ChatGPT для аналитика — это инструмент для работы с данными, SQL-запросами и созданием отчётов без программирования. AI пишет сложные SELECT'ы, помогает спроектировать дашборды KPI, структурирует выводы из цифр. За счёт готовых промптов для когортных анализов, воронок, A/B-тестов и визуализации данных аналитики сокращают рутину на 70%. В статье разберём 6 основных направлений: SQL и работа с данными, анализ метрик, отчёты и дашборды, визуализация результатов, интерпретация аномалий, автоматизация. 30+ готовых промптов, которые можно применить к своему датасету прямо сегодня. Подойдёт как ВА-новичкам, так и опытным аналитикам, которые хотят отдать рутину AI и сосредоточиться на инсайтах вместо черновиков.
SQL и работа с данными
Генерация SQL-запросов
Промпт:
«Напиши SQL-запрос для [задача].
База данных: [PostgreSQL / MySQL / ClickHouse / BigQuery]
Таблицы и поля:
- users: id, email, created_at, country, subscription_type
- orders: id, user_id, amount, status, created_at
- products: id, name, category, price
Задача: [описание того, что нужно получить]
Требования:
- Оптимизируй для производительности
- Добавь комментарии к сложным частям
- Учитывай возможные NULL-значения
Объяснение запросов
Промпт:
«Объясни, что делает этот SQL-запрос:
[вставь запрос]
Объясни:
- Общую логику запроса
- Что делает каждая часть (SELECT, JOIN, WHERE, GROUP BY)
- Какие данные на выходе
- Возможные проблемы с производительностью
- Как можно улучшить
Оптимизация запросов
Промпт:
«Оптимизируй SQL-запрос:
[вставь запрос]
Контекст:
- База: [тип]
- Размер таблиц: orders ~10M строк, users ~1M
- Существующие индексы: [перечислить]
- Запрос выполняется [X] секунд, нужно быстрее
Предложи:
- Оптимизированную версию запроса
- Какие индексы добавить
- Альтернативные подходы (CTE, подзапросы, материализованные представления)
Конвертация между диалектами
Промпт:
«Переведи SQL-запрос с [исходный диалект] на [целевой диалект].
Исходный запрос:
[запрос]
Учти различия в:
- Синтаксисе дат и времени
- Функциях агрегации
- Работе с NULL
- Лимитах и пагинации
- Оконных функциях
Анализ данных
Когортный анализ
Промпт:
«Помоги провести когортный анализ retention.
Данные: [описание доступных данных]
Когорты: по месяцу регистрации
Метрика: [DAU / покупки / активность]
Период: [последние N месяцев]
Предоставь:
- SQL-запрос для получения когортной таблицы
- Формулу расчёта retention по периодам
- Шаблон для визуализации (какой тип графика, оси)
- Ключевые метрики для анализа (Day 1, Day 7, Day 30)
- На что обращать внимание в результатах
Воронка конверсии
Промпт:
«Построй анализ воронки для [процесс: регистрация / покупка / онбординг].
Этапы воронки:
- [Этап 1]: [описание, событие в данных]
- [Этап 2]: [описание, событие]
- [Этап 3]: [описание, событие]
- и т.д.
Для каждого перехода рассчитай:
- Абсолютные числа
- Конверсию в следующий этап
- Конверсию от первого этапа
- Время между этапами
Добавь сегментацию по [канал / платформа / регион].»
A/B тестирование
Промпт:
«Помоги проанализировать результаты A/B теста.
Тест: [что тестировали]
Гипотеза: [что ожидали]
Метрика: [основная метрика]
Длительность: [период]
Данные:
- Контроль: [N] пользователей, конверсия [X]%
- Тест: [N] пользователей, конверсия [Y]%
Рассчитай:
- Статистическую значимость (p-value)
- Доверительный интервал
- Размер эффекта
- Необходимый размер выборки для [желаемая мощность]
Дай рекомендацию: запускать / продолжить тест / отклонить.»
Отчёты и дашборды
Еженедельный отчёт
Промпт:
«Напиши еженедельный отчёт по [продукт/направление].
Период: [даты]
Аудитория: [руководство / команда / стейкхолдеры]
Данные за неделю:
- MAU: [число] ([+/- X]% к прошлой неделе)
- Revenue: [число] ([+/- X]%)
- Конверсия: [число]% ([+/- X] п.п.)
- [другие метрики]
Включи:
- Executive summary (3-5 предложений)
- Ключевые метрики с динамикой
- Главные события недели
- Проблемы и риски
- План на следующую неделю
Формат: краткий, с буллетами, без воды.»
Описание дашборда
Промпт:
«Спроектируй дашборд для [цель: мониторинг продукта / отслеживание KPI / операционная аналитика].
Пользователи дашборда: [кто будет смотреть]
Частота обновления: [realtime / ежедневно / еженедельно]
Предложи:
- Структуру (какие секции, как расположить)
- Ключевые метрики (5-7 верхнего уровня)
- Детализирующие графики
- Фильтры и срезы
- Алерты (при каких условиях)
Для каждого элемента: тип визуализации, источник данных, как интерпретировать.»
Документация метрик
Промпт:
«Создай документацию для метрики [название].
Включи:
- Название и описание: что метрика измеряет
- Формула расчёта: математически и словами
- Источник данных: таблицы, события
- Гранулярность: как часто обновляется
- Сегменты: по каким измерениям смотреть
- Бенчмарки: что считать хорошим/плохим значением
- Связанные метрики: что влияет, на что влияет
- Ограничения: когда метрика может вводить в заблуждение
- Пример SQL-запроса
Визуализация
Выбор типа графика
Промпт:
«Какой тип визуализации лучше использовать для [задача]?
Данные: [описание данных]
Цель: [сравнить / показать тренд / распределение / соотношение]
Аудитория: [технические / бизнес-пользователи]
Контекст: [презентация / дашборд / отчёт]
Для рекомендованного типа:
- Почему он подходит
- Как настроить оси и легенду
- Какие элементы добавить (аннотации, референсные линии)
- Типичные ошибки, которых избегать
- Альтернативные варианты
Код для визуализации
Промпт:
«Напиши код для визуализации [тип графика] на [Python/matplotlib / Python/plotly / R/ggplot2].
Данные: DataFrame с колонками [перечислить]
Что показать: [описание]
Требования:
- Чистый, читаемый код с комментариями
- Настроенные подписи осей на русском
- Легенда
- Цветовая палитра: [корпоративные цвета / стандартная]
- Размер графика для [презентации / отчёта]
- Сохранение в файл [формат]
Интерпретация результатов
Анализ аномалий
Промпт:
«Помоги разобраться с аномалией в данных.
Метрика: [название]
Обычное значение: [X]
Текущее значение: [Y] ([+/- Z]%)
Когда началось: [дата/время]
Контекст:
- Недавние изменения: [релизы, кампании, события]
- Сезонность: [есть ли обычно колебания]
- Связанные метрики: [как себя ведут]
Предложи:
- Возможные причины (гипотезы)
- Как проверить каждую гипотезу
- Какие дополнительные данные посмотреть
- Срочность: нужно ли действовать немедленно
Выводы из данных
Промпт:
«Сформулируй выводы и рекомендации на основе данных.
Анализ: [что исследовали]
Ключевые находки:
- [Факт 1]
- [Факт 2]
- [Факт 3]
Аудитория: [кому презентуем]
Контекст решения: [какое решение нужно принять]
Структурируй:
- Главный вывод (1 предложение)
- Поддерживающие факты
- Ограничения анализа
- Рекомендации с приоритетами
- Следующие шаги
Автоматизация
Python-скрипты
Промпт:
«Напиши Python-скрипт для [задача автоматизации].
Входные данные: [откуда, в каком формате]
Что нужно сделать: [обработка]
Выходные данные: [куда, в каком формате]
Требования:
- Обработка ошибок и логирование
- Параметризация (даты, пути к файлам)
- Возможность запуска по расписанию
- Документация функций
Используй библиотеки: [pandas / requests / sqlalchemy и т.д.]»
Автоматические алерты
Промпт:
«Спроектируй систему алертов для [метрика/процесс].
Что мониторим: [описание]
Нормальные значения: [диапазон или паттерн]
Критичность: [высокая / средняя / низкая]
Определи:
- Условия срабатывания (пороги, отклонения)
- Уровни severity
- Каналы уведомления для каждого уровня
- Информация в алерте
- Эскалация при неответе
- Как избежать ложных срабатываний
Помните при работе с AI:
- Всегда проверяйте SQL-запросы перед запуском на проде
- AI может ошибаться в расчётах — перепроверяйте формулы
- Не передавайте конфиденциальные данные в ChatGPT
- Статистические выводы требуют экспертной валидации
Заключение
ChatGPT — это как опытный коллега, который всегда рядом: поможет с SQL, объяснит сложную статистику, напишет черновик отчёта. Но финальная ответственность за качество анализа — на аналитике.
Используйте AI для ускорения рутины, а сэкономленное время тратьте на то, что действительно важно: глубокий анализ, поиск инсайтов и влияние на бизнес-решения.
Если хотите разобраться в теме глубже, чем помещается в одну статью, — у нас есть отдельное пособие «Нейросети для Excel и таблиц» с примерами и готовыми промптами: посмотреть на Яндекс.Маркете.