Kiedy użyć tego promptu
Zanim zaczniesz analizę, raport albo model – gdy dostajesz eksport z systemu, arkusz od klienta albo dane z formularzy. Błędy w danych (duplikaty, braki, różne formaty) prowadzą do błędnych wniosków. Prompt sprawdza dane i oddziela bezpieczne poprawki od decyzji, które musi podjąć biznes.
Przykład
Przykładowe dane do uzupełnienia:
- CEL: analiza sprzedaży według regionów i kanałów za 2026 rok
- OPIS KOLUMN: data zamówienia, id klienta, województwo, kanał, wartość netto, status
- ŹRÓDŁO: eksport z systemu sklepu połączony ręcznie z zamówieniami telefonicznymi z arkusza
- REGUŁY: wartość netto większa od zera, status tylko: opłacone, anulowane, zwrot
Czego się spodziewać: Dostaniesz listę problemów z liczbą i odsetkiem rekordów, np. województwa zapisane różnie („mazowieckie”, „Mazowieckie”, „MAZ”), duplikaty zamówień z obu źródeł, wartości ujemne przy zwrotach – z wpływem na analizę i propozycją reguł, z podziałem na bezpieczne poprawki i decyzje do potwierdzenia.
Jak dopasować prompt do siebie
- Dane z ankiety: dodaj sprawdzenie odpowiedzi niepełnych i podejrzanie szybkich.
- Duży plik: poproś o skrypt w Pythonie albo kroki w Power Query do sprawdzenia danych.
- Dane cykliczne: poproś o listę kontrolną do sprawdzania każdego nowego eksportu.
Wskazówki
- Pracuj na kopii danych – nie zmieniaj oryginału.
- Zapisz wszystkie zmiany w danych – przy pytaniach o wyniki będziesz wiedzieć, co zrobiłeś.
- Dane osobowe zanonimizuj przed wklejeniem do narzędzia AI.
Najczęstsze błędy
- Usuwanie „dziwnych” rekordów bez sprawdzenia, czy to błąd, czy ważny wyjątek.
- Rozpoczęcie analizy bez sprawdzenia duplikatów po łączeniu źródeł.
Co dalej – dopytaj model
Gdy dostaniesz odpowiedź, możesz pójść krok dalej tym poleceniem:
Wygeneruj skrypt w Pythonie, który raportuje wykryte problemy i zapisuje oczyszczoną kopię bez nadpisywania oryginału.