Промпт для анализа данных в Excel

Отлично — я подготовил всё, чтобы провести детальный анализ вашей таблицы. Ниже — понятный план, короткий структурированный отчёт на русском и готовый исполняемый Python-скрипт, который автоматически выполнит пункты 1–4 при наличии Excel-файла.

Если хотите, я могу запустить анализ сам — загрузите, пожалуйста, ваш Excel (назовите его input.xlsx) — тогда я выполню скрипт и верну отчёт с графиками и файлами. А пока — всё, что нужно: отчётная структура, интерпретации и код.

Краткая структура отчёта (что вы получите)

1) Анализ ошибок и качества данных

• Пропущенные значения: сколько и где, процент по столбцам.
• Дубликаты: по строкам и (опционально) по ключевым столбцам.
• Некорректные форматы: текст в датах, числа как текст, смешанные типы.
• Логические противоречия: отрицательные значения в полях, где логически должны быть положительные (цены, количества, суммы).
• Аномалии/выбросы: значения с |z|>3, значения за заданными бизнес-пределами, странные даты (год <1900 или >2100).

2) Ключевые метрики и тренды

• Для числовых столбцов: count, % пропусков, mean, median, std, min/max, 25/75 процентили.
• Процентный состав для категорий (топ-N значений и доля «прочие»).
• Временные тренды: сгруппировать по дате (день/неделя/месяц) — суммарные и средние величины, сезонность и пики.
• Показатели KPI (если есть): средний чек, конверсия, retention — рассчитываются, если есть соответствующие колонки.

3) Визуализация (что будет в отчёте)

• Гистограммы распределения по ключевым числовым колонкам.
• Boxplot для выявления выбросов (каждый график — отдельный файл).
• Линейные графики трендов по месяцам/неделям для выбранных метрик.
• Таблица-дашборд с основными метриками.
• Пояснения под каждым графиком простым языком: что показывает тренд и почему это важно.

4) Рекомендации (конкретно по данным и бизнесу)

• Очистка: удалить точные дубликаты; для неявных — отметить и объединить.
• Коррекция форматов: преобразовать колонки дат, привести числа из строк в numeric.
• Заполнить или обработать пропуски: (а) для небольшого процента — удалить строки; (б) для бизнес-полезных столбцов — заполнить медианой/пометить как неизвестные; (в) для временных рядов — использовать forward/backward fill или модель.
• Обработка выбросов: проверка источника — ошибки импорта/ввод вручную, затем либо корректировка (если очевидная опечатка), либо отдельная обработка в отчётах.
• Операционные рекомендации: например, если пики продаж выявлены в конкретные месяцы — увеличить бюджет рекламы в предшествующие недели; если высокий процент возвратов/отрицательных сумм — провести сверку с бухгалтерией/логистикой и т.д.

Готовый Python-скрипт (готов запускаться в Jupyter/Colab/локально)

Я уже исполнил кодовую заготовку в своём окружении; в текущей сессии Excel в /mnt/data не найден — поэтому скрипт остановился и ждет файл. Код ниже — тот же, что я запускал: он автоматически выполнит проверки, посчитает метрики и сохранит результаты в /mnt/data/analysis_results/. Скопируйте его и выполните у себя (или загрузите input.xlsx сюда и я запущу).

(Код уже запускался — при отсутствии файла он сообщает, куда загрузить. Я специально сделал обработку, которая: не меняет исходные данные, сохраняет CSV с диагностикой, сохраняет графики PNG и короткий текстовый отчёт.)

Ключевые результаты, которые появятся после запуска скрипта:

• /mnt/data/analysis_results/columns_diagnostics.csv — диагностика по колонкам (пропуски, тип, min/max, среднее, аномалии).
• /mnt/data/analysis_results/numeric_metrics.csv — таблица с метриками для числовых колонок.
• /mnt/data/analysis_results/problem_rows_<лист>.csv — примеры строк с проблемами.
• /mnt/data/analysis_results/trend_sum_<лист>_<колонка>.png — трендовые графики по месяцам.
• /mnt/data/analysis_results/short_report.txt — краткое резюме и список сгенерированных файлов.

Что я рекомендую сделать прямо сейчас (быстрая инструкция)

1. Переименуйте Excel в input.xlsx и загрузите в этот диалог (или в корень, если запускаете локально в ноутбуке).
2. Если нужно — сообщите, какие столбцы считать ключевыми (например: дата, сумма, канал, продукт). Если не укажете — скрипт сам попытается подобрать.
3. Я запущу анализ и верну: диагностику, графики и понятные выводы + конкретные действия.

Пример интерпретации (шаблон, который вы получите)

1) Ошибки и проблемы

• "В колонке OrderDate 12% значений не распознано как дата (встречается формат dd/mm/yyyy и текст). Риск: невозможность корректно агрегировать по периоду."
• "В колонке Amount 7 строк с отрицательными суммами — возможно возвраты, нужно сверить с документами."
• "Найдено 45 дубликатов по полю OrderID."

2) Метрики и тренды

• "Средний чек: 124.5, медиана: 99.0, std: 68 — распределение правостороннее (есть крупные заказы)."
• "Пик продаж — декабрь 2024 (рост +42% к ноябрю). Рекомендация: увеличить рекламный бюджет в ноябре."

3) Визуализации (и пояснения)

• График: месячная сумма продаж — показывает рост в декабре. Значение: позволяет планировать закупки и маркетинг.
• Гистограмма чеков — показывает большое число маленьких чеков и редкие крупные покупки; следовательно, стратегия и таргетинг могут различаться для разных сегментов клиентов.

4) Рекомендации (конкретные)

• Удалить 45 дубликатов (файл duplicates_list.csv), сохранить оригинал.
• Исправить формат даты в OrderDate (скрипт предложит преобразование), пересчитать временные сводки.
• Для отрицательных Amount: сформировать выгрузку и сверить с возвратами/кредитами.
• Внедрить проверку формата на этапе импорта (валидация дат/чисел) — минимум: блокировать строки с некорректными датами и отправлять их в очередь на ручную проверку.

Если вы хотите, чтобы я сам выполнил анализ прямо сейчас

Загрузите файл Excel в ответ (лучше как input.xlsx). Я запущу скрипт здесь, соберу все артефакты (CSV, PNG) и верну подробный отчёт на русском — с простыми выводами для непрофильной аудитории и конкретными шагами для команды.

Если предпочитаете — могу также:

• Сделать версию отчёта под Power BI (файл данных + рекомендации по визуализации/структуре дашборда).
• Подготовить PowerPoint с ключевыми слайдами (KPI, тенденции, проблемы и рекомендации).

Как поступаем: загружаете файл, или я присылаю ещё более подробный шаблон отчёта и чек-лист действий?