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

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

📊Analyse de donnéesAdvancedAll AIs

Anomaly detection in data

Detect anomalies and outliers in a dataset with multiple statistical methods and severity scoring.

Paste in your AI

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

Je dois détecter des anomalies dans mon dataset [NOM_DATASET] contenant [NOMBRE_OBSERVATIONS] enregistrements et [NOMBRE_VARIABLES] variables. Les données représentent [DESCRIPTION] sur la période [PERIODE].

Type d'anomalies recherchées : [TYPE_ANOMALIES] (ex : fraudes transactions, pannes équipements, comportements clients inhabituels, erreurs de saisie)

Mets en place une détection d'anomalies complète :

Analyse univariée : Z-score et IQR pour identifier les valeurs aberrantes par variable
Analyse multivariée : Isolation Forest ou Local Outlier Factor pour les anomalies contextuelles
Analyse temporelle : détection des ruptures de série et des pics inhabituels
Règles métier : [REGLES_METIER] à implémenter comme filtres complémentaires
Scoring des anomalies avec niveau de sévérité (critique, warning, info)
Visualisation des anomalies détectées sur les dimensions clés
Recommandations pour investiguer les 10 anomalies les plus critiques

Seuil d'alerte souhaité : [SEUIL_FAUX_POSITIFS] (ex : 1% de faux positifs acceptable)
Outil : [OUTIL] (Python, SQL, Excel)

Explique comment ajuster la sensibilité du système.

Personalize this prompt with Léa

Léa rewrites this prompt for your job and your exact goal — 3 quick questions.

Why this prompt works

<p>The prompt is effective because it combines univariate, multivariate, and business rule methods, covering all possible types of anomalies. The severity scoring concept enables immediate prioritization of investigations.</p>

Use Cases

Transaction fraud detectionIndustrial quality monitoringAccounting data audit

Expected Output

Multi-method detection system with scored anomalies, visualizations, and investigation recommendations.

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 réduire les faux positifs, combinez Isolation Forest et LOF en un score moyen pondéré, puis ajustez le seuil de décision sur un échantillon labellisé. Pensez aussi à normaliser les variables avant l'analyse multivariée.