Bibliothèque de prompts

Prompts Analyse de données

Prompts pour travailler avec des données : écrire du SQL à partir d’un schéma, vérifier la qualité d’un jeu de données et expliquer un résultat.

Les prompts sont en anglais, la langue dans laquelle ils ont été écrits et testés. Les descriptions et les consignes de ces pages sont traduites.

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

Requête SQL à partir d’un schéma

Écrit une requête SQL pour une question, en utilisant uniquement les tables et colonnes du schéma que vous fournissez.

À utiliser quand : Vous savez ce que vous voulez demander aux données mais pas les jointures.

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>
Optimiser dans l’espace de travail

Variables

{{question}}
La question à laquelle répondre.
{{schema}}
Les instructions CREATE TABLE ou une liste de tables avec colonnes et types.
{{dialect}}
La base de données, par exemple PostgreSQL ou BigQuery.

Exemple d’entrée

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

Exemple de sortie

```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;
```

Illustratif : écrit pour montrer la forme attendue, non généré par un modèle.

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

Contrôle qualité d’un jeu de données

Examine un échantillon de données pour repérer valeurs manquantes, formats incohérents, doublons et valeurs aberrantes.

À utiliser quand : Avant une analyse ou un entraînement de modèle, quand vous devez savoir quoi nettoyer en premier.

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>
Optimiser dans l’espace de travail

Variables

{{sample}}
La ligne d’en-tête et au moins 20 lignes du jeu de données.
{{description}}
Ce que chaque colonne est censée contenir.

Exemple d’entrée

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.

Exemple de sortie

| 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 |

Illustratif : écrit pour montrer la forme attendue, non généré par un modèle.

Adaptez-le à votre cas

Modifiez les exigences selon vos normes, puis vérifiez le résultat. L’analyseur de prompts le renote pendant que vous tapez, l’optimiseur retire le remplissage sans perdre une exigence, et le scanner de sécurité repère secrets et données personnelles avant l’envoi à un modèle.

Autres catégories