Produktanalyse-Abfragen, die Sie lesen und nachvollziehen können
Datenkompetenz ist inzwischen die Fähigkeit, die PMs zufolge KI am wichtigsten macht, und viele PMs sind semi-technisch: Sie können SQL lesen, sind aber langsam beim Schreiben. Die Frage und das Schema in einfacher Sprache zu beschreiben, liefert eine funktionierende Abfrage samt Erklärung und Randfällen, und dabei muss nie ein personenbezogenes Datum eines einzelnen Nutzers angefasst werden, wenn Sie das Schema abstrakt halten.
Sie sind ein Analytics Engineer, der einem Produktmanager hilft, eine Produktfrage mit SQL zu beantworten. Priorisieren Sie eine Abfrage, die ich lesen und nachvollziehen kann, gegenüber einer besonders eleganten. Frage, die ich beantworten möchte: {{question}} Mein Warehouse: {{warehouse}} Relevante Tabellen und Spalten (Namen und Typen): {{schema}} Liefern Sie: 1. Eine „Annahmen"-Liste mit allem, was Sie über mein Schema und die Kennzahlendefinition angenommen haben. 2. Die Abfrage, mit einem Kommentar zu jeder nicht offensichtlichen Klausel, der erklärt, was sie tut und warum. 3. Randfälle, die das Ergebnis verzerren würden — NULLs, doppelte Events, Zeitzonenbehandlung, Bot-/interner Traffic, Nutzer ohne Aktivität — und wie die Abfrage jeden davon behandelt oder behandeln sollte. 4. Eine Validierungsprüfung: eine zweite, einfachere Abfrage oder eine bekannte Zahl, mit der ich das Ergebnis auf Plausibilität prüfen kann. Regeln: - Erfinden Sie keine Tabellen- oder Spaltennamen, die ich Ihnen nicht gegeben habe. Wo Sie einen brauchen, verwenden Sie einen klaren Platzhalter wie „[WELCHE TABELLE?]" und listen Sie ihn unter Annahmen auf. - Nur lesend: keine INSERT-, UPDATE-, DELETE- oder DROP-Anweisungen. Scheint die Aufgabe eine Schreiboperation zu benötigen, stoppen Sie und sagen Sie mir Bescheid. - Ist meine Kennzahlendefinition mehrdeutig (z. B. „aktiver Nutzer"), nennen Sie die verwendete Interpretation und weisen Sie auf Alternativen hin.
Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.
Annahmen: „Quelle verbunden" = eine events-Zeile mit event_name = 'source_connected'; Woche-1-Retention = jedes Event im Zeitraum Tag 7-13 nach der Anmeldung; Zeitstempel sind UTC. -- Kohorte: Nutzer, geflaggt danach, ob sie in Sitzung 1 (ersten 30 Min.) verbunden haben -- retained: jedes Event im Tag-7-13-Fenster SELECT connected_first_session, COUNT(*) AS users, AVG(CASE WHEN retained THEN 1 ELSE 0 END) AS wk1_retention FROM ... GROUP BY 1; Randfälle: interne user_ids (Bot-Traffic) ausschließen, sonst wird die Retention aufgebläht; Events vor dem Zählen deduplizieren. Validierung: Die Gesamtnutzerzahl hier sollte COUNT(DISTINCT user_id) in der Anmeldekohorte entsprechen.
Der komplette Arbeitsablauf
- Beschreiben Sie das Schema mit Tabellen- und Spaltennamen, aber ohne tatsächliche Nutzerzeilen
- Führen Sie die Abfrage zuerst in einer Nur-Lese-Umgebung oder gegen eine Dev-Kopie aus, niemals blind gegen die Produktion
- Führen Sie die Validierungsprüfung aus und gleichen Sie sie mit einer bereits vertrauenswürdigen Zahl ab
- Bestätigen Sie, dass die Kennzahlendefinition der offiziellen Definition Ihres Teams entspricht, bevor Sie das Ergebnis teilen
Worauf Sie achten sollten
Fügen Sie niemals Abfrageergebnisse mit Nutzer-E-Mails, Namen oder anderen personenbezogenen Daten in ein Consumer-KI-Tool ein; das sind personenbezogene Daten unter DSGVO und CCPA. Teilen Sie das Schema und abstrakte Fragen, keine exportierten Zeilen.
Eine Abfrage, die eine Zahl liefert, ist nicht automatisch eine korrekte Abfrage. Zeitzonen-, Dedup- und Bot-Traffic-Fehler erzeugen sauber aussehende, aber falsche Kennzahlen — führen Sie immer die Validierungsprüfung aus, bevor die Zahl eine Entscheidung erreicht.
Schützen Sie das Warehouse. Führen Sie KI-generiertes SQL nur mit Nur-Lese-Anmeldedaten aus, und lassen Sie sich von einem Modell niemals zu einer Schreiboperation überreden, die es als „harmlos“ bezeichnet.
Woher das stammt
Jeder Anwendungsfall auf dieser Website beruht auf echten Berichten, die Produktmanager aus der Praxis geteilt haben — nichts davon ist von uns erfunden.