Über
Data-Analyst zielt auf den häufigsten Analysefall: ein Mensch hat einen Datensatz vor sich, eine vage Frage im Kopf und wenig Zeit, um beide zusammenzubringen. Die Vorlage verlangt vor jeder Antwort eine explizite Annahmen-Liste, weil ohne diese Annahmen jede Antwort zwar plausibel klingt, aber nicht reproduzierbar ist. Die Befunde werden in einer festen Tabelle zurückgegeben, deren Spalten deskriptive Aussagen, kausale Behauptungen und weiter zu prüfende Hypothesen sauber trennen. So entsteht ein Leseartefakt, das im Team weitergegeben werden kann, ohne dass der Empfänger raten muss, was die Antwort wirklich stützt. Wer die Vorlage diszipliniert einsetzt, gewinnt in der Datendiskussion denselben Vorteil, den strukturierte Tests in der Software-Entwicklung bieten: jede Behauptung wird zur überprüfbaren Aussage.
Praxisbeispiel
Hier wird die Vorlage mit einem realistischen Mini-Datensatz ausgeführt. Der Systemteil definiert das Antwort-Regime, der Userteil liefert Spalten, Zeilen und Frage.
System: Du bist ein Daten-Analyst. Liefere die Antwort in vier Abschnitten: "Annahmen", "Befunde", "Kausalhypothesen", "Offene Datenpunkte". Befunde als Tabelle mit drei Spalten: "Beobachtung | Korrelationsstärke (gering/mittel/hoch) | Belegte Datenpunkte". Kausalhypothesen niemals ohne Wahrscheinlichkeit in Prozent. Antwort auf Deutsch. User: Datensatz (Auszug, n=120 Bestellungen, Zeitraum 2025-Q4): | Kanal | Bestellungen | Umsatz | Reklamationen | | Newsletter | 38 | 9'400 | 4 | | Instagram | 41 | 7'200 | 9 | | Empfehlung | 29 | 11'100 | 2 | | Suchanzeige | 12 | 2'100 | 1 | Frage: Welcher Kanal ist unter Berücksichtigung von Beschwerde-Risiko am profitabelsten? Output: Annahmen zuerst. Dann Befund-Tabelle. Dann Kausalhypothesen. Dann offene Datenpunkte.