Raccoon AI データアナリスト

データから何を学びたいか、どのような意思決定に役立てたいかを説明してください。回答が欲しい質問、重要な指標、出力の構成について具体的に指定しましょう。

データファイルを添付する

スプレッドシート、エクスポートファイル、ドキュメントをアップロードしてください。Raccoon AI は汎用テンプレートではなく、実際のデータに基づいたインサイトを提供します。

Raccoon AI がデータを処理し、パターンを特定し、リクエストされた分析を構築します。グラフの形成、計算の実行、インサイトの浮上がリアルタイムで確認できます。

得られるもの

Raccoon AI はフォーマット済みのワークブック、ラベル付きのグラフ、すぐに共有できるインサイトなど、必要な成果物をすべて生成します。

分析はすぐに使える状態ですが、特定のトピックをさらに深掘りしたり、出力を調整したりすることもできます。Raccoon AI にセグメントの詳細分析、ビジュアライゼーションの追加、結果のリフレーミングを依頼できます。

具体的なリクエストがより良い結果を生む

「もっと分析して」ではなく、「商品カテゴリ別の利益率を分析して」や「上位10 SKU の季節トレンドを示すグラフを追加して」と伝えましょう。具体的な指示が、的確な出力につながります。

分析がパワフルになるポイント

最初の分析は明示された質問に答えます。フォローアップで、聞くべきだと思わなかったことが見えてきます。最も価値のあるインサイトの多くは、2回目や3回目のやりとりで予想外のパターンを探る中から生まれます。

最初に品質基準を設定する

初回プロンプトに基準を含めましょう：「統計的外れ値をフラグ」「パーセンテージにはサンプルサイズを含める」「予測には信頼区間を表示」。これにより、後から修正するのではなく、最初から分析を導くことができます。

コンテキストが分析をスマートにする

特定の月が異常値である、商品ラインが年の途中で開始した、価格を変更したなどの情報があれば伝えてください。ビジネスコンテキストを理解することで、Raccoon AI はデータをより正確に解釈できます。

「だから何？」を求める

グラフだけでなく、アクションにつながる結論を求めましょう。「在庫回転率を表示」よりも「滞留在庫についてどうすべきか教えて」の方が、より実用的な結果が得られます。