¥
立即购买

本提示词旨在引导用户完成一次专业的季节性趋势分析。通过结构化步骤,帮助用户从特定数据集中识别并解读年度、季度、月度等周期性规律,生成包含方法论、可视化、统计结果与商业建议的完整分析报告,以支持数据驱动的决策制定。

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
¥25.00

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

  • 数据集描述
    详细描述待分析的数据集,包括数据字段、时间范围、数据粒度、数据量及可能的异常值情况。
    示例:“包含2020-2023年每日销售额、订单量、用户访问量等字段,时间跨度为3年,数据量约10万条,存在少量节假日缺失值。”
  • 业务领域
    数据所属的业务领域或行业。
    示例:“零售电商”
  • 核心分析目标
    本次季节性趋势分析希望达成的核心目标。
    示例:“识别销售高峰/低谷”
  • 外部影响因素
    可能影响数据季节性模式的外部因素。
    示例:“春节、国庆长假、618电商大促、极端天气”
  • 历史对比时段
    希望进行对比分析的具体历史时间段。
    示例:“对比2022年与2023年第三季度的数据”
  • 报告呈现偏好
    对最终分析报告呈现方式的偏好。
    示例:“侧重图表可视化”

使用场景案例

  • 电商旺季洞察
    针对快消电商年度与季度促销节奏,识别旺季/淡季与周内周期,量化促销拉动与自然季节性贡献,结合地区与品类差异给出库存与营销排期建议,并提供下一季需求预测区间、关键图表与可落地行动清单。
  • 酒店淡旺季
    面向连锁酒店,系统梳理淡旺季、城市与商圈差异、周末效应与假期冲击,输出入住率与ADR季节分解、需求预测、价格与配房策略,以及前台与客房人力排班建议,配套销售日历与关键图表说明。
  • 能源负荷季
    围绕电网负荷的年内冷热季与周内周期,拆解气温驱动的季节分量并量化峰谷差,提供月/周滚动负荷预测与置信区间,辅助机组检修安排与燃料采购优化,并评估节假日与政策对负荷的扰动幅度。

相关提示词模板推荐