Template per Piano di Analisi Dataset
Per data analyst, product manager e consulenti che hanno un dataset e devono produrre un piano di analisi rigoroso invece di tuffarsi nei numeri a caso: questo prompt impone una sequenza domanda-metrica-segmentazione-visualizzazione-insight-azione.
Esempio di output
## 1. Obiettivo e domande di business - Obiettivo: ridurre il tasso di abbandono mensile. - D1 (alta priorità): in quali segmenti l'abbandono è più alto? - D2: l'abbandono correla con la frequenza d'uso nei primi 14 giorni? - D3: quali eventi precedono l'abbandono? ## 2. Mappatura colonne | Colonna | Tipo | Ruolo | Note di qualità | |---|---|---|---| | user_id | string | Identificatore | Chiave, attesi univoci | | signup_date | date | Dimensione temporale | Verificare formato | | plan | categorica | Dimensione | 3 valori attesi | | sessions_14d | numerica | Metrica | Possibili NULL = 0? | | churned | booleana | Target | Definire finestra | ## 3. Metriche | Metrica | Definizione | Formula | Granularità | |---|---|---|---| | Churn rate | % utenti persi nel mese | churned / attivi inizio mese | Mensile, per segmento | | Attivazione 14g | utenti con >=3 sessioni in 14g | sessions_14d >= 3 | Per coorte signup | ## 4. Segmentazioni prioritarie 1. Per piano (plan) — ipotesi: free abbandona di più. 2. Per coorte di signup — controllare stagionalità. ## 5. Visualizzazioni | Domanda | Grafico | Assi/encoding | |---|---|---| | D1 | Barre orizzontali | churn rate per segmento | | D2 | Curve di retention per coorte | giorni vs % attivi | ## 6. Insight attesi (ipotesi da verificare) - H1: il churn del piano free è >2x il paid (verificare su §3). ## 7. Azioni raccomandate | Insight | Azione | Owner | Misura di successo | |---|---|---|---| | H1 confermata | onboarding dedicato free | Growth | -X pt churn free |
Domande frequenti
No. Il prompt vieta esplicitamente di inventare valori: il modello lavora sullo schema delle colonne e sugli obiettivi che fornisci, e produce un piano di COSA analizzare e COME, non risultati numerici fittizi. Gli insight sono formulati come ipotesi da verificare sui dati reali.
No. Una delle sezioni del deliverable è proprio la derivazione delle domande di business a partire dall'obiettivo e dallo schema del dataset. Il prompt parte dall'obiettivo che indichi e propone le domande prioritarie, poi le collega a metriche e segmentazioni.
Sì. Indichi lo schema (nome colonna, tipo, descrizione) e l'obiettivo: il modello classifica le colonne in dimensioni, metriche e identificatori, e costruisce il piano di conseguenza, segnalando le colonne che richiederebbero pulizia o trasformazione prima dell'analisi.
Vuoi un template su misura?
Costruiscine uno in poche domande — con la struttura corretta per il tuo standard.