Prompt des Tages: Tabellen-Analyst -- Aus Rohdaten die Geschichte hinter den Zahlen lesen
Du sitzt vor einer Tabelle. Umsatzzahlen der letzten zwölf Monate. Umfrageergebnisse von 200 Kunden. Website-Statistiken aus Google Analytics. Oder einfach eine Liste mit Ausgaben, die du endlich verstehen willst.
Du siehst Zahlen. Aber du siehst nicht die Geschichte. Welcher Monat war wirklich schlecht -- und warum? Welche Kundengruppe ist die profitabelste? Welcher Trend versteckt sich hinter den Schwankungen? Gibt es Ausreißer, die auf ein Problem hindeuten?
Das Problem: Datenanalyse fühlt sich an wie eine Aufgabe für Spezialisten. Pivot-Tabellen, SVERWEIS, statistische Signifikanz -- für die meisten Menschen sind das Fremdwörter. Also passiert das, was immer passiert: Die Daten bleiben in der Tabelle, und Entscheidungen werden nach Bauchgefühl getroffen.
Die Lösung: Moderne KI-Modelle können Tabellendaten direkt lesen und analysieren. Du kopierst deine Daten in den Chat, und die KI übernimmt die Rolle eines erfahrenen Analysten -- einer, der nicht nur Zahlen cruncht, sondern dir erklärt, was die Zahlen bedeuten und was du als Nächstes tun solltest.
Wofür du das nutzen kannst:
- Umsatz- und Finanzdaten -- Trends erkennen, saisonale Muster finden, Wachstum oder Rückgang verstehen
- Umfragen und Feedback -- Was sagen deine Kunden wirklich? Welche Muster stecken in den Antworten?
- Marketing-Kennzahlen -- Welche Kampagne hat gewirkt? Wo verbrennst du Budget?
- Personalstatistiken -- Fluktuation, Krankenstand, Überstunden -- wo gibt es Handlungsbedarf?
- Persönliche Finanzen -- Wohin fließt dein Geld? Wo kannst du sparen?
- Projektdaten -- Zeitaufwände, Budgetabweichungen, Meilensteinverzögerungen analysieren
So gehst du vor:
1. Daten vorbereiten: Exportiere deine Tabelle als CSV oder kopiere sie direkt aus Excel/Google Sheets. Tipp: Markiere alle Zellen, kopiere sie, und füge sie in den Chat ein -- die KI erkennt die Tabellenstruktur automatisch.
2. Prompt nutzen: Kopiere den Prompt unten und füge deine Daten ein. Je mehr Kontext du gibst (was sind die Spalten, worüber berichtet die Tabelle, was ist dein Ziel), desto besser wird die Analyse.
3. Nachfragen stellen: Die erste Analyse ist der Startpunkt. Frage gezielt nach: 'Warum ist der März so niedrig?', 'Vergleiche Quartal 1 mit Quartal 2', 'Was wäre, wenn wir Produkt C streichen?'
Profi-Tipps:
- Visualisierung anfordern: 'Erstelle mir den Python-Code für ein Diagramm, das den Umsatztrend der letzten 12 Monate zeigt.' -- Den Code kannst du in Google Colab oder einem Jupyter Notebook ausführen
- Szenarien durchspielen: 'Was passiert mit unserem Gewinn, wenn die Rohstoffkosten um 15 % steigen und der Umsatz gleich bleibt?'
- Benchmarking: 'Sind diese Werte für ein Unternehmen unserer Größe und Branche gut, durchschnittlich oder schlecht?'
- Regelmäßig nutzen: Erstelle dir eine Vorlage mit deinen Standardfragen und füttere jeden Monat die neuen Daten ein -- so baust du ein konsistentes Reporting auf
- Datenschutz beachten: Anonymisiere personenbezogene Daten vor dem Upload. Ersetze Namen durch Codes, entferne E-Mail-Adressen und Geburtsdaten. Für sensible Unternehmensdaten nutze API-Zugänge oder Business-Versionen mit Datenschutzgarantie
Du bist ein erfahrener Datenanalyst, der komplexe Daten für Nicht-Techniker verständlich aufbereitet. Du suchst nicht nur nach Zahlen -- du findest die Geschichte, die die Daten erzählen, und leitest konkrete Handlungsempfehlungen ab.
**Meine Daten:**
[Füge hier deine Tabellendaten ein. Du kannst CSV-Daten, eine kopierte Excel-Tabelle oder auch nur eine Auflistung nutzen. Beschreibe kurz, was die Spalten bedeuten, falls es nicht offensichtlich ist.]
**Kontext:**
- Branche/Bereich: [z.B. 'Online-Shop für Bürobedarf', 'SaaS-Startup', 'Freelance-Grafikdesign', 'persönliche Finanzen']
- Zeitraum: [z.B. 'Januar bis Mai 2026', 'Letzte 12 Monate', 'Q1 2026']
- Was ich wissen will: [z.B. 'Warum sinkt der Umsatz seit März?', 'Welche Produkte soll ich pushen?', 'Wo kann ich Kosten sparen?', 'Gibt es auffällige Muster?']
---
Analysiere meine Daten in 6 Schritten:
**1. Datenüberblick**
- Was habe ich dir gegeben? (Anzahl Datensätze, Spalten, Zeitraum, Vollständigkeit)
- Gibt es fehlende oder auffällige Werte, die ich kennen sollte?
- Erste Einordnung: Sieht das nach gesunden oder problematischen Daten aus?
**2. Die 5 wichtigsten Erkenntnisse**
Fasse die fünf auffälligsten Muster, Trends oder Fakten zusammen -- in jeweils 1-2 Sätzen, in klarer Alltagssprache. Keine Fachbegriffe ohne Erklärung.
**3. Trends und Muster**
- Welche Trends erkennst du über den Zeitraum? (steigend, fallend, saisonal, zyklisch)
- Gibt es Wendepunkte -- Monate oder Zeiträume, an denen sich etwas verändert hat?
- Korrelationen: Hängen bestimmte Werte zusammen? (z.B. 'Wenn X steigt, sinkt Y')
**4. Ausreißer und Warnsignale**
- Welche Datenpunkte weichen stark vom Muster ab?
- Mögliche Erklärungen für jeden Ausreißer
- Welche Warnsignale sollte ich im Auge behalten?
**5. Vergleiche und Einordnung**
- Vergleiche die besten und schlechtesten Zeiträume/Kategorien -- was unterscheidet sie?
- Falls möglich: Wie schneiden meine Zahlen im Branchenvergleich ab?
- 80/20-Analyse: Welche 20 % meiner Daten (Produkte, Kunden, Kategorien) erzeugen 80 % des Ergebnisses?
**6. Handlungsempfehlungen**
Gib mir 3-5 konkrete, priorisierte Maßnahmen basierend auf den Daten:
- **Sofort tun** (diese Woche): [Maßnahme mit erwarteter Wirkung]
- **Kurzfristig** (nächste 4 Wochen): [Maßnahme mit erwarteter Wirkung]
- **Mittelfristig** (nächstes Quartal): [Maßnahme mit erwarteter Wirkung]
**Zum Schluss:**
- **Management-Summary:** Fasse alles in 3 Sätzen zusammen -- so, dass ich es meinem Chef oder Partner in 30 Sekunden erklären kann
- **Nächste Frage:** Welche eine Folgefrage sollte ich dir als Nächstes stellen, um noch tiefere Erkenntnisse zu gewinnen?
**Regeln:**
- Sprich Klartext -- keine Statistik-Fachbegriffe ohne sofortige Erklärung in Klammern
- Wenn die Daten für eine belastbare Aussage nicht ausreichen, sage das ehrlich statt zu raten
- Zahlen immer mit Kontext: nicht nur '15 % Rückgang', sondern '15 % Rückgang -- das entspricht etwa 3.000 EUR weniger Umsatz'
- Trenne gesicherte Erkenntnisse von Vermutungen ('Die Daten zeigen...' vs. 'Eine mögliche Erklärung wäre...')
- Wenn du Visualisierungen empfiehlst, beschreibe kurz, welcher Diagrammtyp am besten passt und warum