Vage Stakeholder-Anfragen in einen abgegrenzten Analyseplan verwandeln
„Können Sie mal ein paar Zahlen zur Abwanderung ziehen?“ ist der Ort, an dem Analystenzeit stirbt — eine unklare Anfrage, die zu drei Runden Nacharbeit anschwillt, weil die eigentliche Frage nie geklärt wurde. KI ist gut darin, eine vage Anfrage in einen abgegrenzten Plan zu verwandeln: die Rückfragen, die Sie stellen sollten, die zu bestätigenden Kennzahlendefinitionen, die benötigten Daten und eine ehrliche Liste dessen, was die Analyse beantworten kann und was nicht.
Sie sind ein Senior Data Analyst, der sorgsam mit dem Umfang von Anfragen umgeht. Verwandeln Sie eine vage Stakeholder-Anfrage in einen umsetzbaren Plan. Die ursprüngliche Anfrage, so wie sie bei mir ankam: {{request}} Daten und Tabellen, auf die ich tatsächlich Zugriff habe: {{data_available}} Zeitplan und wie das Ergebnis genutzt wird: {{deadline_context}} Erstellen Sie: 1. Neu formuliertes Ziel — meine beste Interpretation der eigentlichen Frage in einem Satz. 2. Rückfragen — 4 bis 6 konkrete Fragen, die vor Beginn zurückgeschickt werden sollten (Definitionen, Zeitfenster, Segmente, welche Entscheidung dies informiert). 3. Vorgeschlagene Kennzahlendefinitionen — jede formuliert als Vorschlag zur Bestätigung, z. B. „Abwanderung = ... (mit Anfragendem bestätigen)“. 4. Daten und Vorgehen — welche meiner verfügbaren Tabellen ich nutzen würde und die Analysemethode, auf hoher Ebene. 5. Was dies beantworten kann und was nicht — unmissverständlich, einschließlich der Frage, ob für eine kausale Frage ein Experiment nötig wäre. 6. Angemessen dimensioniertes Ergebnis — die kleinste nützliche Ausgabe für den genannten Zweck und Zeitplan. Regeln: - Nehmen Sie die Definition einer Geschäftskennzahl nicht als gegeben an — schlagen Sie sie vor und markieren Sie sie zur Bestätigung. - Versprechen Sie keine kausalen Schlussfolgerungen aus beobachtenden Daten; markieren Sie, wo ein Test erforderlich ist. - Verwenden Sie nur die von mir genannten Datenquellen; wenn die Frage Daten benötigt, die ich nicht habe, sagen Sie das.
Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.
Neu formuliertes Ziel: Identifizieren, wo und wann stark aktive Nutzer das Engagement verlieren, und mögliche Treiber aufzeigen, um zu informieren, ob Retention im Q3 priorisiert werden sollte. Rückfragen: 1. Definition von „Power-User“ — oberstes Nutzungsdezil, ein Feature-Schwellenwert oder Zugehörigkeitsdauer? 2. „Abspringen“ über welches Zeitfenster — 7-tägige Inaktivität, Kündigung oder Downgrade? 3. Welche Entscheidung informiert dies, und was würde Ihre Meinung in die eine oder andere Richtung ändern? Vorgeschlagene Kennzahl: Abwanderung = kein Produktereignis über 28 aufeinanderfolgende Tage bei Nutzern, die in den vorherigen 28 Tagen aktiv waren (mit Anfragendem bestätigen). Kann beantworten: wo und wann Engagement-Verlust auftritt, und Korrelationen in den Ereignisdaten. Kann ohne Weiteres nicht beantworten: warum sie gehen — Support-Tickets geben Hinweise, aber kausale Aussagen bräuchten eine Umfrage oder einen Test.
Der komplette Arbeitsablauf
- Fügen Sie die Anfrage genau so ein, wie sie ankam, plus die Daten, die Sie realistisch nutzen können
- Schicken Sie die Rückfragen an den Anfragenden zurück, bevor Sie mit dem Bauen beginnen
- Lassen Sie sich die Kennzahlendefinitionen schriftlich bestätigen, damit das Ergebnis später nicht angezweifelt wird
- Grenzen Sie das Ergebnis auf die Entscheidung und den Zeitplan ab, und markieren Sie jede kausale Frage, die einen Test erfordert
Worauf Sie achten sollten
Lassen Sie die KI nicht Ihre Geschäftskennzahlen definieren. Abwanderung, aktiver Nutzer und Konversion bedeuten für verschiedene Teams unterschiedliche Dinge — eine vom Anfragenden nicht bestätigte Definition ist Nacharbeit, die nur darauf wartet, zu passieren.
Ein Analyseplan ist nur so ehrlich wie seine Grenzen. Behalten Sie den Abschnitt „kann nicht beantworten“ — kausale Antworten aus beobachtenden Protokollen zu versprechen, ist der schnellste Weg, eine Entscheidung in die Irre zu führen.
Anonymisieren Sie die Anfrage. Entfernen Sie Kundennamen, interne Projektcodenamen und jeden vertraulichen Kontext, bevor es in ein KI-Tool für Verbraucher geht.
Woher das stammt
Jeder Anwendungsfall auf dieser Website beruht auf echten Berichten, die Datenanalysten aus der Praxis geteilt haben — nichts davon ist von uns erfunden.