg, korrigerer jeg, eller varsler jeg om at tallet er foreløpig.

Jeg jobber i [Excel eller Google Sheets] med en fil som inneholder [type data, f.eks. salgslinjer med dato, produkt, butikk, antall, beløp]. Spørsmål jeg vil ha svar på: [forretningsspørsmål, f.eks. hvilke produkter driver veksten og i hvilke butikker?].

Tilgjengelige kolonner: [list opp kolonner og innhold].

Design den eller de pivottabellene som passer: For hver, angi hvilke felt som skal i rader, kolonner, verdier og filtre, hvilken aggregering som skal velges (sum, gjennomsnitt, antall, og hvorfor gjennomsnitt eventuelt kan være misvisende), og hvilken gruppering som skal brukes (datoer per måned, beløpsintervaller).

Marker feller i mitt tilfelle: Rader som dupliseres hvis detaljnivået ikke er det jeg tror, totaler som blander enheter, prosentandeler beregnet på feil grunnlag, tomme elementer som er skjult som standard. Gi trinnvise instruksjoner for oppsett i mitt verktøy, deretter to innsikter tabellen vil gi, og en konklusjon som det ville være fristende, men feil, å trekke fra den.

I [Excel eller Google Sheets] ønsker jeg å hente informasjon fra en annen fane inn i min hovedfane. Hovedfane: [kolonner, f.eks. A ordrenummer, B dato, C beløp]. Kildefane: [kolonner, f.eks. A ordrenummer, D kundenavn, E segment]. Informasjon som skal hentes: [ønsket kolonne]. Koblingsnøkkel: [felles kolonne].

Gi meg den nøyaktige formelen, klar til å limes inn, ved å velge mellom FINN.RAD (VLOOKUP), INDEKS/SAMMENLIGNE eller XOPPSLAG (XLOOKUP) basert på min verktøyversjon [oppgi versjon hvis kjent], og forklar valget i to setninger.

Håndter eksplisitt tilfeller som ødelegger disse formlene: Nøkkel mangler i kilden (hva skal returneres i stedet for feilmelding), duplikate nøkler på kildesiden (hvilken rad velges, hvordan oppdage det med en telleformel), nøkler som ser like ut men skiller seg ved et mellomrom eller format (tall/tekst) (rengjøringsformel som må brukes først). Format: Hovedformel, formel for duplikatsjekk, rengjøringsformel, hver med nøyaktig område som må tilpasses.

Jeg jobber i [Excel eller Google Sheets]. Mine data: [beskriv kolonnene med bokstaver, f.eks. A dato, B selger, C region, D beløp, E status]. Hva jeg vil beregne: [f.eks. totalt salg i region Nord signert i 2026 per selger, ekskludert status «kansellert»].

Skriv den eller de nøyaktige formlene med riktige områder, ved å velge mellom SUMMER.HVIS.SETT, ANTALL.HVIS.SETT, GJENNOMSNITT.HVIS.SETT eller en kombinasjon. Forklar hvert kriterium i formelen på én linje.

Dekke detaljene i mitt tilfelle: Datokriterier (hvordan skrive «i 2026» eller «mellom to datoer» i et kriterium, med hermetegn og ampersand på riktig sted), ekskluderingskriterium (ulik), jokertegn for delvis tekst, og låste referanser med dollartegn for å kunne kopiere formelen. Legg til en kontrollformel: Totalen av mine formler per kriterium skal stemme med hovedtotalen, skriv denne sjekken. Format: Formler klare til å limes inn, deretter en linje forklaring for hver.

I Google Sheets (funksjonene REGEXEXTRACT, REGEXMATCH, REGEXREPLACE), ønsker jeg å hente ut [målinformasjon, f.eks. postnummer, fakturanummer, e-postdomene] fra en kolonne med fritekst. Reelle eksempler på verdier med deres variasjoner: [lim inn 10 til 15 representative verdier, inkludert vanskelige tilfeller].

Forventet resultat for hver: [gi ønsket resultat for 3 eller 4 eksempler].

Skriv den fullstendige formelen, og forklar deretter regulæruttrykket del for del (hver tegnklasse, kvantifikator og gruppe). Test det mentalt mot hvert av mine eksempler og marker de det ville feilet på, i stedet for å love at det fungerer overalt.

Legg til: En REGEXMATCH-variant for å lage en kontrollkolonne med sann/usann (er mønsteret til stede?), håndtering av tilfeller uten treff uten at feilmelding vises, og kjente begrensninger ved mønsteret ditt (skrivemåter som ikke dekkes). Krav: Prioriter et lesbart og litt lengre uttrykk fremfor et uleselig kompakt ett. Format: Formler klare til bruk, deretter forklaring.

Min formel i [Excel eller Google Sheets] gir ikke forventet resultat. Nøyaktig formel: [lim inn formelen]. Feilmelding eller symptom: [f.eks. #I/T på enkelte rader, #REF!, feil total, null overalt]. Kontekst: [beskriv kolonnene som brukes og et eksempel på en rad der det feiler, med faktiske verdier].

Utfør en diagnose, ikke bare en blind omskriving: List opp mulige årsaker til MITT symptom, rangert fra mest til minst sannsynlig (blandede typer tall/tekst, usynlige mellomrom, forskjøvne områder etter innsetting av rader, referanse som ikke er låst ved kopiering, søkeverdi mangler, sorteringskrav ikke oppfylt, regionale skilletegn).

For hver årsak, gi en test som bekrefter eller avkrefter den på under ett minutt (formler som ERTALL, ERTEKST, LENGDE for å se mellomrom, streng sammenligning). Når årsaken er funnet, gi den minimale korrigeringen, og deretter en robust versjon av formelen som hindrer at det skjer igjen. Krav: Ikke foreslå å lage hele filen på nytt. Format: Diagnosetre, tester, korrigering.

Jeg skal presentere data for [målgruppe, f.eks. ledergruppen, et team i felt] og vil velge riktig graf. Budskap jeg vil formidle: [budskapet i én setning, f.eks. to produkter står for nesten hele veksten]. Tilgjengelige data: [beskriv eller lim inn data: dimensjoner, mål, antall kategorier, periode].

Anbefal graftypen som passer til dette BUDSKAPET (sammenligning, utvikling, fordeling, relasjon, distribusjon) og begrunn det i to setninger. Foreslå et troverdig alternativ og forklar hvorfor du rangerer det som nummer to. Eliminer eksplisitt dårlige valg som er fristende for mine data (kakediagram med for mange kategorier, dobbel akse som antyder en sammenheng, uleselige stablede arealer) med begrunnelse.

Gi deretter konkrete spesifikasjoner: Hva skal på x- og y-aksen, sortering av kategorier, skala (inkludert null eller ikke, og hvorfor), hva som bør annoteres direkte i grafen, og en tittel formulert som budskapet, ikke som en beskrivelse. Avslutt med «hva du ikke skal gjøre»-versjonen: Valget som ville forvrengt budskapet.

Her er en graf jeg skal publisere i [kontekst, f.eks. en månedsrapport, en kundepresentasjon]. Presis beskrivelse eller data fra grafen: [beskriv grafen: type, akser, skalaer, serier, tittel, eller lim inn dataene som representeres]. Budskapet den skal formidle: [budskapet].

Gi en kritikk i tre deler. Ærlighet: Forvrenger skalaen variasjonen (avkortet akse uten varsel, dobbel akse, uannonsert logaritmisk skala), er perioden «cherry-picked», er utvalget stort nok for prosentene som vises? Lesbarhet: Hva forstår en leser på fem sekunder, sier tittelen budskapet eller bare emnet, er det elementer som bør fjernes (farger, rutenett, desimaler, overflødig tegnforklaring)? Samsvar: Tjener denne graftypen budskapet, eller ville en annen gjort det bedre?

Kategoriser merknadene dine som «kritiske før publisering» og «ønskelige forbedringer», og beskriv deretter den korrigerte versjonen nøyaktig. Krav: Kritiser grafen, ikke dataene; hvis problemet ligger i dataene, si fra separat.

Jeg vil bygge [ønsket graf, f.eks. en månedlig utviklingskurve per kanal, et stablet søylediagram] i [verktøy, f.eks. Google Sheets, Excel, Looker Studio], men rådataene mine er ikke i riktig format. Nåværende data: [lim inn et utdrag med overskrifter, f.eks. én rad per transaksjon].

Beskriv først den nøyaktige målstrukturen verktøyet mitt forventer for denne grafen (langt eller bredt format, én kolonne per serie eller en kategorikolonne, datodetaljering), med et eksempel på 5 rader for hvordan dataene skal se ut til slutt.

Gi deretter den enkleste transformasjonsveien i mitt verktøy: Aggregering (pivottabell eller formler, hvilke), håndtering av perioder uten data (vise dem som null eller la dem mangle, og effekten på kurven), sortering, og avrunding kun ved visning, aldri i selve dataene.

Avslutt med to kontroller før tegning: Summen i den transformerte tabellen tilsvarer råtotalen, og antall perioder samsvarer med forventet område [periode]. Format: Målstruktur, trinn, kontroller.

I min bedrift gir indikatoren [navn på indikator, f.eks. konverteringsfrekvens, omsetning, aktive kunder] ulike tall avhengig av hvem som beregner den, og jeg vil skrive den OFFISIELLE definisjonen. Kjent nåværende bruk: [hvem bruker den og hvordan, f.eks. markedsavdelingen beregner fra GA4, salg fra CRM]. Tilgjengelige datakilder: [verktøy og tabeller].

Skriv det komplette definisjonsarket: Nøyaktig formel (teller og nevner definert uten tvetydighet: hvilke hendelser eller rader teller, hvilke er ekskludert, hvordan håndteres grensetilfeller som kanselleringer, refusjoner, duplikater, interne tester), referanseperiode og tidssone, kilden som har forrang ved avvik mellom verktøy, frekvens og tidspunkt for låsing av tall (kan tallet for en måned endre seg i ettertid?).

List deretter opp sannsynlige avvik mellom nåværende bruk og denne definisjonen, med forventet størrelsesorden på avviket, for å forberede overgangen. Krav: Hvert ledd i formelen må kunne verifiseres med en spørring, ingen uklare begreper («aktiv kunde» må defineres med et målbart kriterium). Format: Strukturert ark på én side.

Min hovedindikator er [indikator, f.eks. månedlig omsetning, antall nye kunder], og jeg vil bryte den ned i drivere for å vite hvor vi skal sette inn støtet. Kontekst: [aktivitet, f.eks. e-handel, tjenesteytende bedrift, butikkjede]. Nåværende nivå: [nåværende verdi]. Mål: [ønsket mål].

Bygg det aritmetiske nedbrytningstreet: Indikatoren uttrykt som produktet eller summen av underindikatorer (f.eks. trafikk multiplisert med konverteringsfrekvens multiplisert med gjennomsnittlig handlekurv), og deretter hver underindikator brutt ned ett nivå til der det er nyttig. Sjekk at hver nedbryting er matematisk nøyaktig, ikke omtrentlig.

For hvert «blad» i treet: Hvem i organisasjonen kan påvirke det, dataene som trengs for å måle det [tilgjengelige kilder], og realistisk forbedringspotensial. Identifiser deretter de to driverne der en gitt innsats gir størst utslag (sensitivitet: hva skjer med hovedindikatoren hvis denne driveren øker med 10 %?), og vis beregningen. Krav: Marker drivere som kannibaliserer hverandre. Format: Innrykket tre, deretter tabell over drivere.

Jeg vil analysere lojaliteten (retention) til mine [kunder eller abonnenter] ved hjelp av kohorter. Tilgjengelige data: [beskriv, f.eks. eksport med kunde-ID, dato for første kjøp eller registrering, datoer for aktivitet eller påfølgende ordrer]. Verktøy: [Excel, Google Sheets, SQL]. Definisjon av en «lojal» kunde i min virksomhet: [f.eks. har bestilt på nytt i løpet av måneden, har et aktivt abonnement].

Veiled meg i å bygge kohorttabellen: Gruppering etter måned for første kjøp, beregning av aktivitet i M+1, M+2, M+3 og utover, som prosentandel av kohortens opprinnelige størrelse. Gi den konkrete metoden i mitt verktøy (formler eller spørring).

Hjelp meg deretter å LESE den: Skill mellom alderseffekt (alle kohorter svekkes over tid) og årgangseffekt (er nyere kohorter bedre eller dårligere enn de gamle ved samme alder?), finn måneden der lojaliteten stabiliserer seg, og marker kohorter som er for ferske eller for små til å trekke konklusjoner fra (med terskelen du anbefaler). Format: Konstruksjonsmetode, deretter tolkningsmatrise med spørsmål som bør stilles.

Jeg vil segmentere kundebasen min med RFM-metoden (Recency, Frequency, Monetary) for å målrette tiltakene mine. Data: [tilgjengelig eksport, f.eks. én rad per ordre med kunde-ID, dato, beløp, fra kassesystem eller CRM]. Verktøy: [Excel, Google Sheets, SQL]. Aktivitet: [type aktivitet og typisk kjøpssyklus, f.eks. mote på nett, kjøp hver 2. måned].

Bygg fremgangsmåten: Beregning av de tre verdiene per kunde (med nøyaktig formel eller spørring i mitt verktøy), valg av poengterskler tilpasset MIN kjøpssyklus i stedet for automatiske kvintiler (begrunn hver terskel), tildeling av poeng og gruppering i 5 til 8 navngitte segmenter (lojale, sovende, lovende nye, tapte...).

For hvert segment: Forventet antall i prosent, beskrivelse i én setning, prioritert salgstiltak og indikator for å måle om det fungerer. Krav: Ekskluder kansellerte ordrer og testkunder, håndter kunder med kun ett kjøp, og nevn at tersklene bør revurderes ved [anbefalt frekvens]. Format: Trinnvis metode, deretter tabell over segmenter.

Jeg vil lage en prognose for [størrelse, f.eks. månedlig salg, reservasjoner, samtalevolum] for de neste [horisont, f.eks. 6 måneder]. Tilgjengelig historikk: [lim inn serien, ideelt 24 måneder eller mer, eller beskriv hva jeg har]. Min aktivitet har kjente sesongvariasjoner: [beskriv, f.eks. topp i desember, bunn i juli].

Bygg en enkel og reproduserbar prognose i [Excel eller Google Sheets]: Beregn grunntrenden (12-måneders glidende gjennomsnitt eller regresjon, forklar valget), månedlige sesongkoeffisienter fra historikken, og deretter selve prognosen (trend multiplisert med koeffisient). Vis formlene.

Krev ærlighet i resultatet: Gi et lavt/høyt intervall basert på feilene denne metoden ville gjort tidligere (backtest: bruk metoden på de siste 6 kjente månedene og mål avviket), ikke et tilfeldig intervall. List opp hva metoden IKKE kan se (eksepsjonelle hendelser, prisendringer, atypisk basisår) og signalet som bør få meg til å revidere prognosen underveis. Format: Metode, formler, prognosetabell med intervall, begrensninger.

Vi er i [nåværende måned] og jeg vil projisere årsresultatet for [størrelse, f.eks. omsetning, utgifter, antall behandlede saker]. Oppnådd hittil: [akkumulert verdi]. Årsmål: [mål]. Månedlig historikk fra i fjor og i år: [lim inn verdier].

Bygg tre projeksjoner og sammenlign dem: Den enkle (akkumulert delt på antall måneder multiplisert med tolv), den sesongjusterte (vanlig vekting av gjenværende måneder basert på historikk), og den «informerte» projeksjonen som integrerer det jeg allerede vet om kommende måneder: [kjente elementer, f.eks. signerte ordrer, utestående tilbud, sommerstengt, ansettelser].

For hver: Tallet, den implisitte forutsetningen den gjør, og tilfellet der den tar mest feil. Anbefal hvilken som bør brukes i mitt tilfelle og avviket fra målet den innebærer, i kroner og prosent. Avslutt med de to eller tre tiltakene som fortsatt kan endre sluttresultatet og et grovt estimat for hver. Format: Sammenligningstabell, deretter anbefaling på fem linjer.

Du er ansvarlig for datakvalitet. Jeg vil revidere kvaliteten på [berørt base, f.eks. CRM-kundebase, produktkatalog, leverandørliste] før [planlagt bruk, f.eks. migrering, kampanje, etablering av rapportering]. Struktur: [list opp felt]. Representativt utvalg: [lim inn 30 til 50 rader].

Revider i henhold til disse aksene, med et tallfestet funn for mitt utvalg på hver: Kompletthet (fyllingsgrad per felt, skill mellom kritiske felt for min bruk), gyldighet (ugyldige formater: e-post, telefon, postnummer, umulige datoer), unikhet (sannsynlige duplikater og deteksjonskriterier), ferskhet (oppdateringsdatoer, andel poster som sannsynligvis er foreldet), intern konsistens (felt som motsier hverandre, f.eks. postnummer og by).

Lag deretter en utbedringsplan prioritert etter effekt på MIN planlagte bruk: Hva som blokkerer, hva som forringer, og hva som kan vente, med rettemetode (automatisk eller manuell) og estimert innsats for hver del. Format: Revisjonstabell per akse, deretter plan i tre deler.

Jeg vil opprette en datakatalog (data dictionary) for [datasett, f.eks. ordreksport fra ERP, kundetabell i databasen, delt Sheet for rapportering] slik at teamet slutter å feiltolke kolonnene. Kolonner og utdrag: [list opp kolonner med 5 eksemplerader].

Hva jeg vet om konteksten: [dataopprinnelse, oppdateringsfrekvens, hvem som legger inn data].

For hver kolonne, skriv et ark: Teknisk navn og forretningsnavn, definisjon i én setning uten sjargong, forventet type og format, mulige verdier eller rimelig område, utfyllingsregel (obligatorisk, beregnet, manuelt lagt inn), kilde, og spesielt rubrikken «feller»: Hva en bruker risikerer å tro feilaktig om denne kolonnen (beløp inkl. eller ekskl. mva, bestillingsdato eller betalingsdato, historiske data eller overskrevet felt). Når du ikke kan utlede informasjon fra utdraget, skriv «må bekreftes med [hvem]» i stedet for å gjette.

Format: En tabell klar til å limes inn i en «katalog»-fane, pluss liste over spørsmål som må bekreftes, sortert etter sannsynlig eier.

To av mine verktøy gir ulike tall for samme virkelighet: [kilde A, f.eks. GA4] viser [verdi A] og [kilde B, f.eks. kassesystem, Stripe, CRM] viser [verdi B] for [metrikk og periode]. Avvik: [prosent eller beløp]. Jeg må forstå avviket og bestemme hvilken kilde som er fasit.

Led undersøkelsen i denne rekkefølgen: Først avvik i DEFINISJON (hva teller hvert verktøy nøyaktig: refusjoner, kanselleringer, tester, tidssoner, bestillingsdato mot innbetalingsdato, bot-filtre), deretter avvik i OMFANG (kanaler eller utsalgssteder som mangler på én side), og til slutt avvik i DATAINNSAMLING (målefeil, samtykke, driftsstans). For hver hypotese: Gi en konkret test som tallfester den, start med de som vanligvis forklarer de største avvikene.

Sluttmål: En tabell som viser overgangen fra verdi A til verdi B, post for post, slik at summen stemmer. Avslutt med din anbefaling: Hvilken kilde som skal brukes til hvilket formål, og det akseptable restavviket der man kan slutte å lete. 

Jeg skal sende ut [leveranse, f.eks. månedsrapport, kundepresentasjon, e-post med kvartalsresultater] til [mottakere]. Nøkkeltall den inneholder: [list opp hovedtall med navn]. Kilder: [hvor hvert tall kommer fra].

La meg gå gjennom sjekklisten for sluttkontroll, punkt for punkt, og be meg bekrefte hvert av dem: Intern konsistens (undertotaler stemmer med totaler, prosenter og deres grunnlag stemmer, tall som nevnes to ganger er identiske overalt), ekstern konsistens (sammenligning med forrige måned og i fjor: har alle overraskende variasjoner en bekreftet forklaring, ikke bare en sannsynlig en?), annonsert omfang (hvert tall angir periode, omfang og valuta; definisjoner er ikke endret siden sist uten varsel), reproduserbarhet (jeg kan gjenskape hvert tall: spørring eller kildefil er lagret), og avrunding (konsistent, ingen falsk presisjon).

For hvert punkt jeg ikke kan bekrefte, angi den konkrete risikoen og om det er kritisk for publisering eller ikke. Format: Numerert sjekkliste med avkrysningsbokser.

Jeg vil automatisk oppdage unormale verdier i [serie som følges, f.eks. daglig salg, ordrer per time, daglige registreringer] for å reagere raskt ved problemer. Historikk: [lim inn serien eller beskriv: detaljnivå, varighet, typiske verdier]. Verktøy: [Google Sheets, Excel, SQL]. Kjente normale variasjoner: [f.eks. sterk lørdag, svak søndag, sesongvariasjoner].

Foreslå et enkelt og robust system: En referanseverdi som respekterer mine sykluser (sammenlign en mandag med tidligere mandager, ikke med dagen før), et mål for avvik og en begrunnet varslingsterskel basert på den faktiske spredningen i min historikk (vis beregningen, forklar hvorfor denne terskelen og ikke en vilkårlig prosent), og en regel mot falske alarmer (f.eks. varsle kun etter to påfølgende unormale punkter, egne terskler for høye og lave avvik).

Gi den konkrete implementeringen i mitt verktøy, inkludert formler. Avslutt med: De tre ufarlige årsakene som vil utløse alarmen feilaktig (helligdag, kampanje, feil i datainnsamling) og hvordan de håndteres, pluss en tretrinns prosedyre for når en alarm går.

Et tall i rapporteringen min virker feil, og jeg må avgjøre: Er det en beregningsfeil, et dataproblem eller en overraskende virkelighet? Tallet: [verdi og navn, f.eks. omsetningen i mars viser 240 000 kroner mot normalt 90 000]. Hvor det vises: [rapport, spørring eller fil som produserer det]. Kjent produksjonskjede: [hvor dataene kommer fra og hvilke transformasjoner de går gjennom].

Strukturer undersøkelsen i lag, fra sluttresultat til kilde, med en test for hvert lag som enten frikjenner eller anklager det: Den endelige beregningen (formel, område, rapportfilter), transformasjonen (aggregering, join som dupliserer, importfeil, nylig endret definisjon), innsamlingen (driftsstans, massiv etterregistrering en gitt dag, verktøybytte), og til slutt forretningsvirkeligheten (stor ordre, eksepsjonell kunde: hvilken spesifikk post ville bevist det?).

Krav: Forbudt å korrigere noe før årsaken er identifisert; et overraskende, men sant tall skal ikke «rettes». Format: Sortert undersøkelsesplan, deretter de tre mulige utfallene med tilhørende handling (korrigere, dokumentere, varsle).

Jeg har samlet inn fritekstsvar fra kunder via [kanal, f.eks. åpent spørsmål i medarbeiderundersøkelse, Google-anmeldelser, årsak til oppsigelse] og vil trekke ut en brukbar analyse. Tilbakemeldinger: [lim inn svar, eller et utvalg hvis volumet er stort, med totalt antall]. Spørsmål stilt til kundene: [det nøyaktige spørsmålet].

Gjør følgende: Bygg en temamatrise basert på selve svarene (ikke en forhåndsdefinert matrise), med en definisjon på én linje per tema slik at kategoriseringen er reproduserbar. Kategoriser hvert svar (flere temaer tillatt), og kvantifiser deretter: Antall nevnt per tema, dominerende tonefall, og kryssing med [tilgjengelig variabel, f.eks. gitt karakter, kundeforholdets varighet] hvis oppgitt.

Krav til ærlighet: Siter tilbakemeldingene ordrett uten å skrive dem om, skill mellom hyppige temaer og sjeldne, men alvorlige temaer, oppgi antall respondenter overalt (ingen prosenter på færre enn 30 svar uten å nevne det), og ikke finn på sitater. Format: Sammendrag på én side (temaer sortert etter frekvens, 2 representative sitater per tema, svake signaler som bør overvåkes), deretter den komplette kategoriseringstabellen.

Jeg har gjennomført en spørreundersøkelse via [verktøy, f.eks. Google Forms, Typeform] og skal analysere den. Antall svar: [antall]. Spørsmål stilt: [list opp spørsmålene med type: enkeltvalg, flervalg, skala, fritekst]. Eksport: [lim inn utdrag av svarene]. Mål med undersøkelsen: [hva jeg ønsker å beslutte eller lære].

Utfør analysen i denne rekkefølgen: Rensing (duplikate svar, undersøkelser besvart på få sekunder, åpenbare interne selvmotsigelser: list opp hva du fjerner og hvorfor), frekvenstabeller for hvert spørsmål (med riktig format for hver spørsmålstype), og deretter de 3 til 5 mest nyttige krysstabellene for MITT mål (begrunn valget, ikke kryss alt med alt).

Obligatoriske forholdsregler: Minn om hvem som har svart og hvordan utvalget kan avvike fra målgruppen (distribusjonsmetode, frivillighet), marker hver krysstabell der en celle har færre enn 30 respondenter, og unngå kausale konklusjoner basert på selvrapporterte data. Format: Analyseplan, resultater fra frekvens- og krysstabeller på mitt utvalg, begrensninger i en avsluttende boks.

Jeg har implementert [endring, f.eks. nye åpningstider, redesign av side, ny pris, nytt salgsargument] den [dato] og vil vite om det fungerte, uten en kontrollgruppe. Metrikk som følges: [metrikk]. Verdier før: [serie før endringen, så lang som mulig]. Verdier etter: [serie etter endringen]. Andre hendelser i perioden: [hva som endret seg samtidig: sesong, kampanje, nyheter, vær, konkurrenter].

Før du sammenligner gjennomsnitt, tving meg til å sjekke: Er vinduet før representativt (langt nok, uten anomalier), overstiger den observerte variasjonen de vanlige svingningene i metrikken (tallfest disse fra historikken), forklarer sesongvariasjoner avviket (sammenlign med samme periode tidligere år hvis tilgjengelig), og hvilke av de samtidige hendelsene kunne produsert samme effekt?

Konkluder på tre nivåer: Hva dataene tillater oss å fastslå, hva de kun antyder, og hva de ikke kan avgjøre. Avslutt med et oppsett som ville gjort neste evaluering mer solid (gradvis utrulling, veksling, kontrollgruppe). Forbudt: Å konkludere kun basert på tidsmessig sammenfall.

Skriv et notat på én side basert på mitt analysearbeid, beregnet på [leser, f.eks. min daglige leder, investeringskomiteen, en kunde] som skal lese det på [tilgjengelig tid, f.eks. tre minutter] og ta en beslutning: [forventet beslutning]. Råmateriale: [lim inn resultater, tall, funn fra analysen, selv i ustrukturert form]. Min anbefaling hvis jeg har en: [anbefaling].

Obligatorisk struktur: En tittel som angir konklusjonen (ikke emnet), et første avsnitt som gir svaret og nøkkeltallet, deretter maksimalt 3 funn med HVERT sitt støttetall, mulige alternativer med kostnad og risiko på én linje hver, en tydelig anbefaling, og en linje om «hva vi ennå ikke vet» som nevner begrensninger uten å drukne budskapet.

Formkrav: Maksimalt én side, korte setninger, ingen analysesjargong (verken «korrelasjon» eller «dataset» uten forklaring), tall avrundet til nødvendig presisjon for beslutning, ingen tall i notatet som ikke finnes i råmaterialet. Hvis materialet ikke er tilstrekkelig for et element i strukturen, skriv [manglende data] i stedet for å finne på noe.

Hjelp meg å transformere mine analyseresultater til en presentasjon som gjør inntrykk, for [målgruppe og anledning, f.eks. kvartalsgjennomgang for ledelsen, et kundemøte]. Varighet: [varighet]. Resultater som skal presenteres: [lim inn funn og nøkkeltall]. Hva jeg vil oppnå fra målgruppen til slutt: [beslutning, budsjett, endret prioritet].

Bygg den narrative tråden som en bue: Situasjonen målgruppen kjenner og anerkjenner, spenningen (tallet eller funnet som forstyrrer eller overrasker), utforskningen (hvorfor det er slik, maks 2-3 bevis), løsningen (hva jeg foreslår) og oppfordring til handling. Del deretter opp i slides: Én idé per slide, tittelen på hver slide skal være en påstand som bærer ideen (rekkefølgen av titler alene skal fortelle hele historien: sjekk dette).

For hvert nøkkeltall, foreslå en konkretisering som gjør det håndgripelig (sammenligning med en størrelse målgruppen kjenner, oversettelse til kroner eller kunder per uke). Krav: Ingen tall oppfunnet for fortellingens skyld, begrensningene i analysen får en egen slide, ikke en fotnote. Format: Plan slide for slide med tittel og innhold.

Oversett mitt analyseresultat til en klar forklaring for [publikum, f.eks. salgsteamet i et møte, franchisetakere, en sluttkunde] som ikke har statistisk bakgrunn. Det tekniske resultatet: [oppgi resultatet med tekniske begreper, f.eks. korrelasjon på 0,7 mellom X og Y, konfidensintervall, resultat av en A/B-test, scoringsmodell]. Hva publikum må forstå for å handle: [forventet handling eller endring].

Produser tre nivåer av forklaring: En 30-sekunders muntlig versjon (dagligspråk, en analogi fra hverdagen hvis det hjelper, ingen tekniske begreper), en 5-minutters versjon med et konkret eksempeltall fra mine data, og svar på de 3 spørsmålene dette publikummet sannsynligvis vil stille.

Krav til nøyaktighet, ikke forhandlingsbart: Forenklingen må ikke si MER enn det tekniske resultatet (en korrelasjon blir ikke en årsak, en trend blir ikke en sikkerhet, et resultat for ett segment blir ikke generelt); marker eksplisitt hvert sted du har forenklet og hva forenklingen utelater. Format: De tre nivåene, deretter liste over bevisste forenklinger.

Jeg vil dokumentere [berørt rapport, f.eks. min månedlige salgsrapport, aktivitetsrapporten som sendes hver mandag] slik at en annen person kan produsere, forstå og korrigere den uten meg. Hvordan den produseres i dag: [beskriv mekanikken: kilder, uttrekk, filer, formler, manuell etterbehandling, distribusjon]. Frekvens: [frekvens]. Mottakere: [hvem mottar den og hva bruker de den til].

Skriv dokumentasjonen i fire deler: Bruksanvisning for produksjon (hvert trinn i rekkefølge, med nøyaktig hvor man skal klikke eller hvilken spørring som skal kjøres, inkluder de «uoffisielle» manuelle trinnene: det er disse som ofte går tapt), katalog over viste indikatorer (definisjon, formel, kilde for hver), avhengighetskart (hva som ødelegger rapporten: en eksport som endrer format, en tilgang som utløper, en fane som får nytt navn), og avviksprotokoll (hvordan verifisere et omstridt tall, hvem som skal varsles, hvordan melde fra om en feilaktig rapport som allerede er sendt ut).

Still meg spørsmålene du trenger hvis beskrivelsen min har hull, i stedet for å fylle ut med antakelser. Format: Strukturert dokument klart til lagring i [plassering, f.eks. fellesområde].

Jeg må koble sammen to filer som handler om de samme enhetene, men uten en pålitelig felles identifikator: [fil 1, f.eks. CRM-eksport med firmanavn og e-post] og [fil 2, f.eks. regnskapseksport med juridisk navn og fakturanummer]. Kolonner i fil 1: [list opp]. Kolonner i fil 2: [list opp]. Utdrag: [lim inn 10 rader fra hver]. Mål med koblingen: [hva jeg vil oppnå til slutt].

Bygg en lagdelt koblingsstrategi, fra den sikreste til den minst sikre: Først eksakte nøkler tilgjengelig etter normalisering (e-post i små bokstaver, organisasjonsnummer, vasket telefonnummer), deretter sammensatte nøkler (normalisert navn pluss postnummer), og til slutt tilnærmet likhet (fuzzy match) på navn (forklar metoden som er praktisk i [Excel, Google Sheets] og dens begrensninger). For hvert lag: Hvor mange rader ble koblet i mine utdrag, og forventet andel feilkoblinger (falske positive).

Krav: Hver kobling må beholde en kolonne for «metode» som sier hvilket lag den ble koblet i; rader uten treff havner i en liste for manuelt arbeid, aldri fjern dem i det skjulte. Format: Lagdelt plan, formler, tabell for oppfølging av koblingsgrad.

Jeg kan ikke undersøke hele populasjonen og må jobbe med et utvalg. Populasjon: [beskrivelse og størrelse, f.eks. 12 000 kundesaker, 3 000 fakturaer fra året, 800 registrerte samtaler]. Hva jeg vil estimere eller verifisere: [mål, f.eks. feilrate ved inntasting, andel samsvarende saker]. Presisjon jeg trenger for å beslutte: [f.eks. vite om raten overstiger 5 %, et estimat med +/- 3 prosentpoeng].

Bygg planen: Nødvendig utvalgsstørrelse for min målpresisjon (vis resonnementet enkelt, uten kompliserte formler), metoden for trekking som unngår åpenbare skjevheter (enkelt tilfeldig eller stratifisert: hvis populasjonen har veldig ulike undergrupper [beskriv mulige lag], anbefal og dimensjoner stratifisering), og den konkrete fremgangsmåten for trekking i [Excel eller Google Sheets] (reproduserbar formel for tilfeldig utvalg).

List opp skjevheter som truer MITT tilfelle til tross for trekkingen (saker som ikke finnes erstattes av enkle saker, ikke-representativ periode) og mottiltak for hver. Avslutt med en ærlig standardsetning for å presentere sluttresultatet med usikkerhetsmargin.

Min konverteringsfrekvens varierer avhengig av hvordan den beregnes, og jeg vil sikre den én gang for alle. Kontekst: [berørt kundereise, f.eks. besøk på nettside til kjøp, tilbud til signering, samtale til møte]. Måleverktøy: [verktøy, f.eks. GA4, CRM, kassesystem]. Beregninger som brukes i dag og deres resultater: [de ulike versjonene som sirkulerer].

Hjelp meg å sette opp en streng definisjon: Telleren (hvilken hendelse teller som konvertering, hvordan håndteres kanselleringer, duplikater, flere konverteringer fra samme person), nevneren (hvem er med i grunnlaget: unike besøkende eller besøk, kvalifiserte leads eller alle kontakter, basert på hvilket inngangskriterium), og attribusjonsvinduet (hvor lang tid mellom inngang og konvertering, og hvilken periode tilskrives en konvertering som skjer ved månedsskifte).

For hvert valg, vis effekten på tallet med mine data og angi den vanligste standarden. Forklar hvorfor mine nåværende beregninger spriker. Avslutt med den valgte definisjonen i én publiserbar setning, og to lesefeil som må forebygges hos de som ser dette tallet (sammenligne rater med ulikt omfang, gjennomsnittsberegning av rater uten vekting).

Jeg vil beregne og følge churn (frafall) for [aktivitet, f.eks. mine programvareabonnementer, serviceavtaler, treningssenter]. Tilgjengelige data: [beskriv, f.eks. eksport av abonnementer med startdato, sluttdato, status, månedsbeløp]. Faktureringssyklus: [månedlig, årlig, blandet].

Sett først opp definisjonsvalgene, med anbefaling for mitt tilfelle og effekten på tallet: Churn i antall kunder eller i omsetning (de to forteller ulike historier: vis et eksempeltall), startgrunnlaget (kunder ved starten av perioden, inkludert eller ekskludert nye kunder denne måneden), håndtering av grensetilfeller (pause, manglende betaling, nedgradering, oppsigelse levert men aktiv senere, kunde som har sluttet og kommet tilbake).

Gi deretter den nøyaktige formelen og implementeringen i [Excel, Google Sheets eller SQL] for mine data. Advar meg mot lesefeller: Blanding av månedlige og årlige sykluser i samme rate, churn som tilsynelatende bedres mekanisk når salget øker, og hvorfor en kohortanalyse utfyller den generelle raten på en nyttig måte. Format: Beslutninger, formel, implementering, feller.

Jeg vil forstå hva hvert [produkt, tjeneste eller familie] faktisk gir i fortjeneste. Data: [tilgjengelig eksport, f.eks. salg per produkt med antall og pris fra kassesystem, innkjøp og kostnader fra regnskap]. Identifiserte kostnader: [list opp: innkjøp, materialer, arbeidstimer, faste kostnader, frakt, provisjoner].

Bygg analysen trinnvis: Bruttomargin per produkt (salgspris minus direkte kostnader, spesifiser ekskl. mva overalt), og deretter det vanskelige spørsmålet om indirekte kostnader: Foreslå 2 plausible fordelingsnøkler for min virksomhet (etter omsetning, etter tidsbruk, etter volum), vis hvordan rangeringen av produktene endres basert på nøkkelen, og forklar hvorfor ingen av dem er «den eneste sannheten».

Presenter resultatet ved å krysse margin i prosent OG i kroner med volum: Produktet med høy margin som ikke selger, produktet med lav margin som skaper volumet, og hva man går glipp av ved å se på kun én av kolonnene. Avslutt med de 3 typiske beslutningene denne analysen kan belyse (prising, utfasing, prioritering) og hvilket tilleggstall som bør sjekkes før beslutning for hver. Format: Metode, tabelleksempel, kommentert tolkning.

Jeg vil måle i hvilken grad min virksomhet er avhengig av noen få [kunder, produkter, kanaler, referanser]. Data: [eksport, f.eks. omsetning per kunde over 12 måneder fra fakturering, salg per referanse fra kasse]. Verktøy: [Excel eller Google Sheets].

Veiled meg i oppsettet av konsentrasjonsanalysen: Sortering i synkende rekkefølge, akkumulert sum og akkumulert prosent (nøyaktige formler i mitt verktøy), tolkning av terskler (hvor mange elementer står for 50 % og 80 % av totalen, andelen til den største og de fem største), og en Pareto-kurve hvis det er nyttig (hvordan tegne og lese den).

Gå lenger enn bare observasjonen: Hjelp meg å vurdere RISIKOEN ved denne konsentrasjonen i mitt tilfelle: Hva skjer hvis den største [kunden eller produktet] forsvinner (effekt i kroner og prosent), øker eller minsker konsentrasjonen sammenlignet med [tilgjengelig sammenligningsperiode], og koster «den lange halen» (de mange små) mer enn de gir i fortjeneste å betjene?

Krav: Håndter tilfeller der relaterte elementer egentlig er ett (samme konsern, samme kjøper), og ikke konkluder med å «kutte halen» uten å se på de faktiske kostnadene. Format: Metode, formler, risikovurdering på 5 linjer.

Jeg vil sammenligne resultatene til mine [utsalgssteder, avdelinger, team, lokasjoner] uten å være urettferdig: De har ulik kontekst. Enheter som skal sammenlignes: [list opp med kjente forskjeller: størrelse, område, alder, antall ansatte, kundestrøm]. Data: [tilgjengelige metrikker per enhet og periode].

Bygg sammenligningen i tre trinn. Først metrikker JUSTERT for et rettferdig grunnlag (per selger, per kvadratmeter, per åpningstime, per innbygger i området: velg relevante forholdstall for min aktivitet og begrunn). Deretter sammenligning av hver enhet med seg selv (vekst over ett år): Forteller vekstrangeringen noe annet enn råtallene? Til slutt de gjenværende uforklarlige avvikene: De som består etter normalisering og som fortjener et besøk eller en samtale, ikke en sanksjon.

Krav: Marker enheter som er for nye eller for små til å rangeres, oppsummer aldri i én enkelt rangering uten å vise forholdstallene som utgjør den, og list opp faktorer dataene ikke fanger opp (oppussing, lokal konkurranse, langvarig fravær). Format: Tabell for sammenligning, deretter tolkningsmatrise for gjennomgang med ledere.

Jeg vil analysere konverteringstrakten min for å finne ut hvor innsatsen bør settes inn. Kundereise: [beskriv trinnene i rekkefølge, f.eks. besøk, produktside, handlekurv, levering, betaling, bekreftelse; eller for B2B: lead, kontakt opprettet, møte, tilbud, signering]. Volum per trinn over [periode]: [lim inn tall]. Målekilde: [GA4, CRM, annet].

Beregn gjennomstrømmingsrater mellom hvert påfølgende trinn (ikke bare den totale raten fra start til slutt) og identifiser trinnet som mister mest, både i absolutt antall personer og i prosent: De to perspektivene peker ikke alltid på samme trinn, forklar hvilket som bør prioriteres for mitt mål [mål, f.eks. flere signeringer med samme trafikk].

Før konklusjon, sjekk målefeil med meg: Tekniske trinn som ikke alltid utløses, personer som hopper over et trinn eller går bakover, målevindu som er for kort for trege kundereiser. Foreslå deretter den mest lærerike kryssingen med [tilgjengelig segment, f.eks. mobil mot desktop, trafikkilde, kundestørrelse] og hva et avvik mellom segmenter ville innebære. Format: Tabell over rater, diagnose, 2 testbare forbedringshypoteser for det prioriterte trinnet.

Jeg mistenker en sammenheng mellom [variabel 1, f.eks. været, antall anmeldelser på nett, svartid på tilbud] og [variabel 2, f.eks. salget mitt, signeringsgraden] og vil sjekke dette ordentlig. Data: [lim inn de to parvise seriene med detaljnivå: per dag, per uke, per sak]. Opprinnelig intuisjon: [hva jeg tror og hva jeg ville gjort hvis det ble bekreftet].

Led analysen i [Excel eller Google Sheets]: Først et punktdiagram (scatter plot) og tolkning av dette (form, retning, utliggere som drar i forholdet), deretter korrelasjonskoeffisienten med tolkning i enkelt språk og tersklene for når den blir interessant gitt mitt antall observasjoner [antall punkter].

Deretter den viktigste delen: Gå gjennom alternative forklaringer før noen kausal konklusjon trekkes: Felles faktor som påvirker begge variabler (sesongvariasjoner er klassisk for tidsserier), omvendt årsakssammenheng, eller ren tilfeldighet med få datapunkter. For hver, gi en enkel test som styrker eller svekker hypotesen med mine data. Obligatorisk konklusjon på tre linjer: Hva som er fastslått, hva som forblir en hypotese, og det konkrete eksperimentet som ville gitt et endelig svar.