Dataanalys prompter

Jag ger dig en dataexport från [källa, t.ex. mitt CRM, Fortnox, Google Analytics] och jag vill förstå vad den innehåller och vad vi kan dra för nytta av den. Affärskontext: [verksamhet och allmän fråga, t.ex. jag vill förstå varför försäljningen sjunker].

Data: [klistra in data eller de första raderna med rubriker]

Gå tillväga i följande ordning: beskriv strukturen (kolumner, typer, tidsperiod, granularitet), utvärdera kvaliteten (saknade värden, troliga dubbletter, inkonsekvenser, tomma eller konstanta kolumner (lista dem exakt)), beräkna grundläggande statistik för viktiga kolumner, föreslå sedan 5 affärsfrågor som denna data kan besvara och 3 frågor som den INTE kan besvara trots utseendet (med den data som saknas).

Avsluta med den mest lovande analysen att göra först och metoden för den. Dra inga affärsmässiga slutsatser i detta skede.

Mitt nyckeltal [indikator, t.ex. konverteringsgrad, snittorder, churn] har gått från [värde före] till [värde efter] mellan [period 1] och [period 2]. Tillgänglig historik: [värden för tidigare perioder]. Händelser under perioden: [vad som har ändrats: kampanj, pris, säsong, incident, omdesign].

Innan någon tolkning görs, hjälp mig att kontrollera: är variationen signifikant med tanke på seriens vanliga fluktuationer (beräkna storleksordningen på normala variationer utifrån historiken)? Kan en säsongsvariation förklara det (jämför med samma period tidigare år eller cykler)? Har mätområdet ändrats (underliggande volym, definition, mätverktyg)?

Lista först därefter förklaringshypoteser rangordnade efter sannolikhet, med det test eller den data som skulle bekräfta varje hypotes. Förbjudet: att dra slutsatser om en orsak enbart baserat på ett tidsmässigt sammanträffande. Avsluta med vad du ärligt skulle säga i en mening om någon frågade: "så, är det allvarligt?".

Hjälp mig att definiera en dashboard för [område, t.ex. mitt säljteam, min webbutik, min kundtjänst]. Verksamhetens mål: [mål]. Beslut som denna dashboard ska stödja: [återkommande beslut, t.ex. var vi ska lägga säljinsatsen, när vi ska rekrytera, vilka produkter som ska pushas]. Tillgänglig data: [källor och verktyg].

Föreslå för varje listat beslut den eller de indikatorer som verkligen belyser det, genom att skilja på resultatindikatorer (vad vi konstaterar) och aktivitetsindikatorer (vad vi kan påverka denna vecka). Max 8 indikatorer totalt: om du väljer bort några, förklara varför.

För varje vald indikator: entydig definition (vad räknar vi exakt, under vilken period), formel, källa, läsfrekvens och den klassiska tolkningsfällan för denna indikator (mixeffekt, genomsnitt som döljer en fördelning, indikator som kan manipuleras av teamet som mäts).

Omvandla min analys till en presentation för [målgrupp, t.ex. ledningsgruppen, min chef, en kund]. Analysens ursprungliga fråga: [fråga]. Vad jag har hittat: [resultat, siffror, konstateranden]. Analysens begränsningar: [begränsningar: ofullständig data, kort period, möjliga bias]. Vad jag rekommenderar: [rekommendation om jag har en].

Bygg upp presentationen i denna ordning: svaret på frågan i en mening (det viktigaste budskapet först, aldrig metoden först), 2 eller 3 konstateranden som stöder det med varsin siffra (inte fem siffror per konstaterande), rekommendationen med vad den kostar och vad den ger, begränsningarna uttryckta ärligt men utan att sänka trovärdigheten (en nämnd begränsning = en försiktighetsåtgärd, inte en ursäkt).

Förbered också: de 3 troliga kuggfrågorna från denna målgrupp med svar, samt en "30 sekunder i hissen"-version av budskapet. Format: [önskat utdataformat, t.ex. slide-utkast, e-post, one-pager].

Jag vill testa [planerad ändring, t.ex. ett nytt pris, en ny sida, ett nytt samtalsskript, en tidpunkt för utskick] innan jag rullar ut det brett. Nuvarande situation: [nuvarande mätvärde och dess nivå]. Tillgänglig volym: [trafik, samtal, utskick per vecka]. Vad jag hoppas på: [förväntad förbättring].

Bygg protokollet: hypotesen formulerad på ett motbevisbart sätt ("om X så ökar Y med minst Z"), framgångskriteriet och beslutströskeln fastställda NU (innan vi ser resultaten), fördelning test/kontroll och hur man tilldelar dem korrekt, nödvändig varaktighet uppskattad utifrån min volym för att skilja en verklig effekt från brus (förklara beräkningen enkelt), störande effekter att neutralisera (säsong, veckodag, kundmix).

Lägg till en guide för att läsa resultaten: i vilket fall jag rullar ut, i vilket fall jag avbryter, i vilket fall jag förlänger, och de slutsatser som det kommer att vara FÖRBJUDET att dra även om siffrorna är lockande (undergrupper upptäckta i efterhand, avbryta testet vid första gynnsamma topp).

Du är dataanalytiker. Jag behöver rensa dubbletter i en kundfil exporterad från [verktyg, t.ex. mitt CRM, Fortnox] inför en kampanj. Tillgängliga kolumner: [lista kolumner, t.ex. efternamn, förnamn, e-post, telefon, adress, skapad datum].

Utdrag från filen: [klistra in 20 till 30 representativa rader].

Föreslå en strategi för dubblettrensning i flera steg: först exakta dubbletter (vilka kolumner måste matcha?), sedan troliga dubbletter (stavningsvarianter, samma e-post men olika namn, olika formaterade telefonnummer). Ange för varje steg matchningsnyckeln, nödvändig normalisering (gemener, mellanslag, landskoder) och risken för falska positiva.

Krav: slå aldrig ihop två poster automatiskt enbart på förnamn/efternamn, ange alltid vilken post som ska behållas (den senaste? den mest kompletta?) och varför. Utdataformat: steg-för-steg handlingsplan, sedan konkreta Google Sheets-formler eller Excel-steg för att genomföra det, samt en uppskattning av antalet upptäckta dubbletter per steg på det tillhandahållna utdraget.

Jag har en export [källa, t.ex. från mitt kassasystem, ett onlineformulär] där datumkolumnen blandar flera format: [verkliga exempel på värden, t.ex. 03/04/2026, 2026-04-03, 3 april 2026, 04-03-26]. Jag arbetar i [Excel eller Google Sheets].

Hjälp mig att konvertera allt till ett enhetligt format [målformat, t.ex. ÅÅÅÅ-MM-DD] utan att korrumpera data. Börja med att kartlägga alla format som finns i mitt urval och identifiera TVETYDIGA värden (03/04: 3 april eller 4 mars?): lista dem explicit istället för att välja godtyckligt, och föreslå ett kriterium för att avgöra (källverktygets språk, värden över 12, konsistens med en annan kolumn).

Ge sedan formler eller konkreta steg för konverteringen, inklusive en kontrollkolumn (en formel som flaggar rader där konverteringen misslyckades eller gav ett datum utanför en rimlig period [förväntad period]). Avsluta med en lista på kontroller att göra innan den ursprungliga kolumnen ersätts.

Du är en noggrann dataanalytiker. Min fil [beskrivning, t.ex. export av årets order från mitt affärssystem] innehåller saknade värden och jag måste bestämma vad jag ska göra med dem före analys. Berörda kolumner och ungefärlig andel tomma fält: [t.ex. postnummer 12 %, förvärvskanal 40 %, belopp 2 %].

Planerad analys: [vad jag vill beräkna, t.ex. omsättning per region och kanal].

Hjälp mig att besvara följande för varje kolumn: bär det tomma fältet på information (ej tillämpligt, frivilligt fält, insamlingsfel) eller är det helt slumpmässigt? Vilket alternativ är minst riskfyllt för MIN analys: exkludera raderna, imputera ett värde (vilket och varför), skapa kategorin "okänt", eller avstå från den analysaxeln? Vilken bias introducerar varje alternativ?

Krav: aldrig imputering med medelvärde utan motivering, kvantifiera alltid påverkan (hur många rader går förlorade, hur stor vikt i totalen). Format: tabell kolumn för kolumn med rekommenderat beslut, motivering och notering som ska läggas till i slutpresentationen.

Jag har en kolumn med fritt inskriven text som behöver normaliseras: [typ av fält, t.ex. stadsnamn, företagsnamn, produktkategorier] i [verktyg, t.ex. Google Sheets, Excel]. Exempel på verkliga värden: [klistra in 20 till 40 värden, med varianter: skiftläge, förkortningar, felstavningar, mellanslag].

Mål: få en ren kolumn med ett kanoniskt värde per entitet för att kunna aggregera korrekt.

Gör så här: identifiera grupper av varianter som avser samma entitet i mitt urval, föreslå det kanoniska värdet för varje grupp, och lista sedan tveksamma fall som bör valideras manuellt istället för att du bestämmer åt mig. Ge sedan metoden för genomförande: en konverteringstabell (variant till kanonisk) plus en letaupp-formel, regler för förbehandling (skiftläge, accenter, dubbla mellanslag, punktuering) och en kontrollformel som isolerar värden som saknar matchning.

Krav: konverteringstabellen ska vara en separat flik, återanvändbar för framtida exporter, inte manuella ändringar som går förlorade. Format: konverteringstabell, sedan formler redo att klistras in.

Jag ska importera en fil med [typ, t.ex. kontakter från en mässa, leads från ett formulär] till [CRM eller målverktyg]. Kolumner i min fil: [lista kolumner]. Fält som målverktyget förväntar sig: [lista fält och kända krav, t.ex. obligatorisk e-post, telefon i internationellt format].

Urval: [klistra in 10 till 20 rader].

Förbered en plan för anpassning: mappning av källkolumn till målfält (inklusive ensamma kolumner på båda sidor), kontroller som ska göras före import (ogiltiga e-postadresser, ofullständiga telefonnummer, tomma obligatoriska fält, dubbletter med tydliga kriterier), nödvändiga transformationer (dela upp förnamn/efternamn, formatera telefonnummer, normalisera land).

Krav: varje avvisad rad ska hamna i en flik för "felaktiga poster" med orsak, aldrig raderas tyst; inga påhittade värden för att fylla obligatoriska fält. Utdataformat: mappningstabell, ordnad lista över kontroller med formel eller metod för varje, och en slutlig checklista innan importen körs (backup, testimport på 10 rader, verifiering i verktyget).

Du är en senior SQL-utvecklare som arbetar med en affärsanvändare. Min affärsfråga: [fråga på svenska, t.ex. vilka kunder har beställt minst två gånger i år men inget de senaste tre månaderna?]. Databas: [motor, t.ex. PostgreSQL, MySQL, BigQuery]. Tillgängliga tabeller och kolumner: [beskriv tabeller, kolumner och deras relationer, eller klistra in schemat].

Innan du skriver frågan, omformulera min fråga i precisa termer och lista tvetydiga punkter med det antagande du gör för varje (vad räknar vi exakt, vilka datumgränser, inkluderas makulerade order, tidszon). Om viktig information saknas i schemat, säg det istället för att hitta på en kolumn.

Skriv sedan SQL-frågan, kommenterad rad för rad på svenska, och föreslå en enkel kontrollfråga (en total eller en räkning) för att verifiera att resultatet är rimligt innan jag litar på det. Format: antaganden, kommenterad fråga, kontrollfråga, resultatets begränsningar.

Jag har ärvt en SQL-fråga som används i [kontext, t.ex. en månadsrapport, en automatisk export] och ingen vet längre exakt vad den gör. Här är den: [klistra in hela frågan].

Känd kontext: [vad rapporten förväntas visa, databasmotor om känd].

Förklara den på tre nivåer: en sammanfattande mening (vad den beräknar, på affärsspråk), sedan en genomgång block för block (varje join, filter, aggregering och underfråga, med dess konkreta effekt), och slutligen dolda fällor: joins som kan duplicera eller tappa rader, filter i WHERE som gör om en LEFT JOIN till en INNER JOIN, hantering av NULL, inkluderade eller exkluderade datumgränser, implicita antaganden om data.

Avsluta med: fall där den producerade siffran skulle vara FEL utan att det märks, och två snabba kontrollfrågor för att verifiera dessa fall i min databas. Format: strukturerad förklaring, sedan lista över fällor rangordnade efter allvarlighetsgrad.

Du är expert på SQL-optimering. Min fråga är för långsam: [nuvarande tid] för [ungefärlig volym i berörda tabeller]. Motor: [PostgreSQL, MySQL, SQL Server, BigQuery]. Fråga: [klistra in frågan]. Befintliga index om kända: [lista eller ange "okända"]. Exekveringsplan om tillgänglig: [klistra in EXPLAIN-utdata eller ange "ej tillgänglig"].

Diagnostisera först: identifiera troliga orsaker till långsamhet i frågan (funktioner på filtrerade kolumner som hindrar indexanvändning, korrelerade underfrågor, onödig SELECT *, joins på oindexerade kolumner, sortering eller aggregering av stora volymer, saknade datumfilter).

Föreslå sedan optimeringar rangordnade efter förväntad insats/nytta: omformulering av frågan (med den fullständiga omformulerade versionen), index som bör skapas (med deras skrivkostnad), och som sista utväg ändringar i strukturen. Absolut krav: resultatet måste förbli identiskt; förklara för varje omformulering varför ekvivalensen garanteras. Avsluta med metoden för att mäta vinsten korrekt.

Jag har tagit fram ett resultat med denna SQL-fråga och vill kontrollera det innan jag sprider det till [mottagare, t.ex. ledningen, en kund]. Fråga: [klistra in frågan]. Erhållet resultat: [siffran eller siffrorna]. Förväntad storleksordning enligt verksamheten: [vad som vore rimligt, eller "ingen aning"].

Bygg upp min batteri av kontroller: en fråga för råvolym (hur många rader före filter, hur många efter varje huvudfilter, för att se var volymen faller), en dubblettkontroll på den förmodat unika nyckeln, en NULL-kontroll på join- och aggregeringskolumner, en avstämning mot en oberoende källa om jag har en [tillgänglig avstämningskälla], och ett gränsvärdestest (ändras siffran om jag flyttar perioden en dag?).

För varje kontroll: frågan redo att köras, hur ett normalt resultat ser ut, och vad som bör varna mig. Avsluta med en beslutsregel: i vilka fall jag sprider, rättar eller meddelar att siffran är preliminär.

Jag arbetar i [Excel eller Google Sheets] med en fil med [typ av data, t.ex. försäljningsrader med datum, produkt, butik, antal, belopp]. Fråga jag vill besvara: [affärsfråga, t.ex. vilka produkter driver tillväxten och i vilka butiker?].

Tillgängliga kolumner: [lista kolumner och deras innehåll].

Utforma den eller de pivottabeller som passar: ange för varje vilka fält som ska läggas i rader, kolumner, värden och filter, vilken aggregering som ska väljas (summa, medelvärde, antal, och varför medelvärde kan vara missvisande i så fall), samt vilken gruppering som ska tillämpas (datum per månad, beloppsintervall).

Flagga för fällor i mitt fall: rader som dupliceras om granulariteten inte är den jag tror, totaler som blandar enheter, procentsatser beräknade på fel bas, tomma element som döljs som standard. Ge steg-för-steg instruktioner för mitt verktyg, sedan två insikter som tabellen möjliggör och en slutsats som vore lockande men felaktig att dra.

I [Excel eller Google Sheets] vill jag hämta information till min huvudflik från en annan flik. Huvudflik: [kolumner, t.ex. A ordernummer, B datum, C belopp]. Källflik: [kolumner, t.ex. A ordernummer, D kundnamn, E segment]. Information som ska hämtas: [önskad kolumn]. Matchningsnyckel: [gemensam kolumn].

Ge mig den exakta formeln, redo att klistras in, genom att välja mellan LETARAD, INDEX/PASSA och XLETAUPP baserat på min programversion [ange version om känd], och förklara ditt val i två meningar.

Hantera explicit fall som förstör dessa formler: nyckel saknas i källan (vad ska visas istället för felmeddelande), dubbla nycklar på källsidan (vilken rad väljs, hur upptäcks det med en räkneformel), nycklar som ser identiska ut men skiljer sig åt genom ett mellanslag eller format (text/tal). Format: huvudformel, formel för att upptäcka dubbletter, formel för rengöring, var och en med det exakta området som ska anpassas.

Jag arbetar i [Excel eller Google Sheets]. Min data: [beskriv kolumner med deras bokstäver, t.ex. A datum, B säljare, C region, D belopp, E status]. Vad jag vill beräkna, i klartext: [t.ex. total försäljning för region Norr signerad 2026 per säljare, exklusive status "makulerad"].

Skriv den eller de exakta formlerna med rätt områden, genom att välja mellan SUMMA.OMF, ANTAL.OMF, MEDEL.OMF eller en kombination. Förklara varje kriterium i formeln på en rad.

Täck in detaljerna i mitt fall: datumkriterier (hur man skriver "under 2026" eller "mellan två datum" i ett kriterium, med citattecken och och-tecken på rätt ställe), exkluderingskriterier (skilt från), jokertecken för delvis text, och absoluta referenser med dollartecken för att kunna kopiera formeln. Lägg till en kontrollformel: summan av mina formler per kriterium ska motsvara totalsumman, skriv denna verifiering. Format: formler redo att klistras in, följt av en rad förklaring för varje.

I Google Sheets (funktionerna REGEXEXTRACT, REGEXMATCH, REGEXREPLACE) vill jag extrahera [målinformation, t.ex. postnummer, fakturanummer, e-postdomän] från en kolumn med fritext. Verkliga exempel på värden, inklusive svåra fall: [klistra in 10 till 15 representativa värden].

Förväntat resultat för varje: [ge önskat resultat för 3 eller 4 exempel].

Skriv den fullständiga formeln, förklara sedan regex-koden del för del på svenska (varje teckenklass, kvantifierare och grupp). Testa den mentalt mot vart och ett av mina exempel och flagga för de som den skulle missa, istället för att lova att den fungerar överallt.

Lägg till: en REGEXMATCH-variant för att skapa en kontrollkolumn för sant/falskt (finns mönstret?), hantering av fallet "ingen matchning" utan att visa felmeddelande, samt kända begränsningar för ditt mönster. Krav: prioritera en läsbar och något längre regex framför en kompakt och oläslig. Format: formler redo att klistras in, följt av förklaring.

Min formel i [Excel eller Google Sheets] ger inte förväntat resultat. Exakt formel: [klistra in formeln]. Felmeddelande eller symptom: [t.ex. #SAKNAS! på vissa rader, #REF!, fel totalsumma, noll överallt]. Kontext: [beskriv kolumnerna som används och ett exempel på en rad där det misslyckas, med verkliga värden].

Gör en diagnos, inte bara en blind omformulering: lista möjliga orsaker till MITT symptom rangordnade från mest till minst sannolika (blandade typer tal/text, osynliga mellanslag, förskjutna områden efter radinfogning, ej låsta referenser, saknat sökvärde, sorteringskrav ej uppfyllt, regionala avgränsare).

Ge för varje orsak ett test som bekräftar eller utesluter den på mindre än en minut (formler som ÄRTAL, ÄRTEXT, LÄNGD för att se mellanslag, strikt jämförelse). När orsaken är identifierad, ge den minsta möjliga rättningen, och sedan en robust version av formeln som undviker att felet återkommer. Krav: föreslå inte att hela filen görs om. Format: diagnosträd, tester, rättning.

Jag ska presentera data för [målgrupp, t.ex. ledningsgruppen, ett team på fältet] och vill välja rätt diagram. Budskap jag vill förmedla: [budskapet i en mening, t.ex. två produkter står för merparten av tillväxten]. Tillgänglig data: [beskriv eller klistra in data: dimensioner, mått, antal kategorier, period].

Rekommendera den diagramtyp som passar detta BUDSKAP (jämförelse, utveckling, fördelning, relation, distribution) och motivera i två meningar. Föreslå ett trovärdigt alternativ och förklara varför det kommer på andra plats. Uteslut explicit lockande men dåliga val för min data (tårtdiagram med för många kategorier, dubbla axlar som antyder ett samband, oläsliga staplade ytor) med motivering.

Ge sedan konkreta specifikationer: vad på x- och y-axeln, sortering av kategorier, skala (inkludera noll eller inte, och varför), vad som bör annoteras direkt i diagrammet, titeln formulerad som budskapet och inte bara en beskrivning. Avsluta med versionen "gör inte så här": valet som skulle förvränga budskapet.

Här är ett diagram som jag ska sprida i [kontext, t.ex. en månadsrapport, en kundpresentation]. Precis beskrivning eller data för diagrammet: [beskriv diagrammet: typ, axlar, skalor, serier, titel, eller klistra in data]. Budskap det förväntas förmedla: [budskapet].

Kritisera det utifrån tre aspekter. Ärlighet: förvränger skalan variationen (kapad axel, dubbla axlar, ej deklarerad log-skala), är perioden selektivt vald (cherry-picking), är underlaget tillräckligt för de procentsatser som visas? Läsbarhet: vad förstår en läsare på fem sekunder, förmedlar titeln budskapet eller bara ämnet, finns det element som bör tas bort (färger, rutnät, decimaler, redundant förklaring)? Relevans: tjänar denna diagramtyp budskapet, eller skulle en annan fungera bättre?

Kategorisera dina anmärkningar som "kritiska före spridning" och "önskvärda förbättringar", och beskriv sedan exakt den korrigerade versionen. Krav: kritisera diagrammet, inte datan; om problemet ligger i datan, säg det separat.

Jag vill bygga [önskat diagram, t.ex. en månatlig utvecklingskurva per kanal, ett staplat stapeldiagram] i [verktyg, t.ex. Google Sheets, Excel, Looker Studio] men min rådata är inte i rätt format. Nuvarande data: [klistra in ett utdrag med rubriker, t.ex. en rad per transaktion].

Beskriv först den exakta målstrukturen som mitt verktyg förväntar sig för detta diagram (långt eller brett format, en kolumn per serie eller en kategorikolumn, datumens granularitet), med ett exempel på 5 rader hur min data ska se ut när den är klar.

Ange sedan den enklaste omvandlingsvägen i mitt verktyg: aggregering (pivottabell eller formler, vilka?), hantering av perioder utan data (visa dem som noll eller låta dem saknas, och effekten på kurvan), sortering och avrundning endast vid visning, aldrig i rådatan.

Avsluta med två kontroller innan diagrammet ritas: summan i den omvandlade tabellen motsvarar råsumman, och antalet perioder stämmer överens med det förväntade intervallet [period]. Format: målstruktur, steg, kontroller.

I mitt företag ger nyckeltalet [namn på nyckeltal, t.ex. konverteringsgrad, omsättning, aktiva kunder] olika siffror beroende på vem som beräknar det, och jag vill skriva DESS referensdefinition. Nuvarande kända användningsområden: [vem använder det och hur, t.ex. marknad beräknar det från GA4, sälj från CRM]. Tillgängliga datakällor: [verktyg och tabeller].

Skriv ett fullständigt definitionsblad: exakt formel (täljare och nämnare definierade utan tvetydighet: vilka händelser eller rader räknas, vilka exkluderas, hur hanteras gränsfall som makuleringar, återbetalningar, dubbletter, interntest), referensperiod och tidszon, den officiella källan vid avvikelser mellan verktyg, frekvens och tidpunkt för fastställande (kan en månads siffra ändras i efterhand?).

Lista sedan troliga avvikelser mellan nuvarande användning och denna definition, med förväntad storleksordning på skillnaden, för att förbereda övergången. Krav: varje term i formeln måste kunna verifieras med en fråga, inga luddiga termer ("aktiv kund" måste definieras med ett mätbart kriterium). Format: strukturerat dokument på en sida.

Mitt huvudnyckeltal är [indikator, t.ex. månadsomsättning, antal nya kunder] och jag vill bryta ner det i hävstänger för att veta var vi ska agera. Kontext: [verksamhet, t.ex. e-handel, tjänsteföretag, butikskedja]. Nuvarande nivå: [nuvarande värde]. Mål: [önskat mål].

Bygg ett aritmetiskt nedbrytningsträd: nyckeltalet uttryckt som en produkt eller summa av underindikatorer (t.ex. trafik multiplicerat med konverteringsgrad multiplicerat med snittorder), och bryt sedan ner varje underindikator ytterligare en nivå där det är användbart. Kontrollera att varje nedbrytning är matematiskt exakt, inte ungefärlig.

För varje del i trädet: vem i organisationen kan påverka den, den data som används för att mäta den [tillgängliga källor], och dess realistiska förbättringspotential. Identifiera sedan de två hävstänger där en viss insats ger störst effekt (känslighet: vad händer med huvudnyckeltalet om denna hävstång ökar med 10 %?), och visa beräkningen. Krav: flagga för hävstänger som kannibaliserar på varandra. Format: indenterat träd följt av tabell med hävstänger.

Jag vill analysera retention för mina [kunder eller prenumeranter] via kohorter. Tillgänglig data: [beskriv, t.ex. export med kund-ID, datum för första order eller registrering, datum för efterföljande aktivitet eller order]. Verktyg: [Excel, Google Sheets, SQL]. Definition av en "bevarad" kund i min verksamhet: [t.ex. har beställt igen inom en månad, har en aktiv prenumeration].

Guide mig i att bygga kohorttabellen: gruppering efter månad för första order, beräkning av aktivitet vid M+1, M+2, M+3 osv., som en procentsats av kohortens ursprungliga storlek. Ge den konkreta metoden i mitt verktyg (formler eller frågor).

Hjälp mig sedan att LÄSA den: skilj på tidseffekt (alla kohorter minskar över tid) och årgångseffekt (är nyare kohorter bättre eller sämre än äldre vid samma ålder?), hitta den månad där retentionen stabiliseras, och flagga för kohorter som är för unga eller för små för att dra slutsatser ifrån (med den tröskel du rekommenderar). Format: byggmetod, följt av en guide för tolkning med frågor att ställa sig.

Jag vill segmentera min kundbas med RFM-metoden (Recency, Frequency, Monetary) för att rikta mina insatser. Data: [tillgänglig export, t.ex. en rad per order med kund-ID, datum, belopp, från kassasystem eller CRM]. Verktyg: [Excel, Google Sheets, SQL]. Verksamhet: [typ av verksamhet och typisk köpcykel, t.ex. mode e-handel, köp varannan månad].

Bygg upp processen: beräkning av de tre värdena per kund (med exakt formel eller fråga i mitt verktyg), val av tröskelvärden anpassade till MIN köpcykel snarare än automatiska kvintiler (motivera varje tröskel), tilldelning av poäng och gruppering i 5 till 8 namngivna och tydliga segment (lojala, vilande, lovande nya, förlorade...). 

För varje segment: förväntat antal i procent, karaktärisering i en mening, prioriterad affärsåtgärd och indikator för att mäta om den fungerar. Krav: exkludera makulerade order och testkunder, hantera kunder med endast ett köp, och flagga för att tröskelvärdena bör ses över vid [rekommenderad frekvens]. Format: steg-för-steg metod följt av segmenttabell.

Jag vill prognostisera [storhet, t.ex. min månadsförsäljning, bokningar, samtalsvolym] för de [horisont, t.ex. kommande 6 månaderna]. Tillgänglig historik: [klistra in serien, helst 24 månader eller mer, eller beskriv vad jag har]. Min verksamhet har en känd säsongsvariation: [beskriv, t.ex. topp i december, svacka i augusti].

Bygg en enkel och reproducerbar prognos i [Excel eller Google Sheets]: beräkna grundtrenden (12-månaders glidande medelvärde eller regression, förklara ditt val), månatliga säsongskoefficienter från historiken, och sedan prognosen (trend multiplicerat med koefficient). Visa formlerna.

Kräv ärlighet i resultatet: ge ett lågt/högt intervall baserat på de fel som denna metod skulle ha gjort historiskt (backtest: applicera metoden på de senaste 6 kända månaderna och mät avvikelsen), inte ett dekorativt intervall. Lista vad metoden INTE kan se (exceptionella händelser, prisändringar, atypiskt basår) och den signal som bör få mig att göra om prognosen under tiden. Format: metod, formler, prognostabell med intervall, begränsningar.

Vi är i [nuvarande månad] och jag vill projicera mitt slutresultat för året för [storhet, t.ex. omsättning, kostnader, antal ärenden]. Utfall hittills: [ackumulerat värde]. Årsmål: [mål]. Månadshistorik för förra året och i år: [klistra in värden].

Bygg tre projektioner och jämför dem: den enkla linjära (ackumulerat dividerat med förflutna månader gånger tolv), den säsongsjusterade projektionen (den vanliga vikten för återstående månader enligt historiken), och den "informerade" projektionen som integrerar vad jag redan vet om kommande månader: [kända element, t.ex. signerade order, offerter på gång, sommarstängt, nyanställning].

För varje: siffran, det implicita antagandet den gör, och i vilket fall den slår mest fel. Rekommendera vilken som bör användas i mitt fall och den avvikelse från målet den innebär, i kronor och procent. Avsluta med de två eller tre åtgärder som fortfarande skulle kunna påverka slutresultatet och en grov uppskattning av varje. Format: jämförande tabell följt av rekommendation på fem rader.

Du är ansvarig för datakvalitet. Jag vill granska kvaliteten på [berörd bas, t.ex. mitt CRM-kundregister, produktkatalog, leverantörsfil] före [planerad användning, t.ex. en migrering, en kampanj, uppsättning av rapportering]. Struktur: [lista fält]. Representativt utdrag: [klistra in 30 till 50 rader].

Granska utifrån dessa axlar, med ett kvantifierat konstaterande för varje i mitt utdrag: fullständighet (ifyllnadsgrad per fält, med fokus på kritiska fält), giltighet (ogiltiga format: e-post, telefon, postnummer, omöjliga datum), unikhet (troliga dubbletter och deras detekteringskriterier), aktualitet (uppdateringsdatum, andel poster som troligen är föråldrade), intern konsistens (fält som motsäger varandra, t.ex. postnummer och stad).

Skapa sedan en åtgärdsplan prioriterad efter påverkan på MIN planerade användning: vad som blockerar, vad som försämrar, vad som kan vänta, med metod för rättning (automatiserad eller manuell) och uppskattad insats för varje del. Format: tabell över granskning per axel, sedan plan i tre steg.

Jag vill skapa en datakatalog för [dataset, t.ex. orderexport från mitt affärssystem, kundtabellen i vår databas, det delade Sheet-dokumentet för rapportering] så att teamet slutar tolka kolumnerna fel. Kolumner och utdrag: [lista kolumner med 5 exempelrader].

Vad jag vet om kontexten: [datans ursprung, uppdateringsfrekvens, vem som matar in den].

Skriv för varje kolumn: tekniskt namn och affärsnamn, definition i en mening utan jargong, typ och förväntat format, möjliga värden eller rimligt intervall, ifyllnadsregel (obligatorisk, beräknad, manuell), källsystem, och framför allt rubriken "fällor": vad en användare riskerar att tro felaktigt om denna kolumn (belopp inkl. eller exkl. moms, orderdatum eller betaldatum, historiserat eller överskrivet fält). När du inte kan härleda information från utdraget, skriv "bekräftas med [vem]" istället för att gissa.

Format: en tabell redo att klistras in i en flik för "datakatalog", plus en lista med frågor att bekräfta, sorterade efter trolig ägare.

Två av mina verktyg ger olika siffror för samma verklighet: [källa A, t.ex. GA4] visar [värde A] och [källa B, t.ex. Fortnox, Stripe, mitt CRM] visar [värde B] för [nyckeltal och period]. Avvikelse: [procent eller belopp]. Jag måste förstå skillnaden och bestämma vilken källa som är den officiella.

Guide undersökningen i ordning: först skillnader i DEFINITION (vad räknar varje verktyg exakt: återbetalningar, makuleringar, tester, tidszoner, orderdatum mot bokföringsdatum, bot-filter), sedan skillnader i OMFATTNING (kanaler eller försäljningsställen som saknas på ena sidan), sedan skillnader i INSAMLING (mätförluster, samtycke, driftstopp). För varje hypotes: det konkreta testet som kvantifierar den, börja med de som brukar förklara de största avvikelserna.

Mål: en avstämningstabell från värde A till värde B, post för post, där summan går ihop. Avsluta med din rekommendation: vilken källa som ska gälla för vilket ändamål, och den acceptabla restavvikelsen under vilken man bör sluta leta.

Jag ska sprida [leverabel, t.ex. min månadsrapport, en kundpresentation, ett e-postmeddelande med kvartalsresultat] till [mottagare]. Huvudsiffror i dokumentet: [lista de viktigaste siffrorna med deras benämning]. Källor: [varifrån varje siffra kommer].

Gå igenom checklistan för slutkontroll med mig, punkt för punkt, och be mig bekräfta varje: intern konsistens (delmängder blir totalsumman, procentsatser stämmer mot sin bas, siffror som nämns två gånger är identiska överallt), extern konsistens (jämförelse med föregående månad och förra året: har varje överraskande variation en verifierad förklaring, inte bara en trolig?), deklarerad omfattning (varje siffra anger sin period, sitt område och valuta; definitioner har inte ändrats sedan sist utan att det nämns), reproducerbarhet (jag kan återskapa varje siffra: sparad fråga eller källfil), och avrundningar (konsekventa, ingen falsk precision).

Ange för varje punkt som jag inte kan bekräfta den konkreta risken och om det är ett hinder för spridning eller inte. Format: numrerad checklista med kryssrutor.

Jag vill automatiskt upptäcka onormala värden i [serie som följs, t.ex. min dagliga försäljning, order per timme, dagliga registreringar] för att reagera snabbt vid problem. Historik: [klistra in serien eller beskriv: granularität, ålder, typiska värden]. Verktyg: [Google Sheets, Excel, SQL]. Kända normala variationer: [t.ex. stark lördag, svag söndag, säsongsvariation].

Föreslå ett enkelt och robust system: ett referensvärde som respekterar mina cykler (jämför en måndag med tidigare måndagar, inte med dagen innan), ett mått på avvikelse och ett motiverat larmtröskelvärde baserat på den faktiska spridningen i min historik (visa beräkningen, förklara varför just denna tröskel och inte en godtycklig procentsats), samt en regel mot falsklarm (t.ex. larma först efter två på varandra följande onormala punkter, separata trösklar för höga och låga avvikelser).

Ge det konkreta genomförandet i mitt verktyg, inklusive formler. Avsluta med: de tre ofarliga orsakerna som kommer att utlösa larmet i onödan (helgdag, kampanj, insamlingsfel) och hur de ska hanteras, plus proceduren i tre steg när ett larm går. 

En siffra i min rapportering verkar fel och jag måste avgöra: beräkningsfel, dataproblem eller en överraskande verklighet. Siffran: [värde och benämning, t.ex. omsättningen i mars visar 240 000 kr mot normalt 90 000 kr]. Var den visas: [rapport, fråga eller fil som producerar den]. Känd produktionskedja: [varifrån data kommer och vilka transformationer den genomgår].

Strukturera undersökningen i lager, från slutet till början, med ett test för varje lager som friar eller fäller: slutberäkningen (formel, område, rapportfilter), transformationen (aggregering, join som duplicerar, importdubblett, nyligen ändrad definition), insamlingen (driftstopp, massiv efterregistrering en viss dag, verktygsbyte), och slutligen affärsverkligheten (stororder, exceptionell kund: vilken specifik post skulle bevisa det?).

Krav: förbjudet att korrigera något innan orsaken är identifierad; en överraskande men sann siffra ska inte "rättas". Format: ordnad undersökningsplan, sedan de tre möjliga utfallen med tillhörande åtgärd för varje (korrigera, dokumentera, larma).

Jag har samlat in fritextsvar från kunder via [kanal, t.ex. den öppna frågan i min nöjdhetsundersökning, Google-recensioner, orsaker till uppsägning] och jag vill dra nytta av det i en användbar analys. Kommentarer: [klistra in kommentarer, eller ett urval om det är många, med totalt antal]. Fråga som ställdes till kunderna: [den exakta frågan].

Gör så här: bygg en temamall utifrån kommentarerna själva (ingen förutbestämd mall), med en definition på en rad per tema för att klassificeringen ska vara reproducerbar. Klassificera varje kommentar (flera teman tillåtna), kvantifiera sedan: antal omnämnanden per tema, dominerande tonalitet och korsning med [tillgänglig variabel, t.ex. givet betyg, kundens ålder] om det finns.

Krav på ärlighet: citera kommentarer ordagrant utan att skriva om dem, skilj på vanliga teman och sällsynta men allvarliga teman, ange antalet respondenter överallt (inga procentsatser på färre än 30 svar utan att påpeka det), och hitta inte på några citat. Format: sammanfattning på en sida (teman sorterade efter frekvens, 2 representativa citat per tema, svaga signaler att bevaka), följt av den fullständiga klassificeringstabellen.

Jag har genomfört en enkät via [verktyg, t.ex. Google Forms, Typeform] och behöver sammanställa den. Antal svar: [antal]. Frågor som ställdes: [lista frågorna med deras typ: ett val, flera val, skala, fri text]. Export: [klistra in ett utdrag av svaren]. Syfte med undersökningen: [vad jag vill besluta eller lära mig].

Genomför sammanställningen i ordning: rengöring (dubbletter, enkäter som besvarats på några sekunder, uppenbara interna inkonsekvenser: lista vad du tar bort och varför), frekvenstabeller för varje fråga (med lämpligt format för varje frågetyp), sedan de 3 till 5 mest användbara korsningarna för MITT syfte (motivera valet, korsa inte allt med allt).

Obligatoriska försiktighetsåtgärder: påminn om vilka som svarat och hur urvalet kan skilja sig från målgruppen (spridningssätt, frivillighet), flagga för varje korsning där en cell understiger 30 respondenter, och undvik kausala slutsatser på självrapporterad data. Format: sammanställningsplan, resultat av tabeller och korsningar på mitt utdrag, begränsningar i en avslutande ruta.

Jag har genomfört [förändring, t.ex. nya öppettider, en omdesignad sida, ett nytt pris, ett nytt säljargument] den [datum] och jag vill veta om det fungerade, utan kontrollgrupp. Mätvärde som följs: [mätvärde]. Värden före: [serie före ändringen, så lång som möjligt]. Värden efter: [serie efter ändringen]. Andra händelser under perioden: [vad som ändrats samtidigt: säsong, kampanj, nyheter, väder, konkurrens].

Innan du jämför medelvärden, tvinga mig att kontrollera: är fönstret före representativt (tillräckligt långt, utan anomalier), överstiger den observerade variationen mätvärdets vanliga fluktuationer (kvantifiera dem från historiken), förklarar säsongsvariationer skillnaden (jämför med samma period tidigare om tillgängligt), och vilken av de samtidiga händelserna skulle kunna ge samma effekt?

Dra slutsatser på tre nivåer: vad data tillåter oss att påstå, vad den bara antyder, och vad den inte kan avgöra. Avsluta med den metod som skulle göra nästa utvärdering mer solid (stegvis utrullning, växling, kontrollgrupp). Förbjudet: att dra slutsatser enbart baserat på ett tidsmässigt sammanträffande.

Skriv en one-pager baserat på mitt analysarbete, riktad till [läsare, t.ex. min VD, investeringskommittén, en kund] som kommer att läsa den på [tillgänglig tid, t.ex. tre minuter] och måste besluta om: [förväntat beslut]. Råmaterial: [klistra in resultat, siffror, konstateranden från analysen, även i punktform]. Min rekommendation om jag har en: [rekommendation].

Obligatorisk struktur: en rubrik som anger slutsatsen (inte ämnet), ett första stycke som ger svaret och nyckelsiffran, sedan max 3 konstateranden med varsin stödjande siffra, möjliga alternativ med deras kostnad och risk på en rad vardera, den tydliga rekommendationen, och en rad med "vad vi ännu inte vet" som anger begränsningarna utan att dränka budskapet.

Formkrav: max en sida, korta meningar, ingen analytiker-jargong (varken "korrelation" eller "dataset" utan förklaring), siffror avrundade till den precision som krävs för beslut, inga siffror i texten som inte finns i råmaterialet. Om materialet inte räcker för en del av strukturen, skriv [saknad uppgift] istället för att hitta på. 

Hjälp mig att omvandla mina analysresultat till en presentation som gör avtryck, för [målgrupp och tillfälle, t.ex. kvartalsgenomgång inför ledningen, ett kundmöte]. Längd: [tid]. Resultat som ska presenteras: [klistra in konstateranden och nyckelsiffror]. Vad jag vill uppnå hos målgruppen efteråt: [beslut, budget, ändrad prioritet].

Bygg upp den narrativa tråden som en båge: situationen som målgruppen känner till och accepterar, spänningen (siffran eller konstaterandet som stör eller överraskar), utforskningen (varför det är så, max 2 eller 3 bevis), lösningen (vad jag föreslår) och uppmaning till beslut. Dela sedan upp i slides: en idé per slide, där titeln på varje slide är en påstående mening som bär idén (följden av enbart titlar ska berätta hela historien: kontrollera detta).

Föreslå för varje nyckelsiffra en konkretisering som gör den begriplig (jämförelse med en storhet målgruppen känner till, översättning till kronor eller kunder per vecka). Krav: inga påhittade siffror för berättelsens skull, analysens reservationer får en egen slide, inte en fotnot. Format: plan slide för slide med titel och innehåll.

Översätt mitt analysresultat till en tydlig förklaring för [målgrupp, t.ex. säljteamet på ett möte, franchisetagare, en slutkund] som inte har någon statistisk bakgrund. Det tekniska resultatet: [ange resultatet med tekniska termer, t.ex. korrelation på 0,7 mellan X och Y, konfidensintervall, resultat av ett A/B-test, scoringmodell]. Vad målgruppen behöver förstå för att agera: [förväntad åtgärd eller förändring].

Skapa tre nivåer av förklaring: 30-sekundersversionen muntligt (vardagsspråk, en liknelse från vardagslivet om det hjälper, inga tekniska termer), 5-minutersversionen med ett konkret sifferexempel från min data, och svaret på de 3 frågor som denna målgrupp troligen kommer att ställa.

Krav på trohet, ej förhandlingsbara: förenklingen får inte säga MER än det tekniska resultatet (en korrelation blir inte en orsak, en trend blir inte en visshet, ett resultat på ett segment blir inte generellt); flagga explicit för varje ställe där du har förenklat och vad förenklingen lämnar utanför. Format: de tre nivåerna, följt av listan över medvetna förenklingar.

Jag vill dokumentera [berörd rapport, t.ex. min månatliga säljdashboard, aktivitetsrapporten som skickas varje måndag] så att en annan person kan producera, förstå och rätta den utan mig. Hur den produceras idag: [beskriv mekaniken: källor, extraktioner, filer, formler, manuell bearbetning, spridning]. Frekvens: [frekvens]. Mottagare: [vilka som får den och vad de gör med den].

Skriv dokumentationen i fyra delar: instruktion för produktion (varje steg i ordning, med exakt var man ska klicka eller vilken fråga som ska köras, inklusive de "fula" manuella stegen: det är de som annars glöms bort), katalog över visade indikatorer (definition, formel, källa för varje), beroendekarta (vad som förstör rapporten: en export som ändrar format, en åtkomst som löper ut, en flik som byter namn), och incidentprotokoll (hur man verifierar en ifrågasatt siffra, vem som ska meddelas, hur man flaggar för en felaktig rapport som redan spridits).

Ställ de frågor du behöver om min beskrivning har luckor, istället för att fylla i med antaganden. Format: strukturerat dokument redo att sparas i [plats, t.ex. teamets Drive].

Jag behöver koppla ihop två filer som handlar om samma entiteter men utan en pålitlig gemensam identifierare: [fil 1, t.ex. CRM-export med företagsnamn och e-post] och [fil 2, t.ex. bokföringsexport med företagsnamn och fakturanummer]. Kolumner i fil 1: [lista]. Kolumner i fil 2: [lista]. Utdrag: [klistra in 10 rader från varje]. Syftet med sammankopplingen: [vad jag vill uppnå i slutändan].

Bygg en kaskadstrategi för matchning, från säkrast till minst säker: först exakta nycklar tillgängliga efter normalisering (e-post i gemener, organisationsnummer, rensade nummer), sedan sammansatta nycklar (normaliserat namn plus postnummer), sedan ungefärlig matchning på namn (förklara metoden som är genomförbar i [Excel, Google Sheets] och dess begränsningar). Ange för varje steg: hur många rader som matchats i mina utdrag, och risken för falska positiva.

Krav: varje matchning behåller en kolumn för "metod" som anger vilket steg i kaskaden den gick igenom; de som inte matchats hamnar i en lista för manuellt arbete, de får aldrig tas bort tyst. Format: kaskadplan, formler, tabell för uppföljning av matchningsgrad.

Jag kan inte granska hela populationen och måste arbeta med ett urval. Population: [beskrivning och storlek, t.ex. 12 000 kundärenden, 3 000 fakturor under året, 800 inspelade samtal]. Vad jag vill uppskatta eller verifiera: [mål, t.ex. felmarginal vid inmatning, andel korrekta ärenden]. Precision jag behöver för att kunna besluta: [t.ex. veta om andelen överstiger 5 %, en uppskattning på plus/minus 3 procentenheter].

Bygg planen: nödvändig urvalsstorlek för min målprecision (visa resonemanget enkelt, utan komplicerade formler), dragningsmetod som undviker uppenbara bias (slumpmässigt eller stratifierat urval: om min population har mycket olika undergrupper [beskriv möjliga strata], rekommendera och dimensionera stratifieringen), och den konkreta proceduren för dragning i [Excel eller Google Sheets] (reproducerbar formel för slumpmässigt urval).

Lista de bias som hotar MITT fall trots dragningen (ärenden som inte går att hitta ersätts med enkla, icke-representativ period) och motåtgärd för varje. Avsluta med en ärlig standardformulering för att presentera slutresultatet med dess osäkerhetsmarginal.

Min konverteringsgrad varierar beroende på hur den beräknas och jag vill säkra den en gång för alla. Kontext: [berörd process, t.ex. webbplatsbesök till köp, offert till signering, samtal till möte]. Mätkällor: [verktyg, t.ex. GA4, CRM, kassasystem]. Nuvarande beräkningar och deras resultat: [de olika versioner som cirkulerar].

Hjälp mig att fastställa en rigorös definition: täljaren (vilken händelse räknas som konvertering, hur hanteras makuleringar, dubbletter, flera konverteringar från samma person), nämnaren (vilka ingår i basen: unika besökare eller besök, kvalificerade leads eller alla kontakter, utifrån vilket kriterium), och attributionsfönstret (hur lång tid mellan start och konvertering, och till vilken period ska en konvertering som sker över ett månadsskifte räknas).

Visa för varje val effekten på siffran med min data och ange den vanligaste konventionen. Förklara varför mina nuvarande beräkningar skiljer sig åt. Avsluta med den valda definitionen i en publicerbar mening, samt två läsfel att varna för hos de som ser denna siffra (jämföra grader med olika omfattning, snitta grader utan viktning).

Jag vill beräkna och följa churn (kundbortfall) för [verksamhet, t.ex. mina mjukvaruprenumerationer, serviceavtal, gymmedlemskap]. Tillgänglig data: [beskriv, t.ex. export av prenumerationer med startdatum, slutdatum, status, månadsbelopp]. Faktureringscykel: [månadsvis, årsvis, blandat].

Fastställ först definitionsbesluten, med det alternativ du rekommenderar för mitt fall och dess effekt på siffran: churn i antal kunder eller i intäkter (de två berättar olika historier: visa ett sifferexempel), startbasen (kunder vid periodens början, inkludera eller exkludera månadens nya), hantering av gränsfall (paus, obetald faktura, nedgradering, uppsägning som är registrerad men träder i kraft senare, kund som lämnat och kommit tillbaka).

Ge sedan den exakta formeln och dess implementering i [Excel, Google Sheets eller SQL] på min data. Varna mig för läsfällor: blandning av månads- och årscykler i samma siffra, churn som förbättras mekaniskt när försäljningen ökar, och varför en läsning per kohort kompletterar den globala siffran på ett bra sätt. Format: beslut, formel, implementering, fällor.

Jag vill förstå vad varje [produkt, tjänst eller familj] faktiskt ger mig i vinst. Data: [tillgänglig export, t.ex. försäljning per produkt med antal och pris från kassasystem, inköp och kostnader från bokföring]. Identifierade kostnader: [lista: inköp, material, arbete, fasta kostnader, frakt, provisioner].

Bygg upp analysen stegvis: bruttomarginal per produkt (försäljningspris minus direkta kostnader, ange exkl. moms överallt), sedan den svåra frågan om indirekta kostnader: föreslå 2 rimliga fördelningsnycklar för min verksamhet (baserat på omsättning, tid, volym), visa hur produktens rankning ändras beroende på nyckel, och förklara varför ingen av dem är "den sanna".

Presentera genom att korsa marginal i procent OCH i kronor med volym: produkten med hög marginal som inte säljer, produkten med låg marginal som skapar volymen, och vad man missar genom att bara titta på en av kolumnerna. Avsluta med de 3 typiska beslut som denna analys kan stödja (prissättning, avveckling, exponering) och för varje beslut den kompletterande siffra som bör kontrolleras. Format: metod, tabellmall, kommenterad läsning.

Jag vill mäta hur mycket min verksamhet beror på ett fåtal [kunder, produkter, kanaler, artiklar]. Data: [export, t.ex. omsättning per kund över 12 månader från fakturering, försäljning per artikel från kassan]. Verktyg: [Excel eller Google Sheets].

Guide för uppbyggnad av koncentrationsanalysen: fallande sortering, ackumulering och ackumulerad procentsats (exakta formler i mitt verktyg), läsning av tydliga tröskelvärden (hur många element för 50 % och 80 % av totalen, andel för den största och de fem största), samt en Pareto-kurva om det är användbart (hur man ritar och läser den).

Gå bortom konstaterandet: hjälp mig att kvalificera RISKEN med denna koncentration för mitt fall: vad händer om den största [kunden eller produkten] försvinner (påverkan i kronor och procent), ökar eller minskar koncentrationen jämfört med [tillgänglig jämförelseperiod], och kostar den långa svansen (de många små) mer än den ger att serva?

Krav: hantera fall med kopplade element som i verkligheten är ett (samma koncern, samma köpare), och dra inte slutsatsen "kapa svansen" utan att titta på de faktiska kostnaderna. Format: metod, formler, riskbedömning på 5 rader.

Jag vill jämföra prestationer för mina [försäljningsställen, kontor, team, sajter] utan att vara orättvis: de har olika förutsättningar. Enheter som ska jämföras: [lista, med deras kända skillnader: storlek, område, ålder, antal anställda, kundflöde]. Data: [tillgängliga nyckeltal per enhet och period].

Bygg jämförelsen i tre steg. Först nyckeltal RELATERADE till en rättvis bas (per säljare, per kvadratmeter, per öppethållen timme, per invånare i området: välj relevanta nyckeltal för min verksamhet och motivera). Därefter jämförelse av varje enhet med sig själv (utveckling över ett år): berättar rankningen efter utveckling något annat än den råa rankningen? Slutligen kvarvarande oförklarliga skillnader: de som kvarstår efter normalisering och som förtjänar ett besök eller ett samtal, inte en bestraffning.

Krav: flagga för enheter som är för nya eller för små för att rankas, sammanfatta aldrig i en enda rankning utan att visa de nyckeltal som ingår, och lista faktorer som data inte fångar (ombyggnad, lokal konkurrens, långtidsfrånvaro). Format: jämförande tabellmall, sedan guide för genomgång med ansvariga.

Jag vill analysera min konverteringstratt för att hitta var vi ska lägga kraften. Process: [beskriv stegen i ordning, t.ex. besök, produktsida, varukorg, leverans, betalning, bekräftelse; eller för B2B: lead, etablerad kontakt, möte, offert, signering]. Volymer per steg under [period]: [klistra in siffror]. Mätkälla: [GA4, CRM, annat].

Beräkna genomströmningsgraden mellan varje efterföljande steg (inte bara den totala graden från början till slut) och identifiera det steg som tappar mest, i absolut antal förlorade personer OCH i procent: de två läsningarna pekar inte alltid på samma steg, förklara vilket som ska prioriteras för mitt mål [mål, t.ex. fler signeringar vid konstant trafik].

Innan slutsats dras, kontrollera mätfällor med mig: tekniska steg som inte alltid utlöses, personer som hoppar över ett steg eller går bakåt, mätfönster som är för kort för långsamma processer. Föreslå sedan den mest lärorika korsningen med [tillgängligt segment, t.ex. mobil mot dator, trafikkälla, kundstorlek] och vad en skillnad mellan segment skulle innebära. Format: tabell med grader, diagnos, 2 testbara förbättringshypoteser för det prioriterade steget.

Jag misstänker ett samband mellan [variabel 1, t.ex. vädret, antal online-recensioner, svarstid på offerter] och [variabel 2, t.ex. min försäljning, min signeringsgrad] och jag vill kontrollera det ordentligt. Data: [klistra in de två matchade serierna, med granularitet: per dag, per vecka, per ärende]. Ursprunglig intuition: [vad jag tror och vad jag skulle göra om det bekräftades].

Guide för analysen i [Excel eller Google Sheets]: först punktdiagrammet och dess tolkning (form, riktning, extremvärden som drar i sambandet), sedan korrelationskoefficienten med dess tolkning på enkelt språk och de tröskelvärden där den blir intressant givet mitt antal observationer [antal punkter].

Sedan den viktigaste delen: gå igenom alternativa förklaringar före någon kausal slutsats: gemensam faktor som påverkar båda variablerna (säsongsvariation är vanligast i tidsserier), omvänd kausalitet, ren slump vid få punkter. Ge för varje ett enkelt test som stärker eller försvagar hypotesen med min data. Slutsats krävs på tre rader: vad som är fastställt, vad som förblir en hypotes, och det konkreta experimentet som skulle avgöra saken.