Junior Data Analyst
ЗадачаЗастреваю на SQL-запросах для витрин дашборда по 3-4 часа
С генераторомПолучайте готовый SQL и структуру витрины под ваш KPI за минуту
Настройте источник и BI-инструмент — получите готовый промт дашборда
Выберите тип дашборда и бизнес-цель — получите промт со структурой виджетов и метрик
Заполните поля, и они подставятся в промт.
Текст можно поправить прямо здесь перед копированием
Сборка аналитического дашборда часто превращается в недели итераций: уточнение метрик у бизнеса, выгрузка данных из PostgreSQL и GA4, ручная сверка KPI и переделка макетов в Power BI или Tableau. Готовые промты для ChatGPT и Claude снимают рутину постановки задачи: нейросеть помогает спроектировать структуру операционного или стратегического KPI-дашборда, описать витрины данных под ClickHouse и Amplitude, сформулировать требования к визуализации в Looker Studio или Yandex DataLens. Укажите роль (от Junior Data Analyst до Head of Analytics) и бизнес-цель — рост LTV, снижение CAC или контроль юнит-экономики — и получите промт под ваш сценарий. Бесплатный генератор экономит большую часть времени на брифинг и черновую аналитику, а шаблоны промтов для ChatGPT и Claude дают воспроизводимый результат. Заполните форму и получите промт, оптимизированный под вашу задачу.
Если хотите, чтобы так с нейросетями работала вся команда, посмотрите корпоративное обучение нейросетям: программу собираем под задачи отдела.

Укажите Роль аналитика, Тип дашборда и Источник данных — это задаст структуру промта под задачу.
Задайте тон коммуникации и формат вывода, например 'технический тон + пошаговый план' для Tableau.
Заполните поля Компания и Ключевые метрики (MRR, Churn, CAC) — промт станет точным под ваш бизнес.
Скопируйте готовый промт и вставьте в ChatGPT или Claude — получите структуру дашборда и SQL-запросы.
Генератор помогает аналитикам, BI-разработчикам и продактам собирать дашборды через AI
ЗадачаЗастреваю на SQL-запросах для витрин дашборда по 3-4 часа
С генераторомПолучайте готовый SQL и структуру витрины под ваш KPI за минуту
ЗадачаНеделю собираю макет дашборда из 15 виджетов вручную
С генераторомПроектируйте раскладку визуалов и DAX-меры промтом за один подход
ЗадачаКаждый retention-funnel переделываю под новую гипотезу с нуля
С генераторомСтройте воронки и когорты в Amplitude по готовому промт-шаблону
ЗадачаЗащита KPI-дашборда перед C-level срывается из-за слабой истории данных
С генераторомФормулируйте нарратив и метрики стратегического дашборда под совет директоров
Промты дополняют генератор смежными задачами по дашбордам. Замените данные в [скобках] и вставьте в ChatGPT или Claude.
Роль: Ты Senior BI-консультант с 8 лет опыта в построении аналитических дашбордов. Экспертиза: Power BI, Tableau, методология GQM (Goal-Question-Metric) и DAMA-DMBOK. Контекст: Я [моя роль: Product Analyst] в [тип компании: SaaS B2B]. Дашборд: [название и назначение дашборда], построен в [BI-инструмент: Tableau]. Источники данных: [PostgreSQL, GA4, Amplitude]. Текущие виджеты: [список из 12 виджетов с метриками: DAU, MRR, churn, LTV, CAC]. Жалобы пользователей: [руководители не открывают дашборд чаще раза в месяц, метрики противоречат друг другу]. Задача: Провести аудит дашборда по фреймворку GQM и предложить план рефакторинга с приоритизацией изменений по impact/effort. Формат вывода: (1) Таблица аудита виджетов: виджет — бизнес-вопрос — проблема — рекомендация. (2) Список лишних и недостающих метрик с обоснованием через [бизнес-цель: рост LTV]. (3) Roadmap рефакторинга на 4 спринта с оценкой трудозатрат в story points. Детали: Опирайся на принципы Stephen Few по визуализации. Избегай советов 'добавить красивости', фокус на снижении cognitive load и связи метрик с решениями.
Роль: Ты BI Business Analyst с 6 лет опыта внедрения аналитических систем. Экспертиза: методология BABOK, JTBD-интервью, матрица RACI для аналитических продуктов. Контекст: Я [моя роль: BI-разработчик] в [тип компании: ритейл сеть 200 магазинов]. Задача: спроектировать [тип дашборда: операционный для директоров магазинов]. Стейкхолдеры: [CEO, COO, региональные директора, руководители магазинов]. Доступные источники: [1С ERP, CRM Bitrix24, кассовые данные]. Задача: Составить гайд глубинного интервью для сбора требований и шаблон матрицы метрик с привязкой к ролям. Формат вывода: (1) Скрипт интервью на 45 минут: 15 открытых вопросов по JTBD про решения, которые принимает респондент. (2) Таблица мэппинга: роль — ключевое решение — нужная метрика — частота просмотра — порог алерта. (3) Чек-лист валидации требований перед передачей в разработку (10 пунктов). Детали: Используй принципы Mom Test — избегай гипотетических вопросов. Каждая метрика должна быть привязана к конкретному управленческому решению, не к 'интересно посмотреть'. Учитывай ограничение [BI-инструмент: Yandex DataLens] по объёму данных.
Роль: Ты Data Analyst с 5 лет опыта в проактивной аналитике. Экспертиза: statistical process control, Prophet для прогнозов, интеграции Slack/Telegram с BI-инструментами. Контекст: Я [моя роль: Head of Analytics] в [тип компании: e-commerce]. Уже построен [тип дашборда: маркетинговый] в [BI-инструмент: Looker Studio] с метриками [CAC, ROAS, CR, средний чек, CPO]. Источник: [GA4 + CRM amoCRM]. Команда маркетинга из 12 человек не успевает мониторить 40 кампаний. Задача: Спроектировать систему алертов об аномалиях метрик с правилами эскалации и форматом уведомлений. Формат вывода: (1) Таблица алертов: метрика — метод детекции (Z-score / IQR / Prophet) — пороги — канал — получатель. (2) Шаблон уведомления в Slack с полями: метрика, отклонение в %, возможные причины, ссылка на drill-down. (3) Матрица эскалации по уровням severity (P0-P3) с SLA реакции. Детали: Минимизируй alert fatigue — не более 5 алертов в день на пользователя. Используй принцип [бизнес-цель: снижение CAC] для приоритизации. Избегай фиксированных порогов — только адаптивные к сезонности.
Роль: Ты Analytics Enablement Lead с 7 лет опыта обучения бизнес-команд работе с данными. Экспертиза: методика ADDIE, построение data literacy программ, storytelling с данными по Cole Nussbaumer. Контекст: Я [моя роль: Senior Data Analyst] в [тип компании: финтех, 400 сотрудников]. Запускаем новый [тип дашборда: стратегический KPI-дашборд] в [BI-инструмент: Power BI]. Целевая аудитория обучения: [C-level, middle-менеджеры, линейные аналитики]. Уровень зрелости данных в компании: [начальный, большинство работает в Excel]. Задача: Разработать программу онбординга и адаптационный материал с учётом разных ролей и уровней data literacy. Формат вывода: (1) План обучения на 4 недели: модуль — цель — формат (воркшоп/видео/quiz) — длительность — KPI усвоения. (2) Сценарий demo-сессии на 60 минут с 3 бизнес-кейсами интерпретации метрик [выручка MoM, retention-когорты, юнит-экономика]. (3) Чек-лист готовности пользователя к самостоятельной работе с дашбордом (12 навыков). Детали: Адаптируй сложность под роль — C-level получает сценарии принятия решений, аналитики — работу с фильтрами и drill-down. Избегай терминологии без объяснений. Встрой петлю обратной связи через NPS после каждого модуля.
Используйте эти правила, чтобы получать точные макеты дашбордов в ChatGPT и Claude без лишних итераций
Вместо 'Ты аналитик' укажите: 'Ты senior BI-аналитик с 5+ годами в Power BI и Tableau, строишь executive-дашборды для retail'. ИИ включит нужные паттерны DAX и LOD.
Перечислите KPI (MRR, CAC, churn, DAU/MAU), размерности (регион, когорта, канал) и гранулярность (день, неделя). Без этого ИИ выдаст абстрактные 'продажи по месяцам'.
Попросите структуру: KPI-блок сверху, тренды в середине, drill-down снизу. Пример: 'Верни JSON с layout из 3 рядов и списком виджетов по методике IBCS'.
CEO-дашборд, операционный и аналитический требуют разной плотности. Шаблон: 'Дашборд для [роль] с частотой просмотра [ежедневно] для решения [задача] по SMART'.
После первого ответа уточняйте: 'Углубись в блок retention: добавь когортную heatmap по неделям и фильтр по источнику трафика в Looker Studio'. Так дашборд становится рабочим.
До: 'Сделай дашборд по продажам'. После: 'Дашборд в Power BI: выручка, AOV, conversion rate по когортам за 12 мес с drill-down до SKU и фильтром по менеджеру'.
Промты помогают в ежедневной работе, а новые клиенты часто приходят через поиск. Как мы продвигаем сайты в вашей сфере, рассказали на странице «Продвижение сайта IT-компании».
Промты для построения аналитического дашборда — это структурированные запросы к нейросетям, которые помогают спроектировать макет, SQL-запросы и визуализации для Power BI, Tableau или Yandex DataLens. В ChatGPT такой промт описывает роль аналитика, источник данных (PostgreSQL, GA4, Amplitude) и бизнес-цель — от роста LTV до снижения CAC. Нейросеть возвращает список KPI, рекомендуемые чарты (funnel, cohort retention, waterfall) и черновик DAX-мер. Это ускоряет путь от ТЗ до первого прототипа дашборда в 3–5 раз. Попробуйте бесплатный генератор GUSAROV, выберите роль Product Analyst и вставьте готовый промт в ChatGPT или Claude.
Укажите в ChatGPT роль BI-разработчика, инструмент Power BI и источник — ClickHouse или CRM amoCRM. Далее перечислите KPI: выручка, средний чек, конверсия воронки, CAC, retention D7/D30. Попросите нейросеть предложить структуру из 3 страниц: обзор, динамика, детализация по менеджерам. ChatGPT вернёт список визуалов (карточки KPI, линейный график, матрица, декомпозиция), черновик DAX-мер CALCULATE и SUMX, а также рекомендации по RLS и фильтрам дат. Добавьте требование к бенчмаркам и формату обновления. Скопируйте шаблон из генератора GUSAROV и вставьте в ChatGPT — получите готовое ТЗ на дашборд за одну итерацию. Если в дашборд попадает органика сайта, оплату работ можно привязать к этой метрике, так устроено продвижение по трафику.
Data Analyst экономит 5–8 часов на каждом новом дашборде, если начинает проектирование через нейросеть. Генератор GUSAROV учитывает роль (Junior, Senior, Product Analyst), BI-инструмент (Tableau, Looker Studio, DataLens) и бизнес-цель, поэтому Claude или ChatGPT возвращает не абстрактный совет, а конкретный список метрик, SQL-шаблоны и схему слоёв данных. Junior-аналитик получает чек-лист и не забывает про cohort-анализ и retention-кривые, Senior — ускоряет сбор требований у стейкхолдеров. Дополнительно ИИ помогает описать дашборд в Confluence и подготовить storytelling для бизнеса. Используйте бесплатный генератор перед каждым новым проектом — это снижает переделки макета на 40%.
Промты для стратегического KPI-дашборда фокусируются на финансовых метриках: выручка, EBITDA, LTV, CAC Payback, доля рынка — и строятся поверх CRM и ERP. Промты для продуктового дашборда работают с событийными данными Amplitude или Mixpanel и раскрывают retention-кривые, funnel активации, Sean Ellis score и feature adoption. В Claude стратегический промт просит квартальную агрегацию и сравнение план-факт, а продуктовый — когортную разбивку по неделям и сегментам пользователей. Визуалы тоже разные: для топ-менеджмента — карточки и waterfall, для продакта — sankey и heatmap. Вставьте нужный шаблон в нейросеть и получите корректный скелет дашборда под вашу аудиторию.
Промты для построения аналитического дашборда работают в ChatGPT, Claude, Gemini, YandexGPT и GigaChat, но с нюансами. ChatGPT и Claude лучше пишут DAX, SQL для ClickHouse и формулы Looker Studio, удерживают контекст из 20+ KPI и корректно структурируют ТЗ на Tableau. Gemini удобен для интеграции с Google Analytics 4 и Looker Studio. YandexGPT и GigaChat оптимальны для Yandex DataLens, русскоязычных названий метрик и требований 152-ФЗ, особенно в B2B-проектах РФ. Генератор GUSAROV формирует универсальный промт, который не привязан к одному вендору. Вставьте его в любую из этих нейросетей и сравните черновики дашборда за 10 минут.
Попробуйте наши другие генераторы
Новое на сайте
Статьи
Мы используем файлы cookie, чтобы сайт работал стабильно, а мы понимали, чем он полезен посетителям. Продолжая пользоваться сайтом, вы соглашаетесь с этим. Подробнее