Кейс · Анализ данных

Анализ данных в нейросети Искра: 4 готовых промпта для CSV и Excel

Загрузи таблицу — Искра найдёт тренды, аномалии и сделает выводы за минуту. Готовые промпты для анализа продаж, воронок, когорт и сравнения периодов. На русском, без VPN.

Прикреплён CSV с продажами за 90 дней (date, sku, revenue, units). Найди аномалии — провалы и всплески больше 30% от среднего. sales-90d.csv· 412 KB

Готово. Проверила 90 дней × 12 SKU. Топ-5 аномалий: ▪ 14 фев · SKU A-102 — 12 шт против ожидаемых 89. Падение −86%. Похоже на сбой поставки: 13.02 в трёх магазинах stock_left = 0. ▪ 3 мар · SKU B-044 — 412 шт против обычных 78. Всплеск +428%. В этот день в колонке discount стоит 30 %. Похоже на промо, можно повторять. ▪ 21 фев · SKU C-018 — 0 продаж 4 дня подряд при среднем 45/день. Возможна остановка карточки на маркетплейсе — проверь статус в админке. ▪ 7 мар · SKU D-211 — 156 шт против обычных 22 (+609 %). Понедельник после выходных + категория «подарки». Похоже на отложенный спрос после 8 марта. ▪ 28 фев · SKU E-077 — провал на 64 % (выручка 8 100 ₽ при средней 22 600). Понедельник, нет акций. Стоит копать вручную. Общий тренд за период: Выручка по выходным +18 % к будням, сильнее всего тянут A-серии (детская одежда). Категория «зимняя обувь» −34 % — закономерно, конец сезона. Что я бы сделала дальше: 1. Проверила бы остановку SKU C-018: реальный технический сбой или ошибка данных. 2. Прогнала корреляцию discount × выручка по SKU B-044 на полном периоде. 3. Отдельный отчёт по «зимней обуви» — может, пора переоценивать остатки.

Это пример. Откройте Искру и попробуйте на своём запросе — ответ придёт за минуту.

Запустить анализ в Искре → К промптам

Почему ручной анализ занимает часы

Сводная таблица в Excel на 50 000 строк строится минут 20, если знаешь, какие поля брать. Найти в ней аномалию — ещё час: глазами по графику, прикинуть, ошибиться, перепроверить. Когортный отчёт по retention — день работы аналитика. Power BI и Tableau закрывают часть задач, но требуют времени на освоение и платной подписки на пользователя.

Большинство повторяющихся задач — найти резкие провалы, сравнить периоды, посчитать конверсию — выглядят одинаково от месяца к месяцу. Их можно автоматизировать.

Что Искра делает с таблицами

Читает CSV, Excel, JSON, текстовые таблицы и достаёт структуру без подсказок
Находит аномалии, тренды, выбросы — формулирует их человеческим языком
Считает статистику: средние, медианы, корреляции, доверительные интервалы, p-value для A/B-тестов
Делает когортные и вороночные отчёты — с разбивкой по сегментам
Описывает графики текстом и в ASCII — удобно вставить в отчёт без редактора

Всё работает прямо в чате. Не нужно ставить Python, регистрироваться в Power BI или платить за подписку.

4 готовых промпта

1. Поиск аномалий в продажах

Полезно когда: ежемесячный отчёт, нужно быстро найти, где что просело или резко выросло, прежде чем садиться писать выводы для руководства.

К сообщению прикреплён CSV: ежедневные продажи по товарам за последние 90 дней (колонки: date, sku, revenue, units). Найди дни и товары с аномальными показателями — провалы и всплески больше чем на 30% от среднего за период. Выведи таблицу: дата, товар, факт, ожидаемое значение, отклонение, возможная причина (если угадываешь по контексту — праздник, акция, сбой). Сначала топ-5 аномалий по магнитуде, затем общий тренд за период одной фразой.

На выходе — готовая таблица для письма руководству и понимание, куда копать дальше.

2. Когортный анализ удержания

Полезно когда: продакт- или маркетинг-разбор: какие когорты пользователей возвращаются, а какие отвалились после первой недели.

В файле — две таблицы. Первая: регистрации (user_id, signup_date). Вторая: события активности (user_id, event_date). Сгруппируй пользователей по неделе регистрации. Для каждой когорты посчитай retention на 1, 7, 30 день. Покажи итоговой таблицей (строки — когорты, столбцы — день). Подсвети когорту с самым резким падением retention между D1 и D7 и опиши, что в эти даты могло произойти, если в данных есть подсказки.

На выходе — классическая когортная таблица + комментарий аналитика, какую неделю разбирать первой.

3. Воронка конверсий с сегментацией

Полезно когда: нужно понять, на каком шаге пользователи теряются и где провал сильнее — на мобильном или десктопе.

Данные: события пользователей (user_id, event_type, timestamp, platform), типы событий: visit, signup, paid. Построй воронку visit → signup → paid. Посчитай конверсию на каждом шаге и средний срок между шагами в часах. Раздели на мобильный и десктоп, покажи различия. Отдельно — топ-3 причины, почему пользователь может застревать на конкретном шаге (на основе того, что видишь в данных).

На выходе — две воронки рядом + текстовые выводы для гипотез следующего спринта.

4. Сравнение двух периодов

Полезно когда: квартальный или годовой отчёт, нужно понять, где растём, а где проседаем относительно прошлого периода.

В таблице — выручка по дням за два периода: текущий месяц и тот же месяц год назад (колонки: date, category, revenue). Сравни: 1) Общий рост или падение в процентах 2) Какие дни недели проседают сильнее всего 3) Какая категория растёт быстрее всего, какая теряет Дай 3 главных вывода текстом и одну сводную таблицу с цифрами.

На выходе — готовый текстовый блок для письма или презентации с конкретными цифрами.

Запустить анализ в Искре →

Частые вопросы

Какие форматы файлов Искра читает?

CSV, Excel (xlsx, xls), JSON, plain text, PDF с таблицами. Для CSV — любой разделитель, любая кодировка.

Какой максимальный размер файла?

До 25 МБ. Если таблица больше — предварительно агрегируй или возьми срез данных за нужный период.

Безопасно ли загружать конфиденциальные данные?

Данные диалога не используются для обучения моделей и не индексируются поисковиками. Для критичной информации (персональные данные клиентов, коммерческая тайна) — обезличивай заранее: убери email, телефоны, ФИО.

Может ли Искра нарисовать график?

В виде текстового описания и ASCII-диаграммы — да. PNG-графиков пока нет: для презентации скопируй данные из ответа в Excel или Power BI.

Чем Искра отличается от Power BI или Tableau?

Искра быстрее запускается (нет установки, нет обучения) и подходит для разовых задач, гипотез, разборов. Не подходит для постоянных дашбордов с реал-тайм обновлением — там Power BI и Tableau вне конкуренции.

Можно ли проверить статистическую значимость A/B-теста?

Да. Загружай данные двух групп, проси посчитать p-value и доверительный интервал. Искра объяснит, значимо различие или нет, на понятном языке.

Что Искра ещё умеет рядом с анализом данных

После анализа удобно сразу собрать график или диаграмму для презентации. Если в работе много цифр, пригодятся формулы Excel и расчёт процентов.

Другие статьи

Все статьи о работе в Искре →