حوّل البيانات الخام إلى إحاطة تنفيذية باستخدام هذا الـ Prompt القابل لإعادة الاستخدام
Why this prompt matters
Raw tables rarely persuade anyone on their own. A structured briefing helps teams spot the real signal faster, avoid talking past each other, and make decisions before a meeting turns into manual spreadsheet narration.
What we use it for
You have a weekly leadership review in 30 minutes and only a rough CSV export from your product, marketing, or operations dashboard.
Prompt
Role: Act as a senior analytics strategist and chief of staff who turns messy operational data into clear executive briefings. Context: I will give you [RAW DATA OR CSV], [METRIC DEFINITIONS], [BUSINESS CONTEXT], [TIME WINDOW], and [TARGET AUDIENCE]. The data may be incomplete, inconsistently formatted, or missing useful labels. Your job is to identify the signal, not just restate the table. Task: Analyze the input and produce a decision-ready executive briefing that explains what changed, what matters, what is uncertain, and what action should be considered next. Constraints: - Use only the information provided. If something important is missing, say so explicitly. - Distinguish observed facts from hypotheses or interpretations. - Quantify changes wherever possible (absolute and percentage change when relevant). - Highlight only the most material trends, anomalies, risks, and opportunities. - Do not flood the reader with every metric. - If the data quality is weak, include a short "data confidence" note. - If useful, ask up to [NUMBER OF FOLLOW-UP QUESTIONS] clarifying questions first, but still provide a provisional briefing. - Keep the tone concise, executive, and specific. Output Format: 1. Executive Summary (5-7 bullet points) 2. Key Trends Table - Metric - What changed - Why it likely matters 3. Anomalies and Red Flags 4. Likely Drivers and Caveats 5. Recommended Actions for [TARGET AUDIENCE] 6. Data Confidence Note Input: - Raw data / CSV: [PASTE DATA HERE] - Metric definitions: [DEFINE THE METRICS] - Business context: [DESCRIBE THE PRODUCT / TEAM / BUSINESS] - Time window: [E.G. LAST 7 DAYS VS PRIOR 7 DAYS] - Target audience: [E.G. CEO, COO, VP GROWTH] - Decision needed: [WHAT DECISION THIS SHOULD SUPPORT] - Follow-up question limit: [E.G. 3]
Result
Executive Summary
- New trial signups fell 14 percent week over week, but the larger issue is lower activation after signup, not just top-of-funnel volume.
- Activation dropped from 42 percent to 34 percent, which means the business lost conversion efficiency at the point where value should become visible to a new user.
- Paid acquisition spend increased 11 percent while cost per activated user rose 32 percent, suggesting recent campaign mix is sending weaker traffic or landing-page intent is mismatched.
- Expansion revenue grew 9 percent and churn stayed mostly flat, so this does not look like a broad product failure. The pressure is concentrated in new-user onboarding.
- Support tickets mentioning import errors increased 38 percent in the same period. That is the strongest operational clue in the dataset.
- Immediate focus should shift from buying more traffic to verifying whether onboarding friction is suppressing activation.
Key Trends Table
Trial signups: 8,420 → 7,241 (-14.0%). This matters because top-of-funnel volume is softening, but the decline is not severe enough by itself to explain the full revenue risk.
Activation rate: 42% → 34% (-8 points / -19.0%). This is the most material movement in the dataset because it directly affects pipeline quality for paid conversion.
Paid media spend: $118,000 → $131,000 (+11.0%). Spend rose while activation quality fell, reducing efficiency.
Cost per activated user: $33.40 → $44.10 (+32.0%). This indicates deteriorating unit economics in acquisition.
Support tickets tagged “import error”: 211 → 291 (+37.9%). This likely points to onboarding friction that deserves immediate product and support review.
Anomalies and Red Flags
The support-ticket jump is too closely timed with the activation decline to ignore. The most plausible explanation is that a product, integration, or UX issue is interrupting account setup. A secondary possibility is traffic quality degradation from a new paid campaign, but current data supports the onboarding-friction hypothesis more strongly.
Likely Drivers and Caveats
The dataset does not include landing-page breakdowns, device segmentation, or release notes, so the root cause is not confirmed. However, the numbers are directionally consistent with a setup bottleneck rather than pure demand weakness.
Recommended Actions
1. Audit onboarding flows and import logs from the last 7 days.
2. Pull campaign-level activation quality before increasing paid budget.
3. Ask support to classify the import-error spike by integration, browser, and account type.
4. Prepare a follow-up readout within 24 hours with segmented activation data.
Data Confidence Note
Confidence is moderate. The trend is clear, but root-cause certainty is limited because the export lacks segmentation and product release context.
معظم الفرق لا تواجه صعوبة في جمع البيانات. بل تواجه صعوبة في تحويل التصدير الخام إلى شيء يستطيع فريق القيادة التصرف بناءً عليه بسرعة. هذه هي الفجوة التي صُمم هذا الـ Prompt لسدها. بدلاً من أن تطلب من نموذج الذكاء الاصطناعي ببساطة "تحليل ملف CSV هذا"، يمنحه الـ Prompt دوراً واضحاً، وسياقاً تجارياً، وهدفاً قرارياً، وهيكل مخرجات بحيث تبدو النتيجة وكأنها إحاطة تنفيذية بدلاً من سلسلة من الملاحظات.
الأطروحة الأساسية بسيطة: تحليلات الـ Prompt تتحسن عندما تتوقف عن معاملة النموذج كآلة حاسبة وتبدأ في معاملته كمحلل يكتب لجمهور محدد. المدراء التنفيذيون لا يحتاجون إلى إعادة كل رقم إليهم. إنهم يحتاجون إلى الإشارة: ما الذي تغير، وما المهم، وما هو غير مؤكد، وما القرار الذي أصبح على الطاولة الآن.
ما صمم هذا الـ Prompt للقيام به
يعمل هذا الـ Prompt بشكل أفضل عندما يكون لديك جدول تقريبي، أو تصدير جدول بيانات، أو نسخة من لوحة القيادة، أو لقطة مؤشرات أداء رئيسية وتحتاج إلى إطلاع مدير أو مؤسس أو عميل أو قائد عمليات. يدفع الـ Prompt النموذج إلى تنظيم المعلومات في خمس طبقات مفيدة: ملخص تنفيذي قصير، وأهم الاتجاهات، والشذوذ الذي يستحق التحقيق، والآثار التجارية المحتملة، وقائمة إجراءات عملية.
هذا الهيكل مهم لأن معظم الـ Prompts للبيانات الخام تفشل بإحدى طريقتين. إما أنها تنتج جداراً من الإحصاءات الوصفية بدون قيمة قرارية، أو تقفز بسرعة كبيرة إلى التوصيات دون وضوح بشأن أي الأرقام حقائق وأيها تفسير. يجبر هذا الـ Prompt النموذج على فصل الأدلة عن الاستدلال. وهذا يجعل المخرجات أسهل في الثقة وأسهل في الطعن.
لماذا يستخدم الـ Prompt Role وContext وTask وConstraints وOutput Format
يقسم Role يخبر النموذج بالتصرف كمحلل استراتيجي أول للتحليلات ورئيس موظفين، وليس كـ chatbot عام. هذا يغير النغمة والأولوية. أنت تريد من النموذج التفكير في المفاضلات، وحساسية الجمهور، وفائدة القرار.
يقسم Context يمنحه ظروف التشغيل: الشركة، نموذج العمل، الجمهور، نافذة التقارير، وتعريفات الأرقام. بدون ذلك، حتى نموذج قادر يمكن أن يقرأ انخفاض التحويل بشكل خاطئ، أو يبالغ في رد الفعل تجاه الموسمية، أو يفوت الفرق بين حملة لمرة واحدة وتغيير هيكلي.
يقسم Task يحدد الوظيفة الفعلية. إنه ليس "تلخيص البيانات". إنه "إنتاج إحاطة تنفيذية جاهزة للقرار". هذه الصياغة مهمة. تخبر النموذج بالتحسين من أجل الوضوح وقابلية التنفيذ وليس الشمول.
يقسم Constraints هو المكان الذي تحدث فيه القفزة النوعية. يخبر النموذج صراحة بقياس التغييرات، والإشارة إلى المعلومات المفقودة، وتمييز الحقائق المرصودة عن الفرضيات، وتجنب اختراع اليقين. في سير عمل التقارير الحقيقية، هذا هو الفرق بين شيء يمكنك إعادة توجيهه وشيء تحتاج إلى إعادة كتابته من البداية.
أخيراً، يمنح Output Format القارئ قالباً قابلاً لإعادة الاستخدام. الـ Prompt الجيد لا يخلق مجرد إجابة قوية واحدة؛ إنه يخلق نمط تقارير ثابتاً يمكن لفريقك استخدامه كل أسبوع.
أين يكون هذا الـ Prompt مفيداً بشكل خاص
هذا مناسب بقوة للمراجعات التجارية الأسبوعية، وملخصات فريق النمو، وملخصات اتجاهات دعم العملاء، وتقارير عمليات السوق، ولقطات المالية، أو فحوصات مؤشرات أداء المنتج. وهو مفيد أيضاً عندما تكون البيانات غير مكتملة. يوجه الـ Prompt النموذج إلى تحديد النقاط العمياء وإنتاج قراءة مؤقتة، وهو غالباً ما تحتاجه الفرق قبل الاجتماع.
إنه أقل فائدة عندما تحتاج إلى اختبار إحصائي رسمي، أو ضوابط مالية، أو تفسير تنظيمي خاص بمجال معين. في هذه الحالات، ما زال الـ Prompt قيماً كطبقة إحاطة أولية، لكنه لا يجب أن يحل محل محلل أو محاسب أو مشغل يملك الأرقام.
كيف تحصل على نتائج أفضل منه
ثلاثة تعديلات تحسن المخرجات فوراً. أولاً، حدد الجمهور بدقة: "COO" أو "VP Growth" أو "مدير خدمات العملاء" أفضل من "القيادة". ثانياً، أضف تعريفات المؤشرات عندما تكون الأسماء غامضة. ثالثاً، أخبر النموذج بالقرار المعلق. إذا كان القارئ يختار بين إعادة تخصيص الميزانية، أو إيقاف حملة، أو تراجع منتج، تصبح التوصيات أكثر حدة بكثير.
أفضل جزء في هذا الـ Prompt هو أنه يتدرج للأسفل وللأعلى. يمكن للمؤسس لصق جدول تقريبي واحد والحصول على مذكرة واضحة. يمكن لفريق أكبر توصيل نفس الهيكل في سير عمل تقارير متكرر. في كلتا الحالتين، القيمة واحدة: وقت أقل في تحويل التصديرات إلى نثر، وفرص أفضل أن يلاحظ الشخص المناسب الإشارة الصحيحة قبل بدء الاجتماع التالي.