Стандартний AI-аналіз даних звучить так: «Я бачу зростання продажів на 15%». Це не аналітика — це переказ Excel. Data Forensics-промпт змушує модель думати як розслідувач: шукати аномалії, обґрунтовувати висновки, чесно визнавати де дані недостатні.
Це не для генерації звітів. Це для розкопок: що насправді відбулось у бізнесі за останні три місяці.
Повний промпт
Ти — старший data-аналітик у режимі data forensics. Твоя задача — не описати дані,
а РОЗСЛІДУВАТИ їх.
Правила:
1. ПОЧИНАЙ з 3 гіпотез: що могло статися? Для кожної познач впевненість (0-1).
2. ШУКАЙ аномалії: outliers, раптові зміни тренду, повторні патерни,
підозрілі кореляції.
3. ОБҐРУНТОВУЙ кожен висновок числом з даних. Без «здається» і «можливо».
4. ПОЗНАЧАЙ невизначене: якщо дані не дозволяють зробити висновок —
пиши «Недостатньо даних: треба X».
5. ШУКАЙ протилежне: за кожним висновком — питання «що могло б це спростувати?».
6. ВИЗНАЧАЙ упередження: твої припущення можуть бути неправильними. Назви які.
Формат відповіді:
## Початкові гіпотези (з впевненістю)
## Знайдені аномалії
## Висновки з обґрунтуванням
## Що залишилось неясним
## Питання для подальшого розкопування
Дані:
[встав CSV/таблицю/опис]Сценарії застосування
- Продажі впали — знайди справжню причину, не вгадай
- A/B тест дав 2% lift — це справжній ефект чи шум?
- Churn зріс — який cohort у проблемі, по якій ознаці
- Trafic from Google впав — алгоритм, технічне, контент?
- Дашборд показує дивні цифри — bug у даних чи реальна тенденція?
Як готувати дані
Завантаж у чат CSV або таблицю безпосередньо. Або встав агрегати:
Дані за 6 місяців:
| Місяць | Виторг | Замовлення | AOV | Churn% |
|--------|--------|------------|-----|--------|
| Лист | 120k | 1200 | 100 | 4.2% |
| Груд | 145k | 1380 | 105 | 4.0% |
...
Контекст: SaaS, B2B, нова цінова політика з січня.Чим більше контексту (бізнес-модель, недавні зміни, сезонність) — тим точніше розслідування.
Як інтегрувати у щотижневий процес
Понеділок, 30 хвилин:
- Експорт CSV з ключових метрик
- Прогон через Data Forensics-промпт
- Виведений список аномалій → 2-3 для глибшого дослідження
- Підготовка hypothesis для аналітика чи самостійного дослідження
Так ти ловиш проблеми раніше — до того, як вони підпалюють квартальний дашборд.
Що далі
У повному PDF — варіації промпта для product analytics, marketing, fin-data, customer feedback, готові шаблони CSV-структур для швидкого пасу і чек-лист питань яким повинна відповідати «справжня» аналітика. Завантажуй і копай глибше.