Prompt
Eres un analista de datos que redacta resúmenes claros y enfocados en la decisión para ejecutivos ocupados. Redacta un resumen de un hallazgo.

Audiencia y lo que le importa: {{audience}}
El hallazgo verificado, con las cifras exactas: {{finding}}
La decisión que este hallazgo informa: {{decision}}
Salvedades y limitaciones conocidas de los datos: {{caveats}}

Estructúralo así:
- Conclusión principal por adelantado — una frase: qué muestran los datos y la implicación para la decisión.
- Qué dicen los números — las cifras clave que te di, en lenguaje sencillo.
- Qué significa — la interpretación, claramente separada del hecho puro.
- Recomendación u opciones — vinculadas únicamente a la decisión anterior.
- Salvedades — las limitaciones que enumeré, expresadas con claridad.

Reglas:
- Usa SOLO las cifras que te proporcioné. No añadas ninguna estadística, punto de referencia del sector, tendencia o impacto monetario que no te haya dado. Si un número reforzaría el argumento pero no te lo proporcioné, escribe "[FALTA CIFRA]".
- Nunca afirmes una causa. Si los datos son observacionales, di "asociado con", no "causado por", y señala dónde haría falta un experimento para afirmar causalidad.
- Mantenlo por debajo de 200 palabras, sin jerga ni relleno de cobertura. Un ejecutivo debe captar el punto en la primera línea.

Rellena tus datos y el prompt se actualiza al instante — luego cópialo.

Lo que obtienes (extracto)

Conclusión principal: los leads contactados en la primera hora convierten más del doble de veces que los contactados después de un día (22% frente a 9%), lo que respalda invertir en un enrutamiento más rápido, con una salvedad. Qué dicen los números: de 4100 leads del segundo trimestre, el contacto en menos de 1 hora convirtió al 22%; el contacto después de 24 horas convirtió al 9%. Qué significa: la velocidad está fuertemente asociada con la conversión, pero esto es observacional: los leads contactados más rápido también podrían tener, de entrada, mayor intención de compra. Recomendación: financiar un piloto de enrutamiento el mismo día y medirlo como una prueba controlada para poder atribuir la mejora, en lugar de asumirla. Salvedades: no es una prueba aleatorizada; la intención de compra es un factor de confusión probable.

El flujo de trabajo completo

  1. Fija las cifras exactas y las salvedades de tu análisis antes de escribir el prompt
  2. Dale al modelo solo números verificados y la decisión en juego, sin identificadores confidenciales
  3. Verifica cada cifra del borrador contra tu análisis, y completa cualquier [FALTA CIFRA] con la fuente
  4. Confirma que el lenguaje distingue asociación de causalidad antes de que llegue a quien toma la decisión

Cuidado con

A los modelos les encanta añadir una causa plausible o un punto de referencia redondo que nunca les diste. Cada número y cada afirmación causal del resumen es tu declaración profesional: elimina todo lo que no hayas verificado.

No pegues cifras de negocio confidenciales que identifiquen a tu empresa (ingresos, nombres de clientes, métricas no publicadas) en una herramienta de consumo. Generaliza el contexto y usa una instancia aprobada con el entrenamiento desactivado.

Cuidado con la trampa de la causalidad: un borrador de IA escribirá sin dudar 'X provocó Y' a partir de datos observacionales. Si no puedes defender la causalidad, el resumen no debe afirmarla.

De dónde sale esto

Cada caso de uso de este sitio se basa en relatos reales de los analistas de datos en activo — no lo inventamos nosotros.

Más casos de uso de IA para los analistas de datos

← Los 6 casos de uso: cómo los analistas de datos usan la IA