P
📊Analyse de donnéesIntermediateAll AIs

Write SQL queries for sales analysis

Generate optimized SQL queries for comprehensive sales data analysis based on your specific tables and needs.

Paste in your AI

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

Je travaille avec une base de données [TYPE_BDD] (PostgreSQL / MySQL / BigQuery / Snowflake) contenant les tables suivantes :

  • [TABLE_1] : [DESCRIPTION_TABLE_1] avec les colonnes [COLONNES_1]
  • [TABLE_2] : [DESCRIPTION_TABLE_2] avec les colonnes [COLONNES_2]
  • [TABLE_3] : [DESCRIPTION_TABLE_3] avec les colonnes [COLONNES_3]

J'ai besoin d'analyses sur [PERIODE] pour [OBJECTIF_ANALYSE].

Ecris les requêtes SQL pour :

  1. Le chiffre d'affaires total par [DIMENSION] avec variation vs période précédente
  2. Le top 10 des [ENTITE] (produits / clients / régions) par [METRIQUE]
  3. L'évolution mensuelle avec moving average sur [N] mois
  4. La cohorte de clients par mois d'acquisition et leur valeur cumulée
  5. La détection des anomalies (valeurs > 2 écarts-types de la moyenne)
  6. Un rapport récapitulatif avec toutes les métriques en une seule requête

Optimise les requêtes pour les performances et ajoute des commentaires explicatifs. Indique les index recommandés.

Personalize this prompt with Léa

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

Why this prompt works

<p>The prompt works because it specifies the exact database structure, enabling generation of directly usable queries. The request for optimization and comments ensures professional quality.</p>

Use Cases

Commercial performance analysisFinancial reporting for managementSales data quality audit

Expected Output

6 commented SQL queries, optimized for performance, with index 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

    Astuce : pour la détection d’anomalies, remplacez la moyenne mobile par une médiane glissante + écart interquartile (plus robuste aux outliers). Utilisez `PERCENTILE_CONT` avec une fenêtre de 30 jours. Adaptez au SGBD (`NTILE` ou `APPROX_QUANT

Glossary Terms

ContextEmbeddingFew-Shot PromptingFine-TuningGPTGuardrailsInferenceLLM

📬 Get new prompts every week

Join our newsletter and never miss a prompt.

Go further

Improve this prompt with the Optimizer

Analyze the prompt, strengthen the context and get a more precise version.

Prompt Engineering

Cross-model principles for writing more reliable prompts.

Similar Prompts

📊Analyse de donnéesIntermediateAll AIs

Statistical Power Analysis

Planning a statistical experiment

0104
📊Analyse de donnéesIntermediateAll AIs

Advanced Correlation Analysis

Understanding relationships between variables

0108
📊Analyse de donnéesAdvancedAll AIs

Design a simple ETL pipeline

Design a complete ETL pipeline with error handling, monitoring, and Python code for multi-source data integration.

0296
📊Analyse de donnéesAdvancedAll AIs

Comparative Case Law Analysis

Case Law Analysis

099