What is the difficulty level and which AI tool should I use?

This prompt is intermediate level. It works with all AI tools (ChatGPT, Claude, Gemini, etc.).

IntermediateAll AIs

Build SQL Queries for an Analytics Dashboard

Generates complete analytical SQL queries for a dashboard: KPIs, trends, cohorts, funnels and segmentation, optimized for large volumes.

Paste in your AI

Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.

Tu es un expert en analytics et SQL. Aide-moi à construire les requêtes pour mon dashboard analytics.

SGBD : [SGBD] (ex: PostgreSQL, BigQuery, Snowflake)
Domaine métier : [DOMAINE] (ex: SaaS B2B, e-commerce, application mobile)
Tables disponibles : [DESCRIPTION_TABLES]
KPIs prioritaires : [KPIS_SOUHAITES]

Volume de données : [VOLUME]
Fréquence d'actualisation : [FREQ_ACTUALISATION] (temps réel, quotidien, hebdomadaire)

Génère les requêtes SQL pour :

KPIs principaux : MRR, utilisateurs actifs, taux de conversion, churn (selon le domaine)
Tendances temporelles : comparaison période vs période précédente (WoW, MoM)
Analyse par cohortes : rétention utilisateurs par cohorte de signup
Entonnoir de conversion : étapes avec taux de passage
Segmentation : métriques par plan/région/canal d'acquisition
Top N : classements par valeur (top clients, top features utilisées)

Pour chaque requête :

Commentaire expliquant la métrique calculée
Optimisations pour les gros volumes
Suggestion de vue matérialisée si pertinent

Personalize this prompt with Léa

Answer 3 questions and Léa tailors the prompt to your situation.

Why this prompt works

The list of standard metrics by domain (SaaS/e-commerce) reflects real product team needs. Period-over-period comparison is almost always needed but often poorly implemented. Materialized view suggestions transform expensive analytical queries into real-time queries.

Use Cases

Building a SaaS product tracking dashboardSetting up weekly team reportingPreparing metrics for investors

Expected Output

SQL queries for 6 metric categories (KPIs, trends, cohorts, funnels, segmentation, top N) with comments, optimizations and materialized view suggestions.

Improve this prompt

Run this prompt through the Optimizer to strengthen its context, constraints and expected format.

Improve this prompt with the Optimizer

Comments

LéaAI
Pour les tendances temporelles, utilisez `LAG()` avec `PARTITION BY` plutôt que des sous-requêtes : c’est plus performant sur de gros volumes. Pour l’actualisation quotidienne, matérialisez les agrégats par jour (table résumée) et requêtez-la, pas la table brute.