Промпты для анализа данных и таблиц

Контекст: у меня таблица [название], [N] строк.
Колонки: [колонка — тип — что означает], например:
- order_id — число — номер заказа
- date — дата в формате ДД.ММ.ГГГГ
- amount — сумма в рублях
Цель анализа: [какое решение я хочу принять].
Ниже первые 30 строк. Не делай выводов о всей таблице только по примеру — если нужно, скажи, что посчитать на полных данных.
[данные]

Проверь таблицу ниже на проблемы качества: пропуски, дубли, разные форматы дат и чисел, опечатки в категориях, выбросы, явно ошибочные значения.
Выдай таблицу: колонка | проблема | пример | как исправить.
[данные]

Сделай профиль данных: для числовых колонок — минимум, максимум, медиана, доля пропусков; для категориальных — число уникальных значений и топ-5.
Затем напиши 3 гипотезы, которые стоит проверить, и какие данные для этого нужны.

Я работаю в [Excel / Google Таблицы], язык интерфейса — русский.
Данные: [описание колонок и диапазонов, например A2:A500 — даты, C2:C500 — суммы].
Нужно: [что посчитать].
Дай одну формулу, объясни каждый её аргумент и покажи, что получится на 3 строках примера.

Объясни по шагам, что делает формула: [формула].
Где она может сломаться (пустые ячейки, текст вместо чисел, сдвиг диапазона) и как сделать её надёжнее?

Хочу увидеть [выручку / количество] по [месяцам] в разрезе [категорий].
Опиши пошагово, как собрать сводную таблицу: что в строки, что в столбцы, что в значения, какие фильтры.
Предложи один дополнительный срез, который может быть полезен.

Вот колонка с [телефонами / городами / ФИО], записанными по-разному: [пример 20 значений].
Приведи к единому формату [формат]. Верни таблицу «было | стало» и формулу или шаги, чтобы сделать это для всей колонки.

СУБД: [PostgreSQL / ClickHouse / MySQL].
Таблицы: [название (колонки с типами)], связь по [ключ].
Задача: [например, топ-10 клиентов по выручке за последние 90 дней с долей повторных заказов].
Напиши запрос, прокомментируй каждую часть и укажи, где возможна ошибка из-за NULL или дублей при JOIN.

Проверь запрос на логические ошибки и производительность. Особенно: правильность JOIN, фильтры по датам, группировку.
[запрос]
Верни исправленную версию и список изменений.

Напиши код на Python (pandas) для файла [file.csv] с колонками [список].
Шаги: загрузить, привести даты, удалить дубли по [ключ], посчитать [метрика] по [группа], построить график [тип].
Код должен работать без изменений, если я подставлю путь к файлу.

Вот данные по дням: [дата, метрика]. Найди дни с аномальными значениями. Для каждого укажи, насколько он отличается от обычного уровня и 2–3 возможные причины, которые стоит проверить.

Сравни [период 1] и [период 2] по метрикам [список]. Покажи абсолютное и процентное изменение.
Разложи изменение выручки на вклад количества заказов и среднего чека.

Данные: user_id, дата первой покупки, даты всех покупок.
Объясни, как построить когортную таблицу удержания по месяцам, и напиши для этого [SQL / pandas].
Как читать результат и на что смотреть в первую очередь?

На основе анализа ниже напиши резюме для руководителя: 5 пунктов, каждый — факт с цифрой и что из него следует.
В конце — 2 рекомендации и что нужно, чтобы проверить их.
Без терминов вроде «медиана» и «дисперсия», если можно сказать проще.
[результаты]

Я хочу проверить гипотезу: [гипотеза]. Моих данных: [что есть].
Какие внешние данные помогут её проверить? Для каждого варианта: что в нём должно быть, минимальный объём, какие поля обязательны, как соединить с моими данными.