Промпт для анализа бизнес-метрик и написания Executive Summary

Задача: из таблицы цифр — в управленческий вывод

Каждый месяц аналитики и маркетологи тратят часы на то, чтобы превратить дашборд с цифрами в понятный текст для руководителя. Метрики есть, динамика видна — но сформулировать «что это значит и что делать» всё равно сложно.

Этот промпт решает именно эту задачу: вы вставляете сырые данные, модель выдаёт готовый executive summary с выводами, аномалиями и рекомендациями.

Для кого этот промпт

• Маркетологи — анализ рекламных кампаний, CAC, ROAS, конверсий
• Product-менеджеры — метрики продукта (DAU, retention, NPS, churn)
• Финансовые аналитики — P&L, выручка, маржинальность по сегментам
• Руководители проектов — еженедельные/ежемесячные отчёты для стейкхолдеров

Промпт работает с любым набором числовых данных — вставьте таблицу в CSV, JSON или просто перечислите цифры списком.

Промпт

Ты — старший бизнес-аналитик с 10-летним опытом подготовки управленческой отчётности.

Твоя задача — проанализировать предоставленные бизнес-данные и написать Executive Summary для руководителя.

<данные>
[ВСТАВЬ СЮДА ДАННЫЕ: таблицу, CSV, список метрик или краткое описание показателей]
</данные>

<контекст>
Период: [например, март 2026 vs февраль 2026]
Отрасль / продукт: [например, SaaS-платформа для HR]
Целевая аудитория отчёта: [например, CEO и совет директоров]
Ключевые цели периода: [например, рост MAU на 15%, снижение churn до 3%]
</контекст>

Структура ответа:

1. **Ключевые выводы (3-5 пунктов)** — самое важное одной фразой каждый
2. **Что сработало** — позитивные тренды с цифрами и объяснением причин
3. **Зоны риска** — аномалии, отклонения от плана, тревожные сигналы
4. **Рекомендации** — 3 конкретных действия на следующий период с обоснованием
5. **Метрики-светофор** — таблица: метрика | план | факт | статус (🟢/🟡/🔴)

Требования к тону:
- Пиши кратко и по делу — руководитель читает это за 2 минуты
- Избегай жаргона и технических терминов без объяснения
- Каждый вывод подкрепляй конкретной цифрой из данных
- Не придумывай данные — если чего-то нет в исходнике, напиши «данных недостаточно»

Пример результата

Входные данные (сокращённо):

Март 2026, SaaS-платформа:
- MAU: 12 400 (план 13 000, февраль: 11 800)
- Churn: 4.2% (план 3%, февраль: 3.8%)
- MRR: 4 680 000 руб (план 5 000 000, февраль: 4 420 000)
- NPS: 42 (февраль: 39)
- CAC: 3 200 руб (февраль: 3 600 руб)
- Новых клиентов: 480 (план 500)

Что выдаст модель:

Ключевые выводы:

1. MAU вырос на 5% м/м, но отстаёт от плана на 4.6% — нужна корректировка прогноза на Q2
2. Churn ускорился до 4.2% — критическое отклонение от цели (3%), требует немедленного внимания
3. MRR растёт (+6% м/м), но план не выполнен из-за оттока клиентов среднего сегмента
4. CAC снизился на 11% — маркетинг стал эффективнее, этот тренд нужно закрепить
5. NPS +3 пункта — улучшение удовлетворённости не останавливает отток (разрыв для исследования)

Метрики-светофор:

Рекомендации:

1. Запустить win-back кампанию для клиентов с низкой активностью (churn-риск) до 20 апреля
2. Провести exit-интервью с 20+ ушедшими клиентами — выяснить причины разрыва NPS/churn
3. Масштабировать текущий маркетинговый микс (CAC снижается) — увеличить бюджет на 15%

Схема работы промпта

flowchart LR
    A[Сырые данные\nтаблица / CSV / список] --> B[Промпт с контекстом\nпериод, цели, аудитория]
    B --> C{AI-модель\nClaude / GPT-4o}
    C --> D[Ключевые выводы\n3-5 пунктов]
    C --> E[Метрики-светофор\nплан vs факт]
    C --> F[Рекомендации\n3 действия]
    D --> G[Executive Summary\nготов к отправке]
    E --> G
    F --> G

Вариации и настройки

По типу данных

По модели

Советы по улучшению

1. Добавь прошлые периоды как контекст

Чем больше истории — тем точнее диагностика аномалий. Если у вас есть данные за 3-6 месяцев, вставьте их все: модель сама найдёт тренды и сезонность.

2. Укажи отраслевые бенчмарки

<бенчмарки>
Среднеотраслевой churn для B2B SaaS: 2-4% в месяц
Хороший NPS для SaaS: выше 40
</бенчмарки>

Это позволяет модели оценивать метрики не только относительно вашего плана, но и относительно рынка.

3. Итеративное уточнение

После первого ответа задайте уточняющие вопросы:

Теперь детализируй раздел "Зоны риска" — 
предложи гипотезы о причинах роста churn 
на основе имеющихся данных

4. Сохрани как шаблон в системном промпте

Если вы работаете с одним продуктом регулярно, перенесите контекстный блок (<контекст>) в системный промпт в интерфейсе Claude или ChatGPT — тогда каждый месяц нужно будет вставлять только свежие цифры.

Быстрый старт

1. Скопируй промпт из блока выше
2. Вставь свои данные вместо [ВСТАВЬ СЮДА ДАННЫЕ]
3. Заполни раздел <контекст> — период, продукт, аудитория, цели
4. Отправь в Claude, GPT-4o или любую доступную модель
5. Получи executive summary и при необходимости уточни отдельные разделы