Rohdaten in ein Executive Briefing verwandeln – mit diesem wiederverwendbaren AI-Prompt

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.
Die meisten Teams haben kein Problem damit, Daten zu sammeln. Sie kämpfen damit, aus einem Rohexport etwas zu machen, auf das eine Führungsebene schnell reagieren kann. Genau diese Lücke schließt dieser Prompt. Statt ein KI-Modell einfach zu bitten, „diese CSV zu analysieren“, gibt er dem Modell eine klare Rolle, einen geschäftlichen Kontext, ein Entscheidungsziel und eine Ausgabestruktur. Das Ergebnis liest sich wie ein Executive Briefing und nicht wie eine Aneinanderreihung von Beobachtungen.
Die Kernidee ist simpel: Analytics-Prompts werden besser, wenn man das Modell nicht wie einen Taschenrechner behandelt, sondern wie einen Analysten, der für ein bestimmtes Publikum schreibt. Führungskräfte brauchen nicht jede Zahl noch einmal aufgesagt. Sie brauchen das Signal: Was hat sich verändert, was ist relevant, wo gibt es Unsicherheiten, und welche Entscheidung steht jetzt an.
Was dieser Prompt leisten soll
Dieser Prompt eignet sich am besten, wenn du eine grobe Tabelle, einen Spreadsheet-Export, einen Dashboard-Copy-Paste oder einen KPI-Snapshot hast und damit einen Manager, Gründer, Kunden oder Operations-Lead briefen musst. Er zwingt das Modell, Informationen in fünf sinnvolle Schichten zu organisieren: eine kurze Executive Summary, die wichtigsten Trends, die Anomalien, die es zu untersuchen gilt, die wahrscheinlichen geschäftlichen Implikationen und eine praktische To-do-Liste.
Diese Struktur ist entscheidend, weil die meisten Rohdaten-Prompts auf eine von zwei Arten scheitern. Entweder sie produzieren eine Wand aus deskriptiven Statistiken ohne Entscheidungswert, oder sie springen zu schnell zu Empfehlungen, ohne klar zu sagen, welche Zahlen Fakten und welche Aussagen Interpretationen sind. Dieser Prompt zwingt das Modell, Evidenz von Schlussfolgerungen zu trennen. Das macht das Ergebnis vertrauenswürdiger und leichter zu hinterfragen.
Warum der Prompt auf Rolle, Kontext, Aufgabe, Einschränkungen und Ausgabeformat setzt
Der Rolle-Abschnitt sagt dem Modell, es solle sich wie ein Senior Analytics Strategist und Chief of Staff verhalten, nicht wie ein generischer Chatbot. Das verändert Ton und Priorisierung. Du willst, dass das Modell über Abwägungen, Publikumssensitivität und Entscheidungsnutzen nachdenkt.
Der Kontext-Abschnitt liefert die Rahmenbedingungen: das Unternehmen, das Geschäftsmodell, das Publikum, den Berichtszeitraum und die Definitionen hinter den Zahlen. Ohne diese Angaben kann selbst ein leistungsfähiges Modell einen Conversion-Abfall falsch interpretieren, auf Saisonalität überreagieren oder den Unterschied zwischen einer einmaligen Kampagne und einer strukturellen Veränderung übersehen.
Der Aufgabe-Abschnitt definiert die eigentliche Aufgabe. Sie lautet nicht „fasse die Daten zusammen“, sondern „erstelle ein entscheidungsreifes Executive Briefing“. Diese Formulierung ist wichtig. Sie sagt dem Modell, dass es auf Klarheit und Handlungsfähigkeit optimieren soll, nicht auf Vollständigkeit.
Der Einschränkungen-Abschnitt ist der Ort, an dem der Qualitätssprung passiert. Er weist das Modell explizit an, Veränderungen zu quantifizieren, fehlende Informationen zu benennen, beobachtete Fakten von Hypothesen zu unterscheiden und keine falsche Sicherheit vorzutäuschen. In echten Reporting-Workflows ist das der Unterschied zwischen etwas, das du weiterleiten kannst, und etwas, das du komplett neu schreiben musst.
Schließlich liefert das Ausgabeformat dem Leser eine wiederverwendbare Vorlage. Ein guter Prompt erzeugt nicht nur eine starke Antwort, sondern ein konsistentes Reporting-Muster, das dein Team jede Woche nutzen kann.
Wo dieser Prompt besonders nützlich ist
Dieser Prompt ist ideal für wöchentliche Business Reviews, Growth-Team-Recaps, Zusammenfassungen von Support-Trends, Marketplace-Ops-Reporting, Finanz-Snapshots oder Produkt-KPI-Check-ins. Er ist auch nützlich, wenn die Daten unvollständig sind. Der Prompt weist das Modell an, blinde Flecken zu markieren und trotzdem eine vorläufige Einschätzung zu liefern – genau das, was Teams vor Meetings oft brauchen.
Weniger geeignet ist er, wenn formelle statistische Tests, Finanzkontrollen oder domänenspezifische regulatorische Interpretationen erforderlich sind. In diesen Fällen ist der Prompt immer noch wertvoll als erster Briefing-Durchlauf, sollte aber keinen Analysten, Buchhalter oder Betriebsleiter ersetzen, der die Zahlen verantwortet.
Wie du bessere Ergebnisse erzielst
Drei Änderungen verbessern die Ausgabe sofort. Erstens: Definiere das Publikum präzise – „COO“, „VP Growth“ oder „Client Services Director“ ist besser als „Führungskräfte“. Zweitens: Gib Metrikdefinitionen an, wenn die Namen mehrdeutig sind. Drittens: Sage dem Modell, welche Entscheidung ansteht. Wenn der Leser zwischen Budgetumverteilung, Kampagnenstopp oder Produkt-Rollback wählen muss, werden die Empfehlungen viel schärfer.
Das Beste an diesem Prompt ist, dass er sowohl nach oben als auch nach unten skaliert. Ein Gründer kann eine grobe Tabelle einfügen und eine klare Notiz erhalten. Ein größeres Team kann dieselbe Struktur in wiederkehrende Reporting-Workflows einbauen. In beiden Fällen ist der Wert derselbe: weniger Zeit, um Exporte in Prosa zu verwandeln, und bessere Chancen, dass die richtige Person das richtige Signal bemerkt, bevor das nächste Meeting beginnt.