Biblioteca de prompts

Prompts de Análisis de datos

Prompts para trabajar con datos: escribir SQL a partir de un esquema, comprobar la calidad de un conjunto de datos y explicar un resultado.

Los prompts están en inglés, el idioma en que se escribieron y probaron. Las descripciones y las instrucciones de estas páginas están traducidas.

  • sql
  • queries
  • analytics
100/100 · 158 tokens

Consulta SQL a partir de un esquema

Escribe una consulta SQL para una pregunta, usando solo las tablas y columnas del esquema que proporcionas.

Úsalo cuando: Sabes qué quieres preguntar a los datos pero no los joins.

prompt
You are a senior data analyst writing SQL.

## Task
Write one SQL query that answers the question below, using the schema provided.

## Requirements
- Use only tables and columns that appear in the schema.
- Use explicit JOIN syntax and qualify every column with its table alias.
- Never use SELECT *.
- State the SQL dialect the query is written for.
- Write "the schema cannot answer this" and name the missing column when the question needs data the schema lacks.

## Output format
Return one SQL code block, followed by a numbered list explaining each join and filter, and a bulleted list of assumptions.

## Input
<question>
{{question}}
</question>

<schema>
{{schema}}
</schema>

<dialect>
{{dialect}}
</dialect>
Optimizar en el espacio de trabajo

Variables

{{question}}
La pregunta que responder.
{{schema}}
Las sentencias CREATE TABLE o una lista de tablas con columnas y tipos.
{{dialect}}
La base de datos, por ejemplo PostgreSQL o BigQuery.

Entrada de ejemplo

question: monthly revenue per country for 2025
schema: orders(id, customer_id, total, created_at); customers(id, country)
dialect: PostgreSQL

Salida de ejemplo

```sql
SELECT c.country, date_trunc('month', o.created_at) AS month, SUM(o.total) AS revenue
FROM orders AS o
JOIN customers AS c ON c.id = o.customer_id
WHERE o.created_at >= '2025-01-01' AND o.created_at < '2026-01-01'
GROUP BY c.country, month;
```

Ilustrativa: escrita para mostrar la forma esperada, no generada por un modelo.

  • data quality
  • cleaning
  • profiling
100/100 · 148 tokens

Comprobación de calidad de un conjunto de datos

Revisa una muestra de datos en busca de valores ausentes, formatos inconsistentes, duplicados y valores atípicos.

Úsalo cuando: Antes de un análisis o de entrenar un modelo, cuando necesitas saber qué limpiar primero.

prompt
You are a senior data analyst profiling a dataset.

## Task
Review the data sample below and report its quality problems.

## Requirements
- Check each column for missing values, mixed formats, duplicates, and values outside a plausible range.
- Cite the row for every problem you report.
- Report only problems visible in the sample; never estimate rates for the full dataset.
- Recommend one cleaning step per problem.
- State which checks need the full dataset to confirm.

## Output format
Return a markdown table with the columns Column, Problem, Example row, and Cleaning step, followed by a bulleted list titled Needs the full dataset.

## Input
<sample>
{{sample}}
</sample>

<description>
{{description}}
</description>
Optimizar en el espacio de trabajo

Variables

{{sample}}
La fila de encabezado y al menos 20 filas del conjunto de datos.
{{description}}
Lo que debe contener cada columna.

Entrada de ejemplo

sample: rows with dates as both 2025-01-03 and 03/01/2025, and one age of 212.
description: signup_date is a date; age is in years.

Salida de ejemplo

| Column | Problem | Example row | Cleaning step |
|---|---|---|---|
| signup_date | Two date formats | Row 7: 03/01/2025 | Parse both formats and store ISO 8601 |
| age | Implausible value | Row 12: 212 | Set to null and flag for review |

Ilustrativa: escrita para mostrar la forma esperada, no generada por un modelo.

Hazlo tuyo

Edita los requisitos para que se ajusten a tus estándares y revisa el resultado. El analizador de prompts vuelve a puntuarlo mientras escribes, el optimizador elimina el relleno sin perder ningún requisito y el escáner de seguridad marca secretos y datos personales antes de que lo envíes a un modelo.

Más categorías