<p>حوّل أي كمية هائلة من البيانات إلى تقرير تحليلي جاهز لعرضه على مجلس الإدارة في دقائق</p>
لماذا تهم هذه المطالبة
Most teams have more data than they have time to analyze. The average analyst spends 40-60% of their time cleaning and summarizing data, and only 10-20% on actual interpretation. Without this prompt, that export sits in a folder until someone has bandwidth — which usually means the insight arrives after the decision was already made. This prompt collapses the gap between raw data and actionable understanding from hours to minutes.
فيم نستخدمها
You're a product manager going into a quarterly business review with leadership. You export six months of user engagement data from your analytics tool — 400 rows of event counts, retention rates, and feature usage by cohort. You paste it into this prompt and get back a structured briefing you can walk into the meeting with, instead of spending three hours in Excel.
المطالبة
Act as a senior data analyst with 10+ years of experience in [YOUR INDUSTRY, e.g. e-commerce / SaaS / retail / finance]. Context: I have the following raw data from [DATA SOURCE, e.g. our monthly sales report / customer database export / marketing campaign results]: [PASTE YOUR DATA HERE — CSV rows, a table, or plain numbers are all fine] Analysis period: [DATE RANGE, e.g. January–May 2026] Business context: [1-2 sentences on what this data tracks and what decisions depend on it] Task: Analyze this data and produce a structured insight report. Go beyond surface-level observations — identify patterns, anomalies, correlations, and inflection points that a busy executive would not notice by scanning rows. Constraints: - Do not restate the raw data back to me - Every insight must include the specific number or percentage that supports it - Flag any data quality issues (gaps, outliers, inconsistencies) before drawing conclusions - Prioritize insights by business impact, not statistical novelty - Avoid jargon; write for a non-technical decision-maker Output Format: ## Executive Summary (3 bullet points max — the three things that matter most) ## Key Trends (numbered list — each trend in one sentence + supporting figure) ## Anomalies & Risks (anything that breaks the expected pattern and why it warrants attention) ## Opportunities (patterns that suggest an untapped action — be specific) ## Recommended Next Steps (3 concrete actions, each with a suggested owner and timeframe) ## Data Quality Notes (flag any gaps, inconsistencies, or caveats before conclusions are acted on)
النتيجة
Executive Summary
• Feature adoption dropped 23% in March despite user count holding steady — activation, not acquisition, is the bottleneck.
• Power users (top 10% by session length) account for 61% of all feature interactions; casual users have barely touched core functionality after onboarding.
• Retention curve shows a sharp cliff at Day 14: 58% of users who reach Day 7 drop before Day 14, suggesting a specific friction point in the second week.
Key Trends
1. Daily active users grew 8.4% month-over-month from January to February, then plateaued — February's growth appears to be a one-time spike from the Product Hunt launch, not sustained organic growth.
2. Session duration increased 12% overall, but this is entirely explained by the power user segment; median session length for all other users is down 7% since the UI refresh in March.
3. Mobile users complete the onboarding flow at a 31% lower rate than desktop users (42% vs. 73%) — a consistent gap across all three months in the dataset.
Anomalies & Risks
• Week of April 14: a 34% single-week spike in support tickets correlates with the v2.3 release date. Not reflected in churn yet, but historically our churn lags support volume by 3-4 weeks — watch the May 5-12 cohort closely.
• Four enterprise accounts each show zero activity for 18+ days while their contracts are active. Possible churn signal; none flagged in CRM.
Opportunities
• Users who trigger the "Saved Report" feature within their first 10 days retain at 2.3x the rate of those who don't. It's used by only 19% of new users. A targeted onboarding nudge toward this feature could materially move 30-day retention.
• Mobile onboarding gap (42% vs 73%) represents a recoverable opportunity — if mobile completion reached desktop parity, projected 30-day MAU would increase by ~1,200 users at current acquisition rates.
Recommended Next Steps
1. Product: A/B test an onboarding prompt surfacing the Saved Report feature on Day 3. Owner: [PRODUCT LEAD]. Timeline: Sprint starting June 30.
2. Customer Success: Flag the four dormant enterprise accounts for outreach this week before renewal windows open. Owner: [CS MANAGER]. Timeline: By EOW.
3. Engineering: Audit the mobile onboarding flow for the specific drop-off step — Mixpanel funnel view will isolate it. Owner: [MOBILE LEAD]. Timeline: 1 week.
Data Quality Notes
• Rows 87-94 appear to be duplicate session events (same user ID, same timestamp ±2 seconds). Excluded from retention calculations.
• "Feature B" usage data is missing for March 1-7 — likely a tracking gap from the v2.2 deploy. Trends involving Feature B should be interpreted with caution for Q1 totals.
تعاني معظم الفرق من غرقها في صادرات البيانات التي لا تحللها بالكامل. يعمل هذا الـ prompt كمحلل أول حسب الطلب: تغذيه بالأرقام الخام، فيعيد تقريرًا منظمًا بالطريقة التي يقرأها المدراء التنفيذيون — ملخص تنفيذي أولاً، مع الإشارة إلى الحالات الشاذة، وتسمية الفرص، وتعيين الخطوات التالية.
تم بناء الـ prompt حول هيكل إخراج من خمسة أجزاء يجبر الذكاء الاصطناعي على ترتيب الرؤى حسب التأثير التجاري بدلاً من الأهمية الإحصائية. كما يتضمن قسمًا إلزاميًا لجودة البيانات، لتتمكن من اكتشاف الثغرات والتناقضات قبل أن تؤدي إلى قرارات سيئة.
ما الذي يجعل هذا الـ prompt مختلفًا
معظم prompts "حلل بياناتي" تنتج جدارًا من الإحصائيات. هذا الـ prompt يوجه النموذج إلى تخطي إعادة عرض البيانات، والمطالبة بأرقام داعمة لكل ادعاء، والكتابة لصانع قرار غير تقني — مما يعني أن المخرجات يمكن إرسالها إلى القيادة دون تحرير.
تتيح لك الحقول [بين قوسين] تخصيصه لأي قطاع أو مصدر بيانات. يمكنك إدراج ملف CSV للمبيعات، أو تصدير إسناد تسويقي، أو جدول تفاعل المستخدمين، أو حتى ملخص مكتوب يدويًا للمقاييس الأسبوعية — يتكيف الهيكل معها.
متى تستخدمه
يستحق هذا الـ prompt مكانه في أي سير عمل تقارير متكرر: المراجعات التجارية ربع السنوية، تحضير اجتماعات مجلس الإدارة، الوقفات الأسبوعية للفريق، أو أي وقت تحصل فيه على جدول بيانات ويُسأل "ماذا يقول هذا؟" يعمل عبر نماذج متعددة — GPT-5، Claude Opus 4.8، و Gemini 2.5 Pro جميعها تعالج مدخلات جدولية كبيرة بشكل جيد، على الرغم من أن Claude و Gemini لديهما حدود سياق أعلى لمجموعات البيانات الكبيرة جدًا.
نصيحة احترافية
أضف سطرًا واحدًا إلى السياق الخاص بك: "أهم قرار يعتمد على هذه البيانات هو [DECISION]." يوجه هذا النموذج بعيدًا عن الملاحظات العامة نحو الرؤية المحددة التي يحتاجها فريقك بالفعل.