Wiederkehrende Analyse-Pipeline
Auf dieser Seite
Industrialisieren Sie Ihre Analysen mit ChatGPT
Eine einmalige Analyse ist in Ordnung. Es ist besser, sie jede Woche ohne Aufwand zu reproduzieren. In dieser Lektion erfahren Sie, wie Sie eine wiederkehrende Analyse-Pipeline erstellen: einen standardisierten Prozess, den Sie mit jedem neuen Datensatz erneut ausführen, ohne von vorne zu beginnen oder Ihre methodischen Entscheidungen neu zu entdecken.
Was ist eine Analyse-Pipeline
Eine Pipeline ist eine Abfolge von Schritten, die bei jeder Iteration wiederholt wird. Der Vorteil liegt nicht nur in der eingesparten Zeit. Durch das Festlegen der Schritte garantieren Sie, dass die Grafik dieser Woche wirklich mit der der letzten Woche vergleichbar ist, da sie auf dieselbe Weise erstellt wurde: dieselbe Regel zur Entfernung von Duplikaten, dieselbe Behandlung leerer Zeilen, derselbe Umfang. Ohne diese Disziplin könnte eine 5%-ige Variation lediglich die Spur einer unterschiedlich durchgeführten Bereinigung sein.
Erstellen Sie Ihren Pipeline-Prompt
Das Geheimnis einer effektiven Pipeline liegt in einem Master-Prompt, der die gesamte Logik der Analyse kodiert. Sie können leicht das richtige Maß an Präzision testen: Ihr Prompt muss so explizit sein, dass ein Kollege ihn an Ihrer Stelle ausführen kann, während Sie im Urlaub sind, einschließlich erwarteter Spalten und Warnschwellen.
WÖCHENTLICHE PIPELINE — UMSATZANALYSE
SCHREITT 1: VALIDIERUNG
- Prüfen Sie, dass die Datei die erwarteten Spalten enthält:
date, order_id, region, product, category, quantity, amount_excl_tax, amount_incl_tax
- Kennzeichnen Sie fehlende oder umbenannte Spalten
- Anzeigen: Anzahl der Zeilen, abgedeckter Zeitraum, erkannte Spalten
SCHREITT 2: BEREINIGUNG
- Duplikate basierend auf order_id entfernen
- Negative Beträge (Gutschriften, Retouren) isolieren und separat melden
- Daten in das Format YYYY-MM-DD konvertieren
- Zeilen entfernen, bei denen amount_incl_tax leer ist
SCHREITT 3: KPIs
- Gesamtumsatz (inkl. MwSt.)
- Anzahl der Bestellungen
- Durchschnittlicher Warenkorbwert
- Top 5 Produkte nach Umsatz
- Top 3 Regionen nach Umsatz
Jedes KPI mit Variation gegenüber der vorherigen Woche
SCHREITT 4: DIAGRAMME
- Tägliche Umsatzkurve (letzte 7 Tage)
- Balkendiagramm des Umsatzes nach Region
- Kreisdiagramm der Verteilung nach Kategorie
SCHREITT 5: WARNUNGEN
- Produkte, deren Umsatz um mehr als 20% gegenüber der vorherigen Woche gesunken ist
- Regionen unter 80% des wöchentlichen Ziels
- Volumen-Anomalien (>3 Standardabweichungen vom Mittelwert)
Format: Alles in einer einzigen Antwort, einschließlich Diagramme.
Jede Bereinigungsregel muss eine Geschäftsentscheidung sein, nicht eine Reflexaktion: Ein negativer Betrag ist oft eine Gutschrift, und die Umwandlung in einen Verkauf würde Ihren Umsatz aufblähen. Ebenso sind zwei Verkäufe desselben Produkts am selben Tag in derselben Region in der Regel zwei getrennte Verkäufe – daher Deduplizierung basierend auf der Bestellnummer.
Speichern und Wiederverwenden der Pipeline
Dieser Prompt ist nur dann wertvoll, wenn er über das Gespräch hinaus, in dem Sie ihn erstellt haben, erhalten bleibt. Custom GPTs, die lange für diese Rolle genutzt wurden, werden am 11. Dezember 2026 zugunsten von Plugins und Fähigkeiten eingestellt. Die einfachste Lösung ist nun Projects:
- Erstellen Sie ein Projekt namens “Wöchentlicher Umsatzbericht”
- Fügen Sie Ihren Pipeline-Prompt in die Projektanweisungen ein
- Öffnen Sie jeden Montag eine neue Konversation innerhalb des Projekts und hängen Sie die Datei der Woche an
- Prüfen Sie die Qualitätskontrollen, bevor Sie den Bericht lesen
Wenn Sie die Methode mit jemandem teilen müssen, der keinen Zugriff auf das Projekt hat, speichern Sie den Prompt in einer Textdatei, die Sie zusammen mit den Daten anhängen:
Die Datei pipeline_weekly.txt enthält meine Analyseanweisungen.
Führen Sie sie auf der angehängten Datendatei aus.
Eine geplante Aufgabe kann Sie an den Montagstermin erinnern; sie kann jedoch keine Dateien innerhalb eines Projekts zugreifen, sodass der Datenimport manuell bleibt.
Verwalten Sie die Historie
Eine Pipeline ohne Gedächtnis startet jede Woche bei Null und beraubt Sie jeglichen Vergleichs: Sie erhalten sieben aufeinanderfolgende Schnappschüsse, niemals einen Film. Daher pflegen Sie eine Verfolgungsdatei, die Sie bei jeder Iteration neu laden.
Nach der Analyse fügen Sie die KPIs dieser Woche
zur Historiendatei "kpis_history.csv" hinzu, die ich bereitstelle.
Die Spalten sind: week, total_revenue, num_orders, avg_basket.
Exportieren Sie die aktualisierte Datei.
Woche für Woche bereichert sich diese Historie, und Vergleiche gewinnen an Bedeutung. Nach sechs Monaten ist dieser kleine CSV mit wenigen Kilobyten mehr wert als jeder der isolierten Berichte, die ihn gespeist haben: Nur er ermöglicht es Ihnen zu sagen, dass ein Rückgang ein Wendepunkt ist, kein Zufall.
Automatisierte Qualitätskontrolle
Es bleibt ein inhärentes Risiko jeder automatisierten Analyse: die Erstellung eines makellosen Berichts aus einer unvollständigen Datei. Ein Export, der bei 80% unterbrochen wurde, eine fehlende Region, weil der Upload fehlgeschlagen ist, und Sie kommentieren ernsthaft einen Rückgang, der nicht existiert. Schutzmaßnahmen, die vor der Analyse platziert werden, neutralisieren dieses Szenario.
QUALITÄTSKONTROLLEN (vor der Analyse):
- Ist die Anzahl der Zeilen mit den vorherigen Wochen konsistent (±20%)?
- Sind alle erwarteten Regionen vorhanden?
- Decken die Daten genau 7 Tage ab?
- Überschreitet kein Betrag 100.000 € (Warnschwelle)?
Wenn eine Prüfung fehlschlägt: STOPP, zeigen Sie die Warnung an und warten Sie auf meine Bestätigung.
Die Stop-Anweisung ist der wichtigste Teil dieses Blocks. Ohne sie signalisiert ChatGPT das Problem höflich in einem Absatz und fährt dann mit der vollständigen Analyse fort – und diese Analyse, nicht die Warnung, werden Sie am Ende teilen.
Messen Sie die Zeiteinsparung
Messen Sie den Gewinn an Ihren eigenen Zahlen, statt ihn anzunehmen: Zeit eine manuelle Iteration – Import, Bereinigung, KPIs, Diagramme, Schreiben – dann eine Iteration mit der Pipeline, einschließlich der Verifikation. Die freigesetzte Zeit verschwindet nicht: Sie verschiebt sich auf den einzigen Teil, den die Maschine nicht für Sie erledigen wird, die Interpretation.
Ihre Reihe
Ihre erste Pipeline.
- Schreiben Sie Ihren Master-Prompt in fünf Schritten: Validierung, Bereinigung, KPIs, Diagramme, Warnungen
- Fügen Sie Qualitätskontrollen mit der Stop-Anweisung hinzu
- Erstellen Sie ein Projekt und fügen Sie den Prompt in seine Anweisungen ein
- Führen Sie sie auf der Datei der Woche zusammen mit der Historiendatei aus
- Zeit die Iteration, einschließlich der Verifikation, und vergleichen Sie sie mit der manuellen Methode
Offizielle Quellen: Projects in ChatGPT · Custom GPT retirement and migration FAQ · Scheduled tasks in ChatGPT · Data analysis with ChatGPT (OpenAI Help Center)
Wichtige Kernaussagen
- Eine Pipeline ist ein strukturierter Prompt, der die gesamte Logik Ihrer wiederkehrenden Analyse kodiert
- Speichern Sie Ihre Pipelines in Projektanweisungen: Custom GPTs werden am 11. Dezember 2026 eingestellt
- Integrieren Sie Qualitätskontrollen, um problematische Dateien vor der Analyse zu erkennen
- Pflegen Sie eine Historiendatei, um Vergleiche im Laufe der Zeit zu bereichern
- Messen Sie die Zeiteinsparung an Ihren eigenen Iterationen, einschließlich der Verifikation