Prompty Analiza danych

Przekazuję eksport danych z [źródło, np. mój CRM, program sprzedażowy, Google Analytics]. Chcę zrozumieć jego zawartość i potencjał analityczny. Kontekst biznesowy: [działalność i ogólne pytanie, np. dlaczego sprzedaż spada].

Dane: [wklej dane lub pierwsze wiersze z nagłówkami]

Postępuj według schematu: opisz strukturę (kolumny, typy danych, objęty okres, szczegółowość), oceń jakość (brakujące wartości, prawdopodobne duplikaty, niespójności, kolumny puste lub stałe (wymień je precyzyjnie)), oblicz podstawowe statystyki dla kluczowych kolumn. Następnie zaproponuj 5 pytań biznesowych, na które te dane mogą odpowiedzieć, oraz 3 pytania, na które NIE MOGĄ odpowiedzieć mimo pozorów (wraz ze wskazaniem brakujących danych).

Na koniec wskaż najbardziej obiecującą analizę do wykonania w pierwszej kolejności i opisz metodę jej przeprowadzenia. Na tym etapie nie wyciągaj jeszcze wniosków biznesowych.

Mój wskaźnik [wskaźnik, np. współczynnik konwersji, średni koszyk, churn] zmienił się z [wartość przed] na [wartość po] w okresie od [okres 1] do [okres 2]. Dostępna historia: [wartości z poprzednich okresów]. Zdarzenia w tym czasie: [co się zmieniło: kampania, cena, sezon, awaria, wdrożenie nowej strony].

Przed interpretacją pomóż mi zweryfikować: czy zmiana jest istotna statystycznie w porównaniu do typowych wahań (oblicz skalę normalnych odchyleń na podstawie historii)? Czy sezonowość może to wyjaśnić (porównaj z analogicznym okresem w poprzednich latach)? Czy zmienił się sposób pomiaru (wolumen bazowy, definicja, narzędzie)?

Następnie wymień hipotezy wyjaśniające, szeregując je według prawdopodobieństwa. Dla każdej wskaż test lub dane, które by ją potwierdziły. Zakaz: wyciąganie wniosków o przyczynie wyłącznie na podstawie zbieżności w czasie. Zakończ szczerym podsumowaniem w jednym zdaniu: „czy to powód do niepokoju?”.

Pomóż mi zdefiniować pulpit menedżerski (dashboard) dla [obszar, np. mój zespół sprzedaży, sklep internetowy, obsługa klienta]. Cel działalności: [cel]. Decyzje, które ten pulpit ma wspierać: [powtarzalne decyzje, np. gdzie skierować siły sprzedaży, kiedy rekrutować, które produkty promować]. Dostępne dane: [źródła i narzędzia].

Dla każdej wymienionej decyzji zaproponuj wskaźniki, które realnie pomagają ją podjąć. Rozróżnij wskaźniki wynikowe (co się stało) od wskaźników działania (na co możemy wpłynąć w tym tygodniu). Maksimum 8 wskaźników łącznie: jeśli odrzucasz jakiś popularny wskaźnik, uzasadnij dlaczego.

Dla każdego wybranego wskaźnika podaj: jednoznaczną definicję (co dokładnie liczymy i w jakim okresie), wzór, źródło danych, częstotliwość analizy oraz klasyczną pułapkę interpretacyjną (np. efekt miksu, średnia ukrywająca rozkład, możliwość manipulacji wskaźnikiem przez zespół).

Przekształć moją analizę w prezentację dla [odbiorca, np. zarząd, przełożony, klient]. Pytanie wyjściowe: [pytanie]. Co ustaliłem: [wyniki, liczby, fakty]. Ograniczenia analizy: [np. cząstkowe dane, krótki okres, możliwe błędy poznawcze]. Moja rekomendacja: [rekomendacja, jeśli ją mam].

Zbuduj strukturę w tej kolejności: odpowiedź na pytanie w jednym zdaniu (najpierw główny przekaz, nigdy metoda), 2 lub 3 kluczowe wnioski wspierające tezę (każdy z JEDNĄ konkretną liczbą), rekomendacja wraz z kosztem i oczekiwanym zyskiem, ograniczenia przedstawione szczerze, ale bez podważania własnej pracy (ograniczenie = uwaga dotycząca stosowania, a nie wymówka).

Przygotuj również: 3 prawdopodobne trudne pytania od tej grupy odbiorców wraz z odpowiedziami oraz wersję „elevator pitch” (30 sekund). Format: [pożądany format, np. konspekt slajdów, e-mail, notatka jednostronicowa].

Chcę przetestować [planowana zmiana, np. nowa cena, nowa strona docelowa, nowy skrypt rozmowy, inna godzina wysyłki] przed pełnym wdrożeniem. Sytuacja obecna: [aktualny wskaźnik i jego poziom]. Dostępny wolumen: [ruch, liczba połączeń, wysyłki na tydzień]. Oczekiwany efekt: [spodziewana poprawa].

Zbuduj protokół: hipoteza sformułowana w sposób falsyfikowalny („jeśli X, to Y wzrośnie o co najmniej Z”), kryterium sukcesu i próg decyzyjny ustalone TERAZ (przed zobaczeniem wyników), podział na grupę testową i kontrolną, szacowany czas trwania potrzebny do odróżnienia efektu od szumu (wyjaśnij obliczenia w prosty sposób), czynniki zakłócające do zneutralizowania (sezonowość, dzień tygodnia, struktura klientów).

Dodaj instrukcję interpretacji wyników: w jakim przypadku wdrażamy zmianę, kiedy przerywamy, a kiedy przedłużamy test. Wskaż wnioski, których ZAKAZUJE SIĘ wyciągać (np. szukanie podgrup po fakcie, przerywanie testu przy pierwszym korzystnym skoku).

Jesteś analitykiem danych. Muszę usunąć duplikaty z pliku klientów wyeksportowanego z [narzędzie, np. CRM, program do faktur] przed kampanią. Dostępne kolumny: [wymień kolumny, np. nazwisko, imię, e-mail, telefon, adres, data utworzenia].

Fragment pliku: [wklej 20-30 reprezentatywnych wierszy].

Zaproponuj strategię usuwania duplikatów w kilku krokach: najpierw identyczne duplikaty (te same wartości w jakich kolumnach?), potem prawdopodobne duplikaty (różnice w pisowni, ten sam e-mail przy innym nazwisku, różny format telefonu). Dla każdego kroku określ klucz dopasowania, niezbędną normalizację (małe litery, spacje, polskie znaki, numery kierunkowe) oraz ryzyko błędnego dopasowania (false positive).

Zasady: nigdy nie łącz rekordów automatycznie tylko na podstawie imienia i nazwiska, zawsze określ, który rekord zachować (najnowszy? najbardziej kompletny?) i dlaczego. Format: plan działania krok po kroku, konkretne formuły Google Sheets lub Excel oraz szacunkowa liczba duplikatów w podanym fragmencie.

Mam eksport z [źródło, np. system sprzedażowy, formularz online], w którym kolumna z datami miesza różne formaty: [przykłady wartości, np. 03/04/2026, 2026-04-03, 3 kwietnia 2026, 04-03-26]. Pracuję w [Excel lub Google Sheets].

Pomóż mi przekonwertować wszystko na jeden format [format docelowy, np. RRRR-MM-DD] bez uszkadzania danych. Zacznij od spisu wszystkich formatów w mojej próbce i zidentyfikuj wartości NIEJEDNOZNACZNE (03/04: 3 kwietnia czy 4 marca?): wypisz je wyraźnie zamiast decydować arbitralnie. Zaproponuj kryterium rozstrzygnięcia (język narzędzia źródłowego, wartości powyżej 12, spójność z inną kolumną).

Podaj konkretne formuły lub kroki konwersji, w tym kolumnę kontrolną (formułę sygnalizującą wiersze, gdzie konwersja się nie udała lub data jest poza logicznym zakresem [oczekiwany okres]). Zakończ listą weryfikacyjną przed zastąpieniem oryginalnej kolumny.

Jesteś rygorystycznym analitykiem danych. Mój plik [opis, np. eksport zamówień z roku z systemu ERP] zawiera brakujące wartości. Muszę zdecydować, co z nimi zrobić przed analizą. Kolumny i przybliżony procent braków: [np. kod pocztowy 12%, kanał pozyskania 40%, kwota 2%].

Planowana analiza: [co chcę obliczyć, np. przychód wg regionu i kanału].

Dla każdej kolumny pomóż mi odpowiedzieć: czy brak niesie informację (pole nie dotyczy, wpis opcjonalny, błąd zbierania), czy jest losowy? Która opcja jest najmniej ryzykowna dla MOJEJ analizy: wykluczenie wierszy, uzupełnienie wartości (jaką i dlaczego), stworzenie kategorii „brak danych”, czy rezygnacja z tego wymiaru analizy? Jakie błędy (bias) wprowadza każda z opcji?

Zasady: nigdy nie uzupełniaj średnią bez uzasadnienia, zawsze szacuj wpływ (ile wierszy tracimy, jaki to procent całości). Format: tabela kolumna po kolumnie z rekomendowaną decyzją, uzasadnieniem i uwagą do raportu końcowego.

Mam kolumnę tekstową z danymi wpisywanymi ręcznie, którą muszę znormalizować: [rodzaj pola, np. nazwy miast, nazwy firm, kategorie produktów] w [narzędzie, np. Google Sheets, Excel]. Przykłady rzeczywistych wartości: [wklej 20-40 wartości z wariantami: wielkość liter, skróty, błędy, spacje].

Cel: uzyskanie czystej kolumny z jedną kanoniczną wartością dla każdego podmiotu, aby móc poprawnie agregować dane.

Postępuj tak: zidentyfikuj grupy wariantów oznaczające to samo, zaproponuj wartość kanoniczną dla każdej grupy, a następnie wypisz przypadki wątpliwe do ręcznej weryfikacji. Podaj metodę wdrożenia: tabela mapowania (wariant -> wartość kanoniczna) plus formuła wyszukiwania, zasady wstępnego czyszczenia (wielkość liter, polskie znaki, podwójne spacje, interpunkcja) oraz formułę kontrolną izolującą wartości bez dopasowania.

Zasada: tabela mapowania musi być w osobnym arkuszu, gotowa do użycia przy kolejnych eksportach. Format: tabela mapowania, potem formuły gotowe do wklejenia.

Muszę zaimportować plik [rodzaj, np. kontakty z targów, leady z formularza] do [CRM lub inne narzędzie]. Kolumny w moim pliku: [wymień kolumny]. Pola wymagane przez narzędzie docelowe: [wymień pola i ich ograniczenia, np. e-mail obowiązkowy, telefon w formacie międzynarodowym].

Próbka: [wklej 10-20 wierszy].

Przygotuj plan dostosowania: mapowanie kolumn źródłowych na pola docelowe (wraz z kolumnami, które nie mają pary), kontrole przed importem (błędna składnia e-mail, niepełne numery telefonów, puste pola obowiązkowe, duplikaty według określonych kryteriów), niezbędne transformacje (rozdzielenie imienia i nazwiska, formatowanie telefonów, normalizacja nazw krajów).

Zasady: każdy odrzucony wiersz musi trafić do arkusza „odrzucone” z powodem odrzucenia, nigdy nie usuwaj danych po cichu; nie zmyślaj danych dla pól obowiązkowych. Format: tabela mapowania, lista kontrolna z formułami lub metodami oraz końcowa checklist przed startem (kopia zapasowa, import testowy 10 wierszy, weryfikacja w narzędziu).

Jesteś seniorem SQL developerem współpracującym z biznesem. Moje pytanie biznesowe: [pytanie, np. którzy klienci zamówili co najmniej dwa razy w tym roku, ale nic w ciągu ostatnich trzech miesięcy?]. Baza danych: [silnik, np. PostgreSQL, MySQL, BigQuery]. Dostępne tabele i kolumny: [opisz tabele, ich kolumny i relacje lub wklej schemat].

Przed napisaniem zapytania sformułuj moje pytanie w precyzyjnych terminach technicznych i wypisz punkty niejednoznaczne wraz z przyjętymi założeniami (co dokładnie liczymy, jakie są granice dat, czy uwzględniamy anulowane zamówienia, strefa czasowa). Jeśli w schemacie brakuje kluczowej informacji, powiedz o tym zamiast zmyślać kolumnę.

Napisz zapytanie z komentarzami w każdej linii, a następnie zaproponuj proste zapytanie kontrolne (suma lub liczba rekordów), aby sprawdzić, czy wynik jest wiarygodny. Format: założenia, skomentowane zapytanie, zapytanie kontrolne, ograniczenia wyniku.

Przejąłem zapytanie SQL używane w [kontekst, np. miesięczny raport, automatyczny eksport] i nikt nie wie dokładnie, jak działa. Oto ono: [wklej pełne zapytanie].

Znany kontekst: [co raport ma pokazywać, silnik bazy jeśli znany].

Wyjaśnij je na trzech poziomach: jednozdaniowe podsumowanie (co liczy w języku biznesowym), opis blok po bloku (każdy join, filtr, agregacja i podzapytanie wraz z ich efektem), a następnie ukryte pułapki: joiny, które mogą duplikować lub gubić wiersze, filtry w WHERE zmieniające LEFT JOIN w INNER JOIN, obsługa wartości NULL, domknięcie zakresów dat, ukryte założenia o danych.

Zakończ sekcją: w jakich przypadkach wynik byłby BŁĘDNY bez żadnego ostrzeżenia, oraz podaj dwa szybkie zapytania kontrolne do weryfikacji tych przypadków. Format: strukturalne wyjaśnienie, lista pułapek wg ważności.

Jesteś ekspertem od optymalizacji SQL. Moje zapytanie jest zbyt wolne: [aktualny czas] dla [przybliżony wolumen tabel]. Silnik: [PostgreSQL, MySQL, SQL Server, BigQuery]. Zapytanie: [wklej zapytanie]. Istniejące indeksy: [wymień lub wpisz „nieznane”]. Plan wykonania: [wklej EXPLAIN lub wpisz „niedostępny”].

Zdiagnozuj najpierw: zidentyfikuj prawdopodobne przyczyny wolnego działania (funkcje na kolumnach filtrowanych blokujące indeksy, skorelowane podzapytania, niepotrzebne SELECT *, joiny na nieindeksowanych kolumnach, sortowanie dużych zbiorów, brak filtrów dat).

Zaproponuj optymalizacje według relacji wysiłek/zysk: przepisanie zapytania (z pełną nową wersją), indeksy do utworzenia (z kosztem zapisu) i w ostateczności zmiany w strukturze. Zasada: wynik musi pozostać identyczny; dla każdej zmiany wyjaśnij, dlaczego zachowuje równoważność. Zakończ metodą poprawnego pomiaru zysku wydajności.

Przygotowałem wynik tym zapytaniem SQL i chcę go sprawdzić przed wysłaniem do [odbiorcy, np. zarząd, klient]. Zapytanie: [wklej zapytanie]. Uzyskany wynik: [liczba lub liczby]. Oczekiwana skala według biznesu: [co byłoby wiarygodne lub „brak danych”].

Zbuduj zestaw kontrolny: zapytanie o surowy wolumen (ile wierszy przed filtrami, ile po każdym głównym filtrze), kontrola duplikatów na kluczu unikalnym, kontrola NULL w kolumnach złączeń i agregacji, porównanie z niezależnym źródłem [dostępne źródło do weryfikacji] oraz test granic (czy wynik zmienia się drastycznie przy przesunięciu okresu o jeden dzień?).

Dla każdej kontroli podaj: zapytanie gotowe do uruchomienia, jak wygląda poprawny wynik i co powinno mnie zaalarmować. Zakończ zasadą decyzyjną: kiedy publikuję, kiedy poprawiam, a kiedy ostrzegam, że dane są tymczasowe.

Pracuję w [Excel lub Google Sheets] na pliku [rodzaj danych, np. wiersze sprzedaży z datą, produktem, sklepem, ilością, kwotą]. Pytanie, na które chcę odpowiedzieć: [pytanie biznesowe, np. które produkty napędzają wzrost i w których sklepach?].

Dostępne kolumny: [wymień kolumny i ich zawartość].

Zaprojektuj odpowiednie tabele przestawne: dla każdej wskaż, jakie pola umieścić w wierszach, kolumnach, wartościach i filtrach. Wybierz typ agregacji (suma, średnia, licznik) i wyjaśnij, dlaczego np. średnia mogłaby być myląca. Zaproponuj grupowanie (daty wg miesięcy, przedziały kwotowe).

Wskaż pułapki w moim przypadku: duplikujące się wiersze przy złej szczegółowości, sumy mieszające jednostki, procenty liczone od złej bazy, ukryte puste elementy. Podaj instrukcję kliknięcie po kliknięciu oraz dwa wnioski, które będzie można wyciągnąć, i jeden, który byłby kuszący, ale błędny.

W [Excel lub Google Sheets] chcę przenieść do arkusza głównego informację znajdującą się w innym arkuszu. Arkusz główny: [kolumny, np. A numer zamówienia, B data, C kwota]. Arkusz źródłowy: [kolumny, np. A numer zamówienia, D nazwa klienta, E segment]. Informacja do pobrania: [chciana kolumna]. Klucz powiązania: [wspólna kolumna].

Podaj mi dokładną formułę gotową do wklejenia. Wybierz między WYSZUKAJ.PIONOWO, INDEKS/PODAJ.POZYCJĘ a X.WYSZUKAJ zależnie od mojej wersji narzędzia [podaj wersję] i uzasadnij wybór w dwóch zdaniach.

Uwzględnij przypadki psujące formuły: brak klucza w źródle (co zwrócić zamiast błędu), zduplikowane klucze w źródle (który wiersz jest brany, jak to wykryć formułą liczącą), klucze wyglądające identycznie, ale różniące się spacją lub formatem (formuła czyszcząca). Format: główna formuła, formuła wykrywająca duplikaty, formuła czyszcząca.

Pracuję w [Excel lub Google Sheets]. Moje dane: [opisz kolumny z literami, np. A data, B handlowiec, C region, D kwota, E status]. Co chcę obliczyć: [np. sumę sprzedaży w regionie Północ podpisaną w 2026 r. przez handlowca, z wyłączeniem statusu „anulowane”].

Napisz dokładne formuły z poprawnymi zakresami. Wybierz między SUMA.WARUNKÓW, LICZ.WARUNKÓW, ŚREDNIA.WARUNKÓW lub ich kombinacją. Wyjaśnij każde kryterium w jednej linii.

Omów niuanse: kryteria dat (jak zapisać „w 2026” lub „między datami” z cudzysłowami i ampersandem), kryterium wykluczenia (różne od), symbole wieloznaczne dla tekstu oraz blokowanie zakresów dolarami ($) do kopiowania. Dodaj formułę kontrolną: suma wyników cząstkowych musi zgadzać się z sumą ogólną. Format: formuły do wklejenia i krótkie wyjaśnienia.

W Google Sheets (funkcje REGEXEXTRACT, REGEXMATCH, REGEXREPLACE) chcę wyodrębnić [informacja, np. kod pocztowy, numer faktury, domenę e-mail] z kolumny tekstowej. Przykłady wartości: [wklej 10-15 reprezentatywnych wartości, w tym trudne przypadki].

Oczekiwany wynik dla każdego przykładu: [podaj wynik dla 3-4 przykładów].

Napisz pełną formułę, a następnie wyjaśnij regex fragment po fragmencie (klasy znaków, kwantyfikatory, grupy). Przetestuj go w myślach na moich przykładach i wskaż te, których może nie obsłużyć, zamiast obiecywać, że zadziała wszędzie.

Dodaj: wariant REGEXMATCH dla kolumny kontrolnej prawda/fałsz, obsługę błędu przy braku dopasowania oraz znane ograniczenia wzorca. Zasada: priorytetem jest czytelność regexa, nawet jeśli będzie nieco dłuższy. Format: formuły do wklejenia i wyjaśnienie.

Moja formuła w [Excel lub Google Sheets] nie działa. Formuła: [wklej formułę]. Błąd lub objaw: [np. #N/D! w niektórych wierszach, #ADR!, błędna suma, wszędzie zero]. Kontekst: [opisz użyte kolumny i przykład wiersza, w którym występuje błąd, z realnymi wartościami].

Przeprowadź diagnozę, a nie tylko bezmyślne przepisanie: wypisz możliwe przyczyny mojego błędu od najbardziej prawdopodobnej (mieszane typy danych liczba/tekst, niewidoczne spacje, przesunięte zakresy po wstawieniu wierszy, brak blokady $, brak szukanej wartości, brak wymaganego sortowania, separator dziesiętny).

Dla każdej przyczyny podaj szybki test weryfikacyjny (formuła CZY.LICZBA, CZY.TEKST, ILE.ZNAKÓW dla spacji, ścisłe porównanie). Po zidentyfikowaniu przyczyny podaj minimalną poprawkę, a następnie „odporną” wersję formuły. Format: drzewo diagnostyczne, testy, poprawka.

Muszę zaprezentować dane [odbiorca, np. zarząd, zespół operacyjny] i chcę wybrać właściwy wykres. Przekaz, który chcę przekazać: [przekaz w jednym zdaniu, np. dwa produkty generują większość wzrostu]. Dostępne dane: [opisz lub wklej dane: wymiary, miary, liczba kategorii, okres].

Rekomenduj typ wykresu dopasowany do tego PRZEKAZU (porównanie, zmiana w czasie, struktura, relacja, rozkład) i uzasadnij w dwóch zdaniach. Zaproponuj wiarygodną alternatywę i wyjaśnij, dlaczego zajmuje drugie miejsce. Wyeliminuj kuszące, ale złe wybory (wykres kołowy przy wielu kategoriach, podwójna oś sugerująca fałszywą relację, nieczytelne wykresy warstwowe) wraz z uzasadnieniem.

Podaj konkretne specyfikacje: co na osi X i Y, sortowanie kategorii, skala (czy zaczynać od zera i dlaczego), co opisać bezpośrednio na wykresie, tytuł sformułowany jako wniosek, a nie opis. Zakończ wersją „czego nie robić”.

Oto wykres, który zamierzam opublikować w [kontekst, np. raport miesięczny, prezentacja dla klienta]. Opis lub dane wykresu: [opisz wykres: typ, osie, skale, serie, tytuł lub wklej dane]. Przekaz, który ma nieść: [przekaz].

Oceń go w trzech aspektach. Uczciwość: czy skala nie zniekształca zmian (ucięta oś, podwójna oś, niezgłoszona skala logarytmiczna), czy okres nie jest wybrany wybiórczo (cherry-picking), czy liczebność próby jest wystarczająca dla procentów? Czytelność: co odbiorca rozumie w 5 sekund, czy tytuł mówi o wniosku, czy są elementy do usunięcia (kolory, siatki, zbędne legendy)? Dopasowanie: czy ten typ wykresu służy temu przekazowi?

Podziel uwagi na „krytyczne przed publikacją” i „warto poprawić”. Opisz dokładnie poprawioną wersję. Zasada: krytykuj wykres, a nie dane; jeśli problem leży w danych, powiedz o tym osobno.

Chcę stworzyć [typ wykresu, np. liniowy zmian miesięcznych wg kanału, słupkowy skumulowany] w [narzędzie, np. Google Sheets, Excel, Looker Studio], ale moje dane nie są w odpowiednim formacie. Dane obecne: [wklej fragment z nagłówkami, np. jeden wiersz na transakcję].

Opisz najpierw docelową strukturę, jakiej wymaga narzędzie dla tego wykresu (format long lub wide, jedna kolumna na serię czy kolumna kategorii, szczegółowość dat) wraz z przykładem 5 wierszy docelowych.

Podaj najprostszą drogę transformacji w moim narzędziu: agregacja (tabela przestawna lub formuły), obsługa okresów bez danych (pokazać zero czy zostawić puste i jaki to ma wpływ na linię), sortowanie oraz zaokrąglanie tylko przy wyświetlaniu. Zakończ dwoma testami przed rysowaniem: czy suma tabeli zgadza się z sumą surową i czy liczba okresów jest poprawna. Format: struktura docelowa, kroki, kontrole.

W mojej firmie wskaźnik [nazwa, np. współczynnik konwersji, przychód, aktywni klienci] daje różne wyniki zależnie od tego, kto go liczy. Chcę stworzyć jego wzorcową definicję. Obecne zastosowania: [kto i jak go używa, np. marketing z GA4, sprzedaż z CRM]. Dostępne źródła danych: [narzędzia i tabele].

Zredaguj pełną kartę definicji: dokładny wzór (licznik i mianownik zdefiniowane bez wątpliwości: jakie zdarzenia liczymy, co wykluczamy, jak traktujemy zwroty, anulacje, duplikaty, testy), okres referencyjny i strefa czasowa, źródło nadrzędne w razie różnic, częstotliwość i data „zamrożenia” danych (czy wynik za dany miesiąc może się jeszcze zmienić?).

Wymień prawdopodobne różnice między obecnymi sposobami liczenia a tą definicją wraz z szacowaną skalą rozbieżności. Zasada: każdy termin we wzorze musi być weryfikowalny zapytaniem, żadnych niejasnych pojęć (np. „aktywny klient” musi mieć mierzalne kryterium). Format: jednostronicowa karta.

Mój główny wskaźnik to [wskaźnik, np. miesięczny przychód, liczba nowych klientów]. Chcę go rozbić na czynniki pierwsze, aby wiedzieć, gdzie działać. Kontekst: [branża, np. e-commerce, usługi, sieć sklepów]. Obecny poziom: [wartość]. Cel: [cel].

Zbuduj drzewo dekompozycji arytmetycznej: wskaźnik jako iloczyn lub suma podwskaźników (np. ruch × współczynnik konwersji × średni koszyk), a następnie każdy z nich o poziom niżej, jeśli to użyteczne. Sprawdź, czy dekompozycja jest matematycznie dokładna, a nie przybliżona.

Dla każdego elementu drzewa określ: kto w organizacji ma na niego wpływ, dane do pomiaru [źródła] oraz realistyczny margines poprawy. Zidentyfikuj dwie dźwignie, gdzie wysiłek daje największy zwrot (analiza wrażliwości: co się stanie z głównym KPI, jeśli ta dźwignia wzrośnie o 10%?). Pokaż obliczenia. Wskaż dźwignie, które mogą się kanibalizować. Format: drzewo wcięte i tabela dźwigni.

Chcę przeanalizować retencję moich [klientów lub subskrybentów] za pomocą kohort. Dostępne dane: [opis, np. eksport z ID klienta, datą pierwszego zamówienia, datami kolejnych aktywności]. Narzędzie: [Excel, Google Sheets, SQL]. Definicja klienta „utrzymanego”: [np. ponowne zamówienie w miesiącu, aktywna subskrypcja].

Poprowadź mnie przez budowę tabeli kohortowej: grupowanie według miesiąca pierwszego zamówienia, obliczenie aktywności w M+1, M+2, M+3 itd. jako procent początkowej wielkości kohorty. Podaj konkretną metodę w moim narzędziu.

Pomóż mi ją ZINTERPRETOWAĆ: odróżnij efekt stażu (wszystkie kohorty słabną z czasem) od efektu rocznika (czy nowsze kohorty są lepsze/gorsze od starych w tym samym wieku?), wskaż miesiąc, w którym retencja się stabilizuje, i oznacz kohorty zbyt młode lub małe, by wyciągać wnioski. Format: metoda budowy, a następnie instrukcja interpretacji z pytaniami pomocniczymi.

Chcę podzielić bazę klientów metodą RFM (Recency, Frequency, Monetary), aby spersonalizować działania. Dane: [eksport, np. wiersz na zamówienie z ID klienta, datą, kwotą z systemu sprzedaży]. Narzędzie: [Excel, Google Sheets, SQL]. Branża i typowy cykl zakupowy: [np. e-commerce odzieżowy, zakup co 2 miesiące].

Zbuduj proces: obliczenie trzech wartości na klienta (z formułą/zapytaniem), wybór progów punktowych dopasowanych do MOJEGO cyklu (uzasadnij progi zamiast stosować automatyczne kwantyle), przypisanie punktów i pogrupowanie w 5-8 nazwanych segmentów (np. lojalni, uśpieni, nowi obiecujący, utraceni).

Dla każdego segmentu podaj: oczekiwany udział procentowy, charakterystykę w jednym zdaniu, priorytetowe działanie sprzedażowe i wskaźnik sukcesu tego działania. Zasady: wyklucz anulowane zamówienia i testy, obsłuż klientów z jednym zakupem, zaznacz, że progi wymagają rewizji co [zalecany czas]. Format: metoda krok po kroku i tabela segmentów.

Chcę prognozować [wielkość, np. sprzedaż miesięczną, rezerwacje, liczbę połączeń] na [horyzont, np. najbliższe 6 miesięcy]. Dostępna historia: [wklej serię, najlepiej 24 miesiące lub więcej]. Moja działalność ma znaną sezonowość: [opisz, np. szczyt w grudniu, spadek w sierpniu].

Zbuduj prostą i powtarzalną prognozę w [Excel lub Google Sheets]: oblicz trend bazowy (średnia krocząca 12-miesięczna lub regresja, uzasadnij wybór), miesięczne wskaźniki sezonowości na podstawie historii, a następnie prognozę (trend × wskaźnik). Pokaż formuły.

Zadbaj o rzetelność: podaj widełki dolne/górne na podstawie błędów, jakie ta metoda popełniłaby w przeszłości (backtest: zastosuj metodę do ostatnich 6 znanych miesięcy i zmierz odchylenie). Wymień, czego metoda NIE widzi (zdarzenia wyjątkowe, zmiany cen) i jaki sygnał powinien skłonić do rewizji prognozy. Format: metoda, formuły, tabela prognozy z widełkami, ograniczenia.

Mamy [obecny miesiąc] i chcę prognozować wynik na koniec roku dla [wielkość, np. przychód, wydatki, liczba spraw]. Wykonanie do dziś: [wartość skumulowana]. Cel roczny: [cel]. Historia miesięczna z zeszłego i obecnego roku: [wklej wartości].

Zbuduj trzy projekcje i porównaj je: naiwną proporcję (wykonanie / minione miesiące × 12), projekcję sezonową (wg wagi pozostałych miesięcy z historii) oraz projekcję „poinformowaną”, która uwzględnia to, co już wiem o nadchodzących miesiącach: [znane elementy, np. podpisane umowy, oferty w toku, przerwa wakacyjna, zatrudnienie].

Dla każdej podaj: wynik, przyjęte założenie i przypadek, w którym najbardziej się myli. Rekomenduj jedną dla mojego przypadku i wskaż odchylenie od celu w złotych i procentach. Zakończ 2-3 działaniami, które mogą jeszcze zmienić wynik końcowy. Format: tabela porównawcza i rekomendacja.

Jesteś menedżerem jakości danych. Chcę przeprowadzić audyt [baza, np. klienci w CRM, katalog produktów, plik dostawców] przed [cel, np. migracja, kampania, wdrożenie raportowania]. Struktura: [wymień pola]. Reprezentatywna próbka: [wklej 30-50 wierszy].

Przeprowadź audyt według osi, podając konkretne dane z próbki: kompletność (procent wypełnienia pól, ze wskazaniem krytycznych), poprawność (błędne formaty: e-mail, telefony, kody pocztowe, niemożliwe daty), unikalność (prawdopodobne duplikaty), aktualność (daty ostatniej modyfikacji), spójność wewnętrzna (pola sprzeczne, np. kod pocztowy niepasujący do miasta).

Stwórz plan naprawczy priorytetyzowany według wpływu na MÓJ cel: co blokuje proces, co go pogarsza, a co może poczekać. Dla każdego pakietu podaj metodę naprawy (automatyczna/ręczna) i szacowany wysiłek. Format: tabela audytu i plan w trzech pakietach.

Chcę stworzyć słownik danych dla [zbiór, np. eksport zamówień z ERP, tabela klientów, wspólny arkusz raportowy], aby zespół przestał błędnie interpretować kolumny. Kolumny i próbka: [wymień kolumny z 5 przykładowymi wierszami].

Co wiem o kontekście: [pochodzenie danych, częstotliwość aktualizacji, kto je wprowadza].

Dla każdej kolumny przygotuj opis: nazwa techniczna i biznesowa, definicja bez żargonu, typ i format, możliwe wartości lub zakres, zasada wypełniania (obowiązkowe, wyliczane, ręczne), źródło pierwotne oraz sekcja „pułapki” (co użytkownik może błędnie założyć, np. kwota netto/brutto, data zamówienia/płatności, pole nadpisywane). Jeśli czegoś nie wiesz, wpisz „do potwierdzenia z [osoba/dział]”.

Format: tabela gotowa do wklejenia do arkusza „słownik” oraz lista pytań do weryfikacji.

Dwa moje narzędzia podają inne liczby dla tego samego zjawiska: [źródło A, np. GA4] pokazuje [wartość A], a [źródło B, np. system sprzedażowy, Stripe, CRM] pokazuje [wartość B] dla [wskaźnik i okres]. Różnica: [procent lub kwota]. Muszę zrozumieć przyczynę i zdecydować, które źródło jest nadrzędne.

Poprowadź dochodzenie: najpierw różnice w DEFINICJI (co dokładnie liczy każde narzędzie: zwroty, anulacje, testy, strefy czasowe, data zamówienia vs data wpływu, filtry botów), potem różnice w ZAKRESIE (kanały lub punkty sprzedaży nieobecne w jednym z nich), na końcu różnice w ZBIERANIU (utrata pomiaru, zgody cookie, awarie). Dla każdej hipotezy podaj test, który ją zweryfikuje, zaczynając od tych o największym wpływie.

Cel końcowy: tabela przejścia od wartości A do B, pozycja po pozycji. Zakończ rekomendacją: które źródło stosować do jakiego celu i jaki poziom różnicy jest akceptowalny. Format: plan dochodzenia, tabela różnic, rekomendacja.

Zamierzam opublikować [materiał, np. raport miesięczny, prezentacja dla klienta, e-mail z wynikami kwartału] dla [odbiorcy]. Kluczowe liczby: [wymień główne liczby z opisem]. Źródła: [skąd pochodzi każda liczba].

Przeprowadź mnie przez końcową listę kontrolną, prosząc o potwierdzenie każdego punktu: spójność wewnętrzna (podsumy zgadzają się z sumami, procenty pasują do bazy, liczby cytowane wielokrotnie są identyczne), spójność zewnętrzna (porównanie z poprzednim miesiącem/rokiem: czy każda zaskakująca zmiana ma zweryfikowane wyjaśnienie?), zadeklarowany zakres (czy podano okres, walutę i czy definicje nie zmieniły się po cichu?), powtarzalność (czy potrafię odtworzyć każdą liczbę?), zaokrąglenia (spójne, bez pozornej precyzji).

Dla każdego punktu, którego nie mogę potwierdzić, wskaż ryzyko i określ, czy blokuje to publikację. Format: numerowana lista z polami do zaznaczenia.

Chcę automatycznie wykrywać nietypowe wartości w [seria, np. dzienna sprzedaż, zamówienia na godzinę, dzienne rejestracje], aby szybko reagować na problemy. Historia: [wklej serię lub opisz: szczegółowość, długość, typowe wartości]. Narzędzie: [Google Sheets, Excel, SQL]. Znane normalne wahania: [np. mocne soboty, słabe niedziele, sezonowość].

Zaproponuj prosty i solidny system: wartość referencyjną uwzględniającą cykle (porównanie poniedziałku do poprzednich poniedziałków, a nie do niedzieli), miarę odchylenia i uzasadniony próg alarmowy na podstawie rozrzutu w historii (pokaż obliczenia), oraz zasadę anty-fałszywą (np. alarm dopiero po dwóch z rzędu nietypowych punktach). 

Podaj wdrożenie w moim narzędziu wraz z formułami. Zakończ wskazaniem 3 błahych przyczyn, które mogą wywołać fałszywy alarm (święto, promocja, błąd zbierania) i jak nimi zarządzać, oraz procedurą 3 kroków po wystąpieniu alarmu.

Liczba w moim raporcie wydaje się błędna. Muszę rozstrzygnąć: błąd w obliczeniach, problem z danymi czy zaskakująca rzeczywistość. Liczba: [wartość i opis, np. przychód w marcu to 240 000 zł przy normie 90 000 zł]. Gdzie występuje: [raport, zapytanie lub plik]. Proces produkcji danych: [skąd pochodzą i jakie transformacje przechodzą].

Ustrukturyzuj dochodzenie warstwami, od końca do początku: końcowe obliczenia (formuła, zakres, filtry), transformacje (agregacja, join duplikujący wiersze, błąd importu, zmiana definicji), zbieranie danych (awaria, masowe nadrabianie zaległości, zmiana narzędzia), rzeczywistość biznesowa (duże zamówienie, wyjątkowy klient: jaki konkretny zapis to potwierdza?).

Zasada: zakaz poprawiania czegokolwiek przed znalezieniem przyczyny; zaskakująca, ale prawdziwa liczba nie podlega „poprawie”. Format: uporządkowany plan dochodzenia i trzy możliwe scenariusze z działaniami (popraw, udokumentuj, alarmuj).

Zebrałem otwarte odpowiedzi od klientów przez [kanał, np. pytanie otwarte w ankiecie satysfakcji, opinie Google, powody rezygnacji] i chcę wyciągnąć z nich wnioski. Komentarze: [wklej teksty lub próbkę, podaj łączną liczbę]. Pytanie zadane klientom: [dokładna treść].

Postępuj tak: zbuduj siatkę tematów na podstawie samych komentarzy (nie gotowy szablon) z definicją każdego tematu. Zaklasyfikuj każdy komentarz (możliwe wiele tematów), a następnie podsumuj ilościowo: liczba wzmianek na temat, dominujący wydźwięk (sentyment) i powiązanie z [zmienna, np. ocena, staż klienta], jeśli są dostępne.

Zasady rzetelności: cytuj dosłownie, odróżnij tematy częste od rzadkich, ale poważnych, podawaj liczbę respondentów (nie używaj procentów przy mniej niż 30 odpowiedziach bez ostrzeżenia). Format: jednostronicowa synteza (tematy wg częstotliwości, 2 cytaty na temat, sygnały ostrzegawcze) oraz pełna tabela klasyfikacji.

Przeprowadziłem ankietę przez [narzędzie, np. Google Forms, Typeform] i muszę ją opracować. Liczba odpowiedzi: [liczba]. Pytania: [wymień pytania i ich typy: jednokrotny wybór, wielokrotny, skala, otwarte]. Eksport: [wklej fragment]. Cel badania: [co chcę zdecydować lub czego się dowiedzieć].

Przeprowadź analizę w kolejności: czyszczenie (duplikaty, ankiety wypełnione w kilka sekund, rażące niespójności: wypisz co odrzucasz), rozkłady dla każdego pytania (z odpowiednim formatem prezentacji), a następnie 3-5 najciekawszych krzyżowań danych dla MOJEGO celu (uzasadnij wybór, nie krzyżuj wszystkiego ze wszystkim).

Obowiązkowe zastrzeżenia: przypomnij, kto odpowiedział i jak próba może różnić się od grupy docelowej, oznacz każde krzyżowanie, gdzie liczebność w komórce spada poniżej 30 osób, i unikaj wniosków przyczynowo-skutkowych na danych deklaratywnych. Format: plan analizy, wyniki rozkładów i krzyżowań, ograniczenia w ramce końcowej.

Wdrożyłem [zmiana, np. nowe godziny otwarcia, nowa strona, nowa cena, nowy skrypt] w dniu [data] i chcę wiedzieć, czy to zadziałało, nie mając grupy kontrolnej. Śledzony wskaźnik: [wskaźnik]. Wartości przed: [seria przed zmianą, jak najdłuższa]. Wartości po: [seria po zmianie]. Inne zdarzenia w tym czasie: [co jeszcze się zmieniło: sezon, kampania, pogoda, konkurencja].

Zanim porównasz średnie, sprawdź: czy okno „przed” jest reprezentatywne, czy obserwowana zmiana wykracza poza typowe wahania wskaźnika (wylicz to z historii), czy sezonowość może wyjaśniać różnicę i które z innych zdarzeń mogło wywołać ten sam efekt?

Wyciągnij wnioski na trzech poziomach: co dane potwierdzają, co jedynie sugerują, a czego nie da się rozstrzygnąć. Zaproponuj sposób, który uczyniłby kolejną ocenę bardziej wiarygodną (stopniowe wdrażanie, grupa testowa). Zakaz: wnioskowanie tylko na podstawie zbieżności w czasie.

Przygotuj jednostronicową notatkę na podstawie mojej analizy dla [odbiorca, np. dyrektor, komitet inwestycyjny, klient], który przeczyta ją w [czas, np. 3 minuty] i musi podjąć decyzję: [oczekiwana decyzja]. Materiał surowy: [wklej wyniki, liczby, wnioski z analizy]. Moja rekomendacja: [rekomendacja].

Wymagana struktura: tytuł będący wnioskiem (nie tematem), pierwszy akapit z odpowiedzią i kluczową liczbą, maksymalnie 3 kluczowe fakty (każdy z JEDNĄ liczbą), dostępne opcje z ich kosztem i ryzykiem (po jednej linii), jasna rekomendacja oraz sekcja „czego jeszcze nie wiemy” wskazująca ograniczenia bez rozmywania przekazu.

Zasady formy: maksimum jedna strona, krótkie zdania, brak żargonu analitycznego (żadnych „korelacji” czy „datasetów” bez wyjaśnienia), liczby zaokrąglone do poziomu użytecznego decyzyjnie. Jeśli w materiale brakuje danych do struktury, wpisz [brak danych] zamiast zmyślać. Format: czysty tekst z nagłówkami.

Pomóż mi zmienić wyniki analizy w zapadającą w pamięć prezentację dla [odbiorca i okazja, np. kwartalne spotkanie z zarządem]. Czas trwania: [czas]. Wyniki do zaprezentowania: [wklej kluczowe fakty i liczby]. Co chcę osiągnąć: [decyzja, budżet, zmiana priorytetów].

Zbuduj wątek narracyjny: sytuacja, którą odbiorcy znają, napięcie (liczba lub fakt, który zaskakuje lub niepokoi), eksploracja (dlaczego tak jest, max 3 dowody), rozwiązanie (moja propozycja) i wezwanie do działania. Podziel to na slajdy: jedna myśl na slajd, tytuł slajdu jako twierdzące zdanie niosące tę myśl (same tytuły muszą opowiadać całą historię).

Dla każdej kluczowej liczby zaproponuj obrazowe porównanie (do wielkości znanej odbiorcom, przeliczenie na złotówki lub klientów tygodniowo). Zasady: żadnych zmyślonych liczb dla dobra opowieści, ograniczenia analizy muszą mieć swój slajd, a nie tylko przypis. Format: plan slajd po slajdzie z tytułem i treścią.

Przetłumacz mój wynik analizy na zrozumiałe wyjaśnienie dla [odbiorcy, np. zespół sprzedaży, franczyzobiorcy, klient końcowy], którzy nie znają się na statystyce. Wynik techniczny: [podaj wynik, np. korelacja 0,7 między X i Y, przedział ufności, wynik testu A/B, model scoringowy]. Co odbiorca ma z tym zrobić: [oczekiwane działanie].

Przygotuj trzy poziomy wyjaśnienia: wersja 30-sekundowa ustna (język potoczny, analogia z życia codziennego, zero terminów technicznych), wersja 5-minutowa z konkretnym przykładem liczbowym z moich danych oraz odpowiedzi na 3 prawdopodobne pytania od tej grupy.

Zasady rzetelności: popularyzacja nie może mówić WIĘCEJ niż wynik techniczny (korelacja nie staje się przyczyną, trend nie staje się pewnością, wynik z segmentu nie staje się ogólnym). Wskaż wyraźnie miejsca uproszczeń i to, co zostało pominięte. Format: trzy poziomy wyjaśnienia i lista świadomych uproszczeń.

Chcę udokumentować [raport, np. mój miesięczny pulpit sprzedażowy, raport aktywności wysyłany w poniedziałki], aby inna osoba mogła go przygotować, zrozumieć i poprawić beze mnie. Jak powstaje dzisiaj: [opisz mechanizm: źródła, eksporty, pliki, formuły, ręczne poprawki, sposób wysyłki]. Częstotliwość: [częstotliwość]. Odbiorcy: [kto dostaje i co z tym robi].

Zredaguj dokumentację w czterech częściach: instrukcja produkcji (krok po kroku, gdzie kliknąć, jakie zapytanie uruchomić, włączając w to „brudne” ręczne poprawki), słownik wskaźników (definicja, wzór, źródło każdego), mapa zależności (co psuje raport: zmiana formatu eksportu, wygaśnięcie dostępu, zmiana nazwy arkusza) oraz protokół błędu (jak sprawdzić kwestionowaną liczbę, kogo powiadomić, jak sprostować błędny raport).

Zadaj mi pytania, jeśli w opisie są luki, zamiast zgadywać. Format: ustrukturyzowany dokument gotowy do zapisu w [miejsce, np. dysk zespołowy].

Muszę połączyć dwa pliki dotyczące tych samych podmiotów, ale bez wspólnego, pewnego identyfikatora: [plik 1, np. eksport CRM z nazwą firmy i e-mailem] oraz [plik 2, np. eksport księgowy z nazwą prawną i numerem faktury]. Kolumny pliku 1: [lista]. Kolumny pliku 2: [lista]. Próbki: [wklej po 10 wierszy]. Cel połączenia: [co chcesz osiągnąć].

Zbuduj kaskadową strategię dopasowania, od najpewniejszej do najmniej pewnej: najpierw dokładne klucze po normalizacji (e-mail małymi literami, NIP, czysty numer), potem klucze złożone (nazwa znormalizowana + kod pocztowy), na końcu dopasowanie przybliżone nazw (metodą dostępną w [Excel, Google Sheets]). Dla każdego kroku podaj: ile wierszy dopasowano w próbkach i szacowane ryzyko błędnych powiązań.

Zasady: każde dopasowanie zachowuje kolumnę „metoda” wskazującą krok kaskady; niedopasowane rekordy trafiają na listę do ręcznej obróbki, nigdy nie są usuwane po cichu. Format: plan kaskadowy, formuły, tabela skuteczności dopasowań.

Nie mogę zbadać całej populacji i muszę pracować na próbie. Populacja: [opis i wielkość, np. 12 000 spraw klientów, 3 000 faktur z roku, 800 nagranych rozmów]. Co chcę oszacować lub sprawdzić: [cel, np. poziom błędów wprowadzania, odsetek zgodnych wniosków]. Potrzebna precyzja: [np. wiedza, czy przekracza 5%, szacunek +/- 3 punkty procentowe].

Zbuduj plan: wielkość próby niezbędna dla mojej precyzji (wyjaśnij rozumowanie prosto), metoda losowania unikająca błędów (losowanie proste lub warstwowe: jeśli populacja ma bardzo różne podgrupy [opisz je], rekomenduj warstwowanie), oraz procedura losowania w [Excel lub Google Sheets] (formuła losująca powtarzalna).

Wymień błędy zagrażające MOJEMU przypadkowi mimo losowania (np. niedostępne pliki zastępowane łatwiejszymi, niereprezentatywny okres) i sposób na każdy z nich. Zakończ gotowym, rzetelnym zdaniem do prezentacji wyniku z marginesem błędu.

Mój współczynnik konwersji różni się zależnie od metody liczenia. Chcę go ujednolicić. Kontekst: [ścieżka, np. wizyta na stronie -> zakup, oferta -> podpisanie umowy, telefon -> spotkanie]. Źródła pomiaru: [narzędzia, np. GA4, CRM, system sprzedażowy]. Obecnie używane obliczenia i ich wyniki: [różne krążące wersje].

Pomóż mi ustalić rygorystyczną definicję: licznik (jakie zdarzenie to konwersja, jak traktujemy anulacje, duplikaty, wielokrotne konwersje jednej osoby), mianownik (kto trafia do bazy: unikalni użytkownicy czy wizyty, zakwalifikowani leadzi czy wszystkie kontakty), oraz okno atrybucji (ile czasu od wejścia do konwersji i do jakiego okresu przypisać konwersję na przełomie miesięcy).

Dla każdego wyboru pokaż wpływ na wynik na moich danych i wskaż najczęstszy standard rynkowy. Wyjaśnij, dlaczego obecne obliczenia się różnią. Zakończ definicją w jednym zdaniu oraz wskaż dwa błędy interpretacyjne, przed którymi trzeba ostrzec odbiorców (porównywanie konwersji o różnych zakresach, uśrednianie bez ważenia).

Chcę obliczyć i śledzić churn (wskaźnik odejść) dla [działalność, np. subskrypcje oprogramowania, umowy serwisowe, karnety na siłownię]. Dostępne dane: [opis, np. eksport subskrypcji z datą startu, końca, statusem, kwotą]. Cykl rozliczeniowy: [miesięczny, roczny, mieszany].

Ustal najpierw decyzje definicyjne, rekomendując opcję dla mojego przypadku: churn ilościowy (liczba klientów) czy wartościowy (przychód) – pokaż na przykładzie, jak różne historie opowiadają. Określ bazę początkową (klienci na początku okresu, z uwzględnieniem lub bez nowych), oraz sposób traktowania przypadków granicznych (zawieszenie, brak płatności, downgrade, wypowiedzenie złożone, ale jeszcze nieskuteczne).

Podaj dokładny wzór i wdrożenie w [Excel, Google Sheets lub SQL]. Ostrzeż przed pułapkami: mieszanie cykli miesięcznych i rocznych w jednym wskaźniku, churn poprawiający się sztucznie przy szybkim wzroście sprzedaży, oraz dlaczego analiza kohortowa jest niezbędnym uzupełnieniem. Format: decyzje, wzór, wdrożenie, pułapki.

Chcę zrozumieć, ile naprawdę zarabiam na każdym [produkcie, usłudze lub rodzinie produktów]. Dane: [eksport, np. sprzedaż z ilościami i cenami, zakupy i koszty z księgowości]. Zidentyfikowane koszty: [wymień: zakup, surowce, robocizna, koszty stałe, wysyłka, prowizje].

Zbuduj analizę etapami: marża brutto na produkcie (cena sprzedaży minus koszty bezpośrednie, netto), a następnie trudna kwestia kosztów pośrednich: zaproponuj 2 klucze podziału dla mojej branży (wg przychodu, czasu pracy, wolumenu). Pokaż, jak ranking produktów zmienia się zależnie od klucza i dlaczego żaden nie jest „jedynym prawdziwym”.

Przedstaw wyniki krzyżując marżę procentową I kwotową z wolumenem: produkt z wysoką marżą, który się nie sprzedaje, oraz produkt z niską marżą robiący obrót. Wskaż, co tracimy, patrząc tylko na jedną kolumnę. Zakończ 3 typowymi decyzjami (cena, wycofanie, promocja) i wskaż dodatkową liczbę do sprawdzenia przed każdą z nich. Format: metoda, tabela wzorcowa, komentarz.

Chcę zmierzyć, jak bardzo mój biznes zależy od kilku [klientów, produktów, kanałów]. Dane: [eksport, np. przychód wg klienta z 12 miesięcy, sprzedaż wg indeksu]. Narzędzie: [Excel lub Google Sheets].

Poprowadź budowę analizy koncentracji: sortowanie malejące, suma narastająca i procent skumulowany (formuły), odczyt progów (ile elementów generuje 50% i 80% całości, udział top 1 i top 5) oraz krzywa Pareto (jak ją narysować i czytać).

Idź dalej niż tylko stwierdzenie faktów: pomóż mi ocenić RYZYKO tej koncentracji: co się stanie, jeśli najważniejszy [klient lub produkt] zniknie (wpływ w złotych i %), czy koncentracja rośnie czy spada względem [okres porównawczy], i czy „długi ogon” (wielu małych) nie kosztuje więcej w obsłudze niż zarabia? 

Zasady: połącz podmioty powiązane (ta sama grupa kapitałowa) i nie wyciągaj wniosku „odciąć ogon” bez analizy kosztów rzeczywistych. Format: metoda, formuły, ocena ryzyka.

Chcę porównać wyniki moich [punktów sprzedaży, oddziałów, zespołów] bez bycia niesprawiedliwym: mają różny kontekst. Jednostki: [wymień różnice: wielkość, lokalizacja, staż, liczba pracowników, ruch]. Dane: [wskaźniki na jednostkę i okres].

Zbuduj porównanie w trzech krokach. Najpierw wskaźniki RELATYWNE (na sprzedawcę, na metr kwadratowy, na godzinę otwarcia, na mieszkańca okolicy: wybierz trafne wskaźniki i uzasadnij). Potem porównanie jednostki do samej siebie (wzrost rok do roku): czy ranking wzrostów mówi coś innego niż ranking surowy? Na koniec pozostałe niewyjaśnione różnice: te, które trwają mimo normalizacji i wymagają rozmowy, a nie kary.

Zasady: oznacz jednostki zbyt nowe lub małe do rankingu, nigdy nie podawaj jednego rankingu bez pokazania składowych wskaźników, wymień czynniki, których dane nie widzą (remonty, lokalna konkurencja). Format: tabela porównawcza i instrukcja interpretacji dla kierowników.

Chcę przeanalizować mój lejek konwersji, aby wiedzieć, gdzie skupić wysiłki. Ścieżka: [opisz kroki, np. wizyta, karta produktu, koszyk, dostawa, płatność, potwierdzenie; lub B2B: lead, kontakt, spotkanie, oferta, umowa]. Wolumeny na krok w okresie [okres]: [wklej liczby]. Źródło: [GA4, CRM, inne].

Oblicz współczynniki przejścia między każdymi dwoma kolejnymi krokami (nie tylko ogólny) i zidentyfikuj etap o największej stracie – w liczbach bezwzględnych ORAZ procentowo. Wyjaśnij, który z nich priorytetyzować dla celu [cel, np. więcej umów przy tym samym ruchu].

Przed wnioskami sprawdź pułapki pomiaru: błędy techniczne tagów, omijanie kroków przez użytkowników, zbyt krótkie okno dla wolnych procesów. Zaproponuj najciekawsze krzyżowanie z [segment, np. mobile vs desktop, źródło ruchu, wielkość klienta] i co różnica między segmentami by oznaczała. Format: tabela wskaźników, diagnoza, 2 hipotezy poprawy dla priorytetowego etapu.

Podejrzewam związek między [zmienna 1, np. pogoda, liczba opinii, czas odpowiedzi na ofertę] a [zmienna 2, np. sprzedaż, współczynnik podpisanych umów]. Chcę to rzetelnie sprawdzić. Dane: [wklej dwie serie z tą samą szczegółowością: dni, tygodnie, sprawy]. Intuicja: [co sądzisz i co byś zrobił, gdyby to się potwierdziło].

Poprowadź analizę w [Excel lub Google Sheets]: najpierw wykres punktowy (scatter plot) i jego interpretacja (kształt, kierunek, punkty odstające), potem współczynnik korelacji z wyjaśnieniem w prostym języku i progami istotności dla mojej liczby obserwacji [liczba punktów].

Następnie kluczowa część: przejrzyj alternatywne wyjaśnienia przed wyciągnięciem wniosku o przyczynie: wspólny czynnik (np. sezonowość wpływająca na obie zmienne), odwrócona przyczynowość, czysty przypadek przy małej próbie. Dla każdego podaj prosty test osłabiający lub wzmacniający hipotezę na moich danych. Zakończ w trzech liniach: co ustalono, co pozostaje hipotezą i jaki eksperyment dałby ostateczną odpowiedź.