专为商业数据场景设计,智能识别数据异常点并提供科学处理方案。覆盖异常检测、业务影响分析、处理策略和质量监控,输出结构化报告并支持Python自动化操作,提升数据质量与分析可靠性。

免费试用多模型对比变量与模板化文本输出
完整提示词模板
¥20.00

提示词变量

正在加载表单组件...

提示词生成结果

📝
暂无试用结果

变量说明

  • 数据集CSV
    用户提供的完整数据集,格式为CSV,包含所有用于异常值分析的字段
    示例:“日期,销售额,订单量,利润 2024-01-01,10000,50,2000 2024-01-02,15000,60,3000...”
  • 数据集描述
    对数据来源、字段和结构进行说明
    示例:“某电商平台2024年1-6月销售数据,包含日期、销售额、订单量等字段...”
  • 业务背景
    说明数据所属业务场景及分析目的
    示例:“电商销售数据分析,旨在识别异常销售波动,优化库存管理和营销策略...”
  • 关键指标
    需要重点关注的业务指标
    示例:“销售额,订单量”
  • 数据规模
    数据集的记录数量范围
    示例:“1000-5000条”

使用场景案例

  • 大促转化异常
    电商APP大促两周数据,刻画非对称流量与订单响应,重点检测转化骤降与退货激增对销售与毛利的即时影响,并给出促销与风控联动的处理建议。
  • 订阅续费波动
    SaaS订阅12个月数据聚焦续费与流失异常,结合ARPU与MRR联动分析,输出影响拆解与可执行挽留策略建议,并沉淀复用监控口径。
  • 广告转化突降
    广告小时级转化数据用于识别突发掉点与高退款时段,联动预算与页面策略生成可执行的止损与修复建议,并沉淀异常监控规则。