For the complete documentation index, see llms.txt. Markdown versions of documentation pages are available by appending .md to the page URL.
Navigation principale

Suggestions
API Dashboard
Essayer ChatGPT
Codex

Codex use case

Analyser les causes profondes d’un KPI

Expliquer une variation inattendue d’un indicateur à partir d’éléments probants et définir les prochaines actions.

Difficulty Intermédiaire
Time horizon 1 h

Fournissez à ChatGPT des tableaux de bord de KPI, des définitions d’indicateurs, des exports, des ventilations par segment, le contexte des lancements et les échanges entre les parties prenantes, puis demandez-lui de distinguer les facteurs confirmés des hypothèses dans une note de synthèse sur les causes profondes étayée par des sources.

Idéal pour

  • Équipes produit, croissance ou opérations qui étudient une variation inattendue d’un KPI.
  • Questions sur les causes profondes nécessitant une ventilation par segment, cohorte, canal, zone géographique ou produit.
  • Révisions où les facteurs confirmés doivent rester distincts des hypothèses plausibles.

Contents

    ← Tous les cas d’utilisation

    Analyser les causes profondes d’un KPI

    Expliquer une variation inattendue d’un indicateur à partir d’éléments probants et définir les prochaines actions.

    Fournissez à ChatGPT des tableaux de bord de KPI, des définitions d’indicateurs, des exports, des ventilations par segment, le contexte des lancements et les échanges entre les parties prenantes, puis demandez-lui de distinguer les facteurs confirmés des hypothèses dans une note de synthèse sur les causes profondes étayée par des sources.

    Intermédiaire
    1 h

    Fournissez à ChatGPT des tableaux de bord de KPI, des définitions d’indicateurs, des exports, des ventilations par segment, le contexte des lancements et les échanges entre les parties prenantes, puis demandez-lui de distinguer les facteurs confirmés des hypothèses dans une note de synthèse sur les causes profondes étayée par des sources.

    Intermédiaire
    1 h

    Liens connexes

    OpenAI Academy : équipes de data science Interroger des données tabulaires

    Idéal pour

    • Équipes produit, croissance ou opérations qui étudient une variation inattendue d’un KPI.
    • Questions sur les causes profondes nécessitant une ventilation par segment, cohorte, canal, zone géographique ou produit.
    • Révisions où les facteurs confirmés doivent rester distincts des hypothèses plausibles.

    Skills et plugins

    • Spreadsheets
      Examiner les exports d’indicateurs, effectuer les ventilations nécessaires et créer des graphiques à l’appui.
    • Google Drive
      Consulter les définitions d’indicateurs, les tableaux de bord, le contexte des lancements et les fichiers sources approuvés.
    • Slack
      Examiner les informations pertinentes provenant des parties prenantes ainsi que les changements récents.
    • Documents
      Présenter l’analyse dans une note de synthèse facile à examiner, avec les sources et les réserves.
    Skill Why use it
    Spreadsheets Examiner les exports d’indicateurs, effectuer les ventilations nécessaires et créer des graphiques à l’appui.
    Google Drive Consulter les définitions d’indicateurs, les tableaux de bord, le contexte des lancements et les fichiers sources approuvés.
    Slack Examiner les informations pertinentes provenant des parties prenantes ainsi que les changements récents.
    Documents Présenter l’analyse dans une note de synthèse facile à examiner, avec les sources et les réserves.

    Prompt de démarrage

    Expliquez pourquoi [KPI] a évolué au cours de [time window]. Utilisez le tableau de bord et la définition du KPI, les exports de données sources, les ventilations par segment, le contexte du lancement ou de la campagne ainsi que les échanges entre les parties prenantes que je vous fournis. Ventilez cette variation selon les dimensions pertinentes : segment, cohorte, canal, zone géographique et interface du produit. Produisez une note de synthèse sur les causes profondes comprenant : - les graphiques et les variations significatives - les facteurs confirmés - les hypothèses à étudier - les réserves et les problèmes de qualité des données - les liens vers les sources - les questions en suspens - les actions recommandées Ne considérez pas une corrélation comme une preuve et ne modifiez pas les données sources.
    Expliquez pourquoi [KPI] a évolué au cours de [time window]. Utilisez le tableau de bord et la définition du KPI, les exports de données sources, les ventilations par segment, le contexte du lancement ou de la campagne ainsi que les échanges entre les parties prenantes que je vous fournis. Ventilez cette variation selon les dimensions pertinentes : segment, cohorte, canal, zone géographique et interface du produit. Produisez une note de synthèse sur les causes profondes comprenant : - les graphiques et les variations significatives - les facteurs confirmés - les hypothèses à étudier - les réserves et les problèmes de qualité des données - les liens vers les sources - les questions en suspens - les actions recommandées Ne considérez pas une corrélation comme une preuve et ne modifiez pas les données sources.

    Définir l’indicateur avant d’expliquer son évolution

    L’analyse des causes profondes commence par une définition stable, une période de comparaison et des données de référence. Fournissez à ChatGPT la définition du KPI, le tableau de bord, les exports et le contexte associé aux lancements ou aux campagnes avant de lui demander d’expliquer cette évolution.

    1. Précisez le KPI, la période de comparaison, la tendance attendue et la décision que l’analyse doit éclairer.
    2. Joignez le tableau de bord, la définition de l’indicateur, les exports, les ventilations par segment et le contexte pertinent.
    3. Demandez à ChatGPT d’examiner la qualité des données et de proposer les ventilations les plus utiles.
    4. Exécutez le prompt initial et examinez séparément les facteurs confirmés et les hypothèses.
    5. Validez les actions recommandées avec le responsable de l’indicateur avant de modifier un tableau de bord ou un processus.

    Utilisez des graphiques pour faciliter l’examen de l’évolution, mais ne considérez pas une corrélation observée dans un segment comme une preuve de causalité. Faites figurer les liens vers les sources, les réserves et les questions en suspens dans la note de synthèse.

    Mettre la cause profonde à l’épreuve

    Demandez à ChatGPT de rechercher des éléments qui contredisent l’analyse et d’autres explications avant de transmettre la note de synthèse à la direction.

    Mettez à l’épreuve la note de synthèse sur les causes profondes. Pour chaque facteur confirmé ou chaque hypothèse, indiquez : - la source et le calcul qui l’étayent - les éléments qui contredisent ce constat ou une autre explication - le segment ou la cohorte où ce constat ne se vérifie pas - la limite liée à la qualité des données - la prochaine vérification qui renforcerait le niveau de confiance Ne modifiez la recommandation que si les éléments probants le justifient, et laissez toutes les modifications visibles.

    Cas d’utilisation associés

    Analyser les retours sur le produit dans différents outils

    Transmettez à ChatGPT Work des retours provenant de Slack, de questionnaires, d’outils de...

    Données Intégrations

    Préparer une revue d’activité

    Transmettez à ChatGPT les tableaux de bord des KPI, les classeurs de clôture, les...

    Données Intégrations

    Préparer un pack de reporting pour la direction

    Fournissez à ChatGPT le pack précédent, le bilan d’avancement, les tableaux de suivi des...

    Données Intégrations