Der Metrik-Definitions-Auditor: Herausfinden, warum zwei Teams unterschiedliche Zahlen melden
Warum dieser Prompt wichtig ist
Without a canonical definition, every review becomes an argument about whose spreadsheet is correct, and decisions get made on whichever number arrived first. Teams that find a definition gap after a board deck has gone out spend quarters rebuilding trust in the metric.
Wofür wir ihn verwenden
Your product team reports 48,200 active customers for March and your finance team reports 31,900. The quarterly review is on Thursday, and you need to know which number is wrong, or whether both are right under different definitions, before anyone presents either one.
Prompt
Act as a senior analytics lead who audits metric definitions before numbers reach executives. Context: I am [YOUR ROLE] at [YOUR COMPANY NAME]. Two or more teams report a metric called [METRIC NAME], and their numbers do not match. Their definitions, queries or dashboard notes are below, followed by the numbers each team reported for the same period: [PASTE DEFINITIONS, QUERIES OR DASHBOARD NOTES HERE] [PASTE THE REPORTED NUMBERS HERE]. Task: (1) Restate each team's definition as an explicit rule covering five dimensions: population (who is counted), event (what counts as an action), time window, deduplication rule, and attribution rule. (2) List every point where the definitions diverge, and estimate how much of the gap between the reported numbers each divergence explains. (3) Recommend one canonical definition that serves [PRIMARY DECISION THIS METRIC DRIVES], and state directionally which team's number will change and why. Constraints: Use only information in my input. Label every estimate as an estimate and state the assumption behind it. Do not favour a team because of seniority or because its number is larger. Write the canonical definition as one sentence a non-analyst could read. If a divergence cannot be resolved from the input, put it under Open Questions instead of guessing. Output Format: (a) a table with columns Team, Population, Event, Window, Deduplication, Attribution; (b) a ranked list of divergences with estimated contribution to the gap; (c) the canonical definition as a single bold sentence; (d) Open Questions as a bullet list.
Ergebnis
Metric audit: Active Customers (March) Scenario: Product reports 48,200. Finance reports 31,900. Gap: 16,300.
Definitions | Team | Population | Event | Window | Deduplication | Attribution | |---|---|---|---|---|---| | Product | All registered users | Any login | Last 30 days | Per user | User | | Finance | Accounts with a paid subscription | Active paid status on report date | Point-in-time | Per account | Account |
Divergences, ranked by estimated contribution to the gap 1. Population (about 14,800 of the 16,300 gap). Product counts free-tier users who logged in during the window. Finance excludes them. Estimate assumes most free-tier logins in Product's count belong to non-paying accounts. 2. Deduplication and attribution (about 1,500). Product counts each login from a 12-seat account as a separate user. Finance counts the account once. Estimate assumes roughly 1,500 of the gap comes from multi-seat accounts. 3. Window (not quantified). A 30-day login window captures users who lapsed during the month. A point-in-time status does not. This pushes the two numbers in opposite directions and cannot be sized from the input.
Canonical definition **Active Customers is the number of accounts with an active paid subscription on the last day of the reporting month.**
Effect on each team Product's number falls sharply and should be reported under its own name, such as Monthly Active Users. Finance's number does not change.
Open Questions - Does Finance count trial accounts as paying? The input does not say. - Does Product's login count include internal staff or support logins? - Does the 30-day window end at UTC midnight or at each user's local time?
Zwei Teams berichten dieselbe Kennzahl und erhalten unterschiedliche Zahlen. Dieser Prompt macht die Definition jedes Teams explizit, findet die Abweichung, die die Lücke erklärt, und schlägt eine kanonische Definition vor, die Sie in ein Review mitnehmen können.
Wann Sie ihn verwenden
Ihr Produktteam meldet für März 48.200 aktive Kunden, Ihr Finanzteam 31.900. Das Quartals-Review ist am Donnerstag. Bevor Sie eine der beiden Zahlen präsentieren, müssen Sie wissen, welche falsch ist, oder ob beide unter unterschiedlichen Definitionen stimmen.
Warum das wichtig ist
Ohne kanonische Definition wird jedes Review zu einer Diskussion darüber, wessen Tabelle richtig ist, und Entscheidungen fallen auf Basis der Zahl, die zuerst eintraf. Teams, die eine Definitionslücke entdecken, nachdem der Bericht an den Vorstand verschickt wurde, brauchen Quartale, um das Vertrauen in die Kennzahl wiederherzustellen.
Warum der Prompt so aufgebaut ist
Die Rolle legt einen Analysten fest, der Definitionen prüft, statt ein Team zu verteidigen. Der Kontext verlangt Ihre tatsächlichen Definitionen und Zahlen, sodass das Modell aus Belegen arbeitet und nicht aus einer allgemeinen Vorstellung davon, was „aktiv“ bedeuten könnte. Die fünf Dimensionen (Population, Ereignis, Zeitfenster, Deduplizierung, Zuordnung) sind die Stellen, an denen Kennzahlendefinitionen fast immer auseinanderlaufen, und ihre Benennung verhindert, dass die Analyse in einen vagen Meinungsstreit abrutscht. Der Einschränkungsblock schützt vor dem häufigsten Fehler bei dieser Art von Aufgabe: selbstsicher genannte Zahlen, die nie in den Eingaben standen. Der Abschnitt mit offenen Fragen gibt dem Modell einen ehrlichen Ort, um festzuhalten, was es nicht auflösen kann.
So passen Sie ihn an
- Ersetzen Sie die Platzhalter in eckigen Klammern durch die echten Definitionen aus dem Dashboard oder der Abfrage jedes Teams, nicht durch Zusammenfassungen.
- Fügen Sie die gemeldeten Zahlen für mindestens zwei Zeiträume hinzu. Eine konstante Lücke hat eine andere Ursache als eine schwankende.
- Stellen Sie nach dem ersten Lauf eine Nachfrage: Ordnen Sie die Abweichungen neu, unter der Annahme, dass Testkonten im Finanzzählwert enthalten sind. So sehen Sie, wie stark das Ergebnis an einer einzelnen Annahme hängt.
Ein gutes Zeichen, dass das Audit funktioniert hat, ist eine kanonische Definition, die in eine Zeile passt und die das Team, dessen Zahl sich ändert, akzeptieren kann. Passt sie nicht, ist die Definition wahrscheinlich noch mehrdeutig.