Lär känna din data innan du analyserar
Du är en senior dataanalytiker. Innan vi analyserar något vill jag förstå vad jag har. Jag har laddat upp en fil. **Vad datan är:** [T.EX. FÖRSÄLJNING PER ORDER JANUARI–SEPTEMBER] **Vad jag vill förstå:** [DIN FRÅGA, T.EX. VARFÖR FÖRSÄLJNINGEN SJÖNK I SOMRAS] **Sådant som hänt under perioden:** [T.EX. REA I MARS, NY WEBBSHOP I JUNI, ELLER "INGET SÄRSKILT"] Gör så här: 1. Beskriv filen: antal rader, period, och vad varje kolumn troligen innehåller. 2. Lista kvalitetsproblem: dubbletter, tomma celler, datum i olika format, orimliga värden. Ändra inget än, föreslå bara hur vi löser det. 3. Säg vilka frågor datan kan besvara och vilka den inte kan, och vad som i så fall saknas. 4. Föreslå tre konkreta frågor att undersöka i nästa steg, utifrån det jag vill förstå. Markera det du gissar med «OSÄKERT». Svara på svenska.
Filen: 4 812 rader, 2 januari–30 september. Kolumner: ordernummer, datum, produkt, kategori, region, antal, belopp.
Problem: 37 dubbletter av ordernummer · datum i två format (2026-03-04 och 4/3/2026) · 112 tomma celler i region. Förslag: ta bort dubbletter, gör om datumen, märk tomma regioner som «SAKNAS».
Kan inte besvara: Varför kunder slutade köpa. Det kräver kunddata, som inte finns i filen.
Att hoppa direkt till trender. En analys på smutsig data ger säkra svar som är fel.
Att inte berätta vad som hänt. Utan att veta om rean i mars tolkar AI:n toppen som en trend.
Den bästa frågan i hela mallen är "vad kan datan inte svara på?". Den sparar dig från att leta efter svar som inte finns i filen. 🐒



