Natuurlijk! Hier is een prompt-template gericht op het verwerken en analyseren van datasets binnen het onderwerp financiële transacties en kwartaalresultaten: --- **Prompt-template voor data-analyse van financiële datasets** *Beschrijf de dataset:* - Type dataset (bijv. CSV, Excel, database): - Inhoud / onderwerp (bijv. financiële transacties, kwartaalresultaten): - Frequentie (bijv. maandelijks, kwartaal): - Belangrijke kolommen / variabelen: *Vraagstelling:* - Wat wil je precies weten of analyseren? (bijv. trendanalyse, afwijkingen, correlaties) *Specifieke wensen of eisen:* - Eventuele filters of segmentaties (bijv. per regio, productcategorie) - Specifieke analysemethoden of visualisaties (bijv. tijdreeksenanalyse, staafdiagrammen) *Aanvullende context of instructies:* - Eventuele beperkingen of aandachtspunten (bijv. datakwaliteit, ontbrekende waarden) --- **Voorbeeldgebruik voor een CSV-bestand met maandelijkse verkoopcijfers** *Beschrijf de dataset:* - Type dataset: CSV-bestand - Inhoud / onderwerp: Maandelijkse verkoopcijfers van producten - Frequentie: Maandelijks - Belangrijke kolommen: Datum, Productcategorie, Verkoopbedrag, Aantal verkocht, Regio *Vraagstelling:* - Analyseer de verkooptrends over het jaar en identificeer seizoenspatronen. - Bepaal welke regio's en productcategorieën het beste presteren. *Specifieke wensen of eisen:* - Filter op specifieke regio's of productcategorieën indien nodig. - Gebruik tijdreeksenanalyse en visualiseer de resultaten met lijngrafieken en bar charts. *Aanvullende context:* - Controleer op ontbrekende data en corrigeer indien nodig. - Focus op het identificeren van periodes met significante stijgingen of dalingen. --- **Waarom is deze aanpak effectief?** Deze gestructureerde aanpak helpt om de dataset helder te structureren en de juiste vragen te formuleren, waardoor de data-analyse gerichter en efficiënter wordt. Door vooraf de inhoud, vraagstellingen en wensen duidelijk te definiëren, kunnen analyses beter afgestemd worden op de bedrijfsdoelstellingen en worden inzichten sneller en accurater verkregen. Bovendien zorgt het gebruik van gerichte filters en visualisaties voor een diepgaandere interpretatie van de gegevens.

Zeker, hier is een prompt template specifiek ontworpen voor financiële transacties en kwartaalresultaten, gevolgd door een concreet voorbeeld: --- ### **Prompt Template voor Financiële Data-analyse** **Rol:** Je bent een ervaren data-analist gespecialiseerd in financiële datasets en bedrijfsresultaten. **Taak:** Analyseer de dataset en beantwoord de volgende vragen op basis van de beschikbare gegevens: 1. **Samenvatting:** Geef een overzicht van de totale omzet, gemiddelde maandelijkse verkopen, en hoogste/laagste verkoopmaand. 2. **Trendanalyse:** Identificeer seizoenspatronen of trends in de verkoopcijfers (bijv. pieken in specifieke kwartalen). 3. **Kwartaalresultaten:** Groepeer de maandelijkse data per kwartaal (Q1: Jan-Mrt, Q2: Apr-Jun, etc.) en bereken: - Totale kwartaalomzet - Groei/afname (%) ten opzichte van het vorige kwartaal - Vergelijking met dezelfde kwartalen in voorgaande jaren (indien data beschikbaar). 4. **Afwijkingen:** Signaleer uitschieters of onverwachte dips/spikes en suggereer mogelijke oorzaken. 5. **Visualisatie:** Lever indien mogelijk een suggestie voor een geschikte grafiek (bijv. lijndiagram voor trends, staafdiagram voor kwartaalvergelijking). **Dataset-specificaties:** - Bestandsformaat: [CSV/Excel/JSON] - Kolommen: [Lijst van kolomnamen, bijv. `Datum`, `Productcategorie`, `Omzet`, `Regio`] - Periode: [Startdatum] tot [Einddatum] **Outputvereisten:** - Gebruik duidelijke taal en ondersteun conclusies met cijfers. - Vermeld beperkingen (bijv. ontbrekende data). --- ### **Voorbeeldgebruik met CSV Maandelijkse Verkoopcijfers** **Prompt:** Je bent een ervaren data-analist gespecialiseerd in financiële datasets. Analyseer de volgende dataset en beantwoord de gestelde vragen: **Dataset:** - Bestandsformaat: CSV - Kolommen: `Maand` (formaat: JJJJ-MM), `Productcategorie`, `Omzet (EUR)`, `Regio` - Periode: Jan 2022 tot Dec 2023 **Vragen:** 1. Samenvatting: Totale omzet 2022 en 2023, gemiddelde maandelijkse omzet, topmaand per jaar. 2. Trendanalyse: Zijn er seizoenspatronen? Bijv. pieken in Q4? 3. Kwartaalresultaten: Bereken omzet per kwartaal voor 2022 en 2023 en vergelijk de groei per kwartaal jaar-op-jaar. 4. Afwijkingen: Zijn er maanden met abnormale dips/spikes? 5. Visualisatie: Welke grafiek raad je aan voor kwartaalvergelijking? **Outputvereisten:** - Conclusies onderbouwen met cijfers. - Vermeld of data volledig is. --- ### **Waarom deze aanpak effectief is** 1. **Gestructureerde analyse:** De template deelt de analyse op in logische componenten (samenvatting, trends, kwartalen, afwijkingen). 2. **Focus op financiële relevantie:** Kwartaalvergelijkingen en groeipercentages zijn cruciaal voor bedrijfsrapportages. 3. **Schaalbaar:** Werkt voor zowel kleine als grote datasets (bijv. meerdere jaren of productcategorieën). 4. **Actionable insights:** Signaleert niet alleen patronen maar ook afwijkingen met suggesties voor oorzaken. 5. **Visualisatie-ondersteuning:** Koppelt cijfermatige analyse aan visuele weergave voor duidelijkere presentatie. Deze aanpak is met name effectief omdat hij **herhaalbaar** is voor verschillende periodes of datasets, en zich richt op de kernvragen die stakeholders bij financiële resultaten hebben (bijv. "Hoe presteerde Q3 ten opzichte van vorig jaar?").