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

Sugestões
Painel da API
Experimente o ChatGPT
Codex

Codex use case

Analise as causas de variações nos KPIs

Explique uma variação inesperada em uma métrica com base em evidências e indique os próximos passos.

Difficulty Intermediate
Time horizon 1h

Forneça ao ChatGPT painéis de KPIs, definições de métricas, dados exportados, recortes por segmento, informações sobre lançamentos e conversas com as partes interessadas. Depois, peça um relatório conciso de análise de causa raiz que cite as fontes e diferencie os fatores confirmados das hipóteses.

Best for

  • Equipes de produto, crescimento ou operações que investigam uma variação inesperada em um KPI.
  • Investigações de causa raiz que exigem recortes por segmento, coorte, canal, região ou produto.
  • Revisões que exigem uma distinção clara entre fatores confirmados e hipóteses plausíveis.

Contents

    ← All use cases

    Analise as causas de variações nos KPIs

    Explique uma variação inesperada em uma métrica com base em evidências e indique os próximos passos.

    Forneça ao ChatGPT painéis de KPIs, definições de métricas, dados exportados, recortes por segmento, informações sobre lançamentos e conversas com as partes interessadas. Depois, peça um relatório conciso de análise de causa raiz que cite as fontes e diferencie os fatores confirmados das hipóteses.

    Intermediate
    1h

    Forneça ao ChatGPT painéis de KPIs, definições de métricas, dados exportados, recortes por segmento, informações sobre lançamentos e conversas com as partes interessadas. Depois, peça um relatório conciso de análise de causa raiz que cite as fontes e diferencie os fatores confirmados das hipóteses.

    Intermediate
    1h

    Related links

    OpenAI Academy: equipes de ciência de dados Consulte dados tabulares

    Best for

    • Equipes de produto, crescimento ou operações que investigam uma variação inesperada em um KPI.
    • Investigações de causa raiz que exigem recortes por segmento, coorte, canal, região ou produto.
    • Revisões que exigem uma distinção clara entre fatores confirmados e hipóteses plausíveis.

    Skills & Plugins

    • Spreadsheets
      Examine os dados exportados, calcule as métricas por segmento e crie gráficos para embasar a análise.
    • Google Drive
      Consulte definições de métricas, painéis, informações sobre lançamentos e arquivos de origem aprovados.
    • Slack
      Verifique as informações relevantes fornecidas pelas partes interessadas e as mudanças recentes.
    • Documents
      Organize a análise em um relatório conciso para revisão, com fontes e ressalvas.
    Skill Why use it
    Spreadsheets Examine os dados exportados, calcule as métricas por segmento e crie gráficos para embasar a análise.
    Google Drive Consulte definições de métricas, painéis, informações sobre lançamentos e arquivos de origem aprovados.
    Slack Verifique as informações relevantes fornecidas pelas partes interessadas e as mudanças recentes.
    Documents Organize a análise em um relatório conciso para revisão, com fontes e ressalvas.

    Starter prompt

    Explique por que [KPI] variou durante [time window]. Use o material que eu fornecer, incluindo o painel do KPI, a definição da métrica, os dados exportados das fontes, os recortes por segmento, as informações sobre lançamentos ou campanhas e as conversas com as partes interessadas. Detalhe a variação por segmento, coorte, canal, região e área do produto, conforme a relevância de cada recorte. Apresente um relatório conciso de análise de causa raiz que inclua: - gráficos e variações relevantes - fatores confirmados que explicam a variação - hipóteses a investigar - ressalvas e problemas de qualidade dos dados - links para as fontes - perguntas em aberto - ações recomendadas Não trate correlação como prova de causalidade nem altere os dados de origem.
    LunaExtra high
    Explique por que [KPI] variou durante [time window]. Use o material que eu fornecer, incluindo o painel do KPI, a definição da métrica, os dados exportados das fontes, os recortes por segmento, as informações sobre lançamentos ou campanhas e as conversas com as partes interessadas. Detalhe a variação por segmento, coorte, canal, região e área do produto, conforme a relevância de cada recorte. Apresente um relatório conciso de análise de causa raiz que inclua: - gráficos e variações relevantes - fatores confirmados que explicam a variação - hipóteses a investigar - ressalvas e problemas de qualidade dos dados - links para as fontes - perguntas em aberto - ações recomendadas Não trate correlação como prova de causalidade nem altere os dados de origem.
    LunaExtra high

    Defina a métrica antes de explicar sua variação

    Uma análise de causa raiz começa com uma definição estável da métrica, um período de comparação e dados da fonte de referência. Antes de pedir ao ChatGPT que explique a variação, forneça a definição do KPI, o painel, os dados exportados e informações sobre lançamentos ou campanhas.

    1. Informe o KPI, o período de comparação, a direção esperada da variação e a decisão que a análise deve orientar.
    2. Anexe o painel, a definição da métrica, os dados exportados, os recortes por segmento e as informações de contexto relevantes.
    3. Peça ao ChatGPT que avalie a qualidade dos dados e sugira os recortes mais úteis para a análise.
    4. Execute o prompt inicial e analise os fatores confirmados separadamente das hipóteses.
    5. Valide as ações recomendadas com a pessoa responsável pela métrica antes de alterar um painel ou processo.

    Use gráficos para examinar a variação, mas não trate uma correlação observada em um segmento como prova de causalidade. Inclua no resumo os links para as fontes, as ressalvas e as questões em aberto.

    Questione a causa raiz

    Antes de enviar o resumo à liderança, peça ao ChatGPT que procure evidências em contrário e explicações alternativas.

    Examine criticamente o resumo da análise de causa raiz. Para cada fator confirmado ou hipótese, indique os seguintes elementos: - a fonte e o cálculo que sustentam a conclusão - uma evidência em contrário ou uma explicação alternativa - um segmento ou uma coorte em que a conclusão não se sustenta - uma limitação na qualidade dos dados - a próxima verificação que aumentaria a confiança na conclusão Altere a recomendação somente se as evidências justificarem a mudança e deixe todas as alterações visíveis.

    Related use cases

    Analise o feedback sobre o produto em várias ferramentas

    Forneça ao ChatGPT Work o feedback coletado no Slack, em questionários, em ferramentas de...

    Data Integrations

    Defina o escopo de uma solicitação de análise

    Compartilhe com o ChatGPT o pedido da parte interessada, o contexto do negócio, o glossário...

    Data Integrations

    Prepare um conjunto de relatórios para a liderança

    Forneça ao ChatGPT os relatórios anteriores, o resumo do progresso, os registros de...

    Data Integrations