100-prompt-analytics-maturity-model

100 Prompt AI เปลี่ยน Data เป็น Decision ตาม Analytics Maturity Model

Gartner’s Analytics Maturity Model คือกรอบแนวคิด (Framework) ที่พัฒนาโดย Gartner เพื่อใช้วัด “ระดับความพร้อมและความสามารถด้านการใช้ข้อมูล (Analytics)” ขององค์กร ตั้งแต่ระดับพื้นฐานไปจนถึงระดับที่ใช้ AI และการคาดการณ์เชิงกลยุทธ์ได้

โมเดลนี้ช่วยตอบคำถามสำคัญว่า
👉 “องค์กรของคุณใช้ข้อมูลได้ลึกแค่ไหน และควรพัฒนาไปสู่ระดับถัดไปอย่างไร”


เลือกหัวข้ออ่าน

🧠 ภาพรวมของ Gartner’s Analytics Maturity Model

โมเดลนี้แบ่งออกเป็น 4 ระดับหลัก (4 Stages) โดยไล่จาก “ดูอดีต” → “เข้าใจเหตุผล” → “คาดการณ์อนาคต” → “แนะนำการตัดสินใจ”


📊 4 ระดับของ Analytics Maturity

1️⃣ Descriptive Analytics (What happened?)

👉 “เกิดอะไรขึ้น”

  • วิเคราะห์ข้อมูลย้อนหลัง

  • ใช้รายงาน (Reports), Dashboard

  • KPI, Summary, Trend

ตัวอย่าง:

  • ยอดขายเดือนนี้เท่าไร

  • ลูกค้าซื้ออะไรบ้าง

🔹 Tools:
Excel, BI Dashboard เช่น Power BI, Tableau

🔹 ข้อจำกัด:

  • รู้แค่ “ผลลัพธ์”

  • ยังไม่รู้ “สาเหตุ”

 


2️⃣ Diagnostic Analytics (Why did it happen?)

👉 “ทำไมถึงเกิด”

  • วิเคราะห์เชิงลึกหาสาเหตุ

  • Drill down / Correlation / Segmentation

  • Root Cause Analysis

ตัวอย่าง:

  • ทำไมยอดขายตก?

  • ลูกค้ากลุ่มไหนซื้อเยอะ?

🔹 เทคนิค:

  • RFM Analysis

  • Cohort Analysis

  • Funnel Analysis

🔹 Insight:
เริ่มเข้าใจ “Behavior”


3️⃣ Predictive Analytics (What will happen?)

👉 “จะเกิดอะไรขึ้น”

  • ใช้ Data + Model ทำนายอนาคต

  • Machine Learning

  • Forecasting

ตัวอย่าง:

  • ลูกค้าคนไหนจะเลิกซื้อ (Churn)

  • ยอดขายเดือนหน้าจะเป็นเท่าไร

🔹 Tools:

  • Python / ML Model

  • AI / Data Science

🔹 Value:
👉 เริ่ม “วางแผนล่วงหน้าได้”


4️⃣ Prescriptive Analytics (What should we do?)

👉 “ควรทำอะไร”

  • AI แนะนำการตัดสินใจ

  • Optimization

  • Simulation

ตัวอย่าง:

  • ควรยิง Ads แบบไหนถึงกำไรสูงสุด

  • ควรให้โปรโมชั่นอะไรกับลูกค้าคนนี้

🔹 Advanced:

  • AI Decision System

  • Recommendation Engine

🔹 Value:
👉 “ระบบช่วยคิดแทนมนุษย์”


🔥 สรุปทั้ง 4 ระดับแบบเข้าใจง่าย

Level คำถาม ความสามารถ Value
Descriptive เกิดอะไร Report มองอดีต
Diagnostic ทำไม วิเคราะห์ลึก เข้าใจเหตุผล
Predictive จะเกิดอะไร Forecast วางแผน
Prescriptive ควรทำอะไร AI แนะนำ ตัดสินใจ

 


🧩 จุดเด่นของ Gartner Model

1. เป็น “Data Journey”

ไม่ใช่แค่เทคโนโลยี แต่เป็นการพัฒนาองค์กรทั้งระบบ

2. เชื่อมกับ Business Value

ยิ่ง maturity สูง → ROI สูงขึ้น

3. ใช้เป็น Roadmap ได้จริง

องค์กรสามารถวางแผน “ไต่ระดับ” ได้


🏢 ตัวอย่างการใช้งานในธุรกิจจริง

🛍️ Retail / E-commerce

  • Level 1: ดูยอดขายสินค้า

  • Level 2: วิเคราะห์สินค้าขายดีเพราะอะไร

  • Level 3: ทำนายสินค้า Trending

  • Level 4: AI แนะนำสินค้าให้ลูกค้า

 


🏦 Banking / Insurance

  • Level 1: รายงานลูกค้า

  • Level 2: วิเคราะห์ Risk

  • Level 3: Predict Default

  • Level 4: แนะนำ Portfolio

 


🏥 Healthcare

  • Level 1: รายงานผู้ป่วย

  • Level 2: วิเคราะห์โรค

  • Level 3: Predict โรคล่วงหน้า

  • Level 4: AI แนะนำการรักษา

 


⚠️ ปัญหาที่องค์กรส่วนใหญ่เจอ

  • ติดอยู่ที่ Level 1–2

  • มี Data แต่ “ใช้ไม่เป็น”

  • ไม่มี Data Strategy

  • ไม่มีทีม Data / AI จริงจัง

 


🚀 Framework การพัฒนาองค์กร (จาก Gartner Model)

STEP 1: Data Foundation

  • เก็บข้อมูลให้ครบ (Single Source of Truth)

  • Data Governance

STEP 2: Insight Engine

  • BI Dashboard

  • Data Visualization

STEP 3: Predictive Layer

  • Machine Learning

  • Forecasting Model

STEP 4: Decision Intelligence

  • AI + Automation

  • Recommendation System

 


📌 Checklist การประเมินองค์กร

ลองถามตัวเอง:

  • มี Dashboard ที่ดูทุกวันไหม?

  • รู้ “เหตุผล” ของยอดขายหรือยัง?

  • เคยทำนายยอดขายไหม?

  • มี AI แนะนำการตัดสินใจหรือยัง?

 


🎯 Key Insight สำคัญ

  1. Data ไม่ได้มีค่า ถ้ายังไม่ใช้

  2. Insight ดีกว่า Data

  3. Prediction ดีกว่า Insight

  4. Decision ดีกว่า Prediction

👉 “องค์กรที่ชนะ = องค์กรที่ตัดสินใจได้ดีกว่า”


💡 3 คำถามสำคัญ

  1. วันนี้องค์กรของคุณอยู่ Level ไหน?

  2. Data ที่มี ถูกใช้ “แค่รายงาน” หรือ “สร้างเงิน”?

  3. ถ้ามี AI ช่วยตัดสินใจ จะเพิ่มกำไรได้เท่าไร?

 


🔥 One Thing ที่ควรเริ่มทันที

👉 สร้าง Dashboard กลางขององค์กร (Single Source of Truth)

เพราะถ้าข้อมูลยังไม่ชัด
👉 AI ก็จะ “คิดผิดตั้งแต่ต้น”


หมวด 1: Descriptive Analytics — วิเคราะห์ว่า “เกิดอะไรขึ้น”

1) สรุปภาพรวมสำหรับผู้บริหาร

อ้างอิงหลักการ: Descriptive Analytics — What happened?
เหมาะใช้เมื่อ: ต้องการสรุปภาพรวมข้อมูลให้ผู้บริหารเข้าใจเร็วในหน้าเดียว

Prompt:

คุณคือผู้เชี่ยวชาญด้านการวิเคราะห์ธุรกิจระดับอาวุโส

เป้าหมาย:
สรุปภาพรวมจากข้อมูลหรือชุดข้อมูลที่ฉันให้ โดยเน้นตอบคำถามว่า “เกิดอะไรขึ้น”

บริบท:
ฉันต้องการบทสรุปแบบผู้บริหารตามแนวคิด Descriptive Analytics ของ Gartner

งานที่ต้องทำ:
1. สรุปตัวชี้วัดสำคัญ
2. ชี้ให้เห็นตัวเลขที่เพิ่มขึ้น ลดลง หรือผิดปกติ
3. สรุป 5 ประเด็นสำคัญที่สุดจากข้อมูล
4. แยก “ข้อเท็จจริง” ออกจาก “การตีความ”
5. ปิดท้ายด้วยข้อสรุปสั้น ๆ สำหรับผู้บริหาร

รูปแบบผลลัพธ์:
– ส่วนที่ 1: Executive Summary
– ส่วนที่ 2: ตัวชี้วัดสำคัญ
– ส่วนที่ 3: การเปลี่ยนแปลงที่น่าสนใจ
– ส่วนที่ 4: 5 ข้อเท็จจริงสำคัญ
– ส่วนที่ 5: ข้อสรุปสำหรับผู้บริหาร

ข้อกำหนด:
– อย่าคาดเดาสาเหตุ
– ใช้เฉพาะข้อมูลที่ให้มา
– เขียนด้วยภาษาธุรกิจที่ชัดเจน
– หากข้อมูลไม่ครบ ให้ระบุว่าส่วนใดขาดหาย

ข้อมูล:
[วางข้อมูลที่นี่]

2) สรุปผล KPI รายช่วงเวลา

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการสรุปผล KPI รายวัน รายสัปดาห์ หรือรายเดือน

Prompt:

คุณคือผู้เชี่ยวชาญด้านการสรุปผล KPI

เป้าหมาย:
สรุปผลการดำเนินงานของ KPI และอธิบายว่าในช่วงเวลานี้ “เกิดอะไรขึ้น”

ให้ใช้แนวคิด Descriptive Analytics:
เน้นเฉพาะผลลัพธ์ แนวโน้ม และการเปลี่ยนแปลงของตัวชี้วัด

สิ่งที่ต้องทำ:
1. แสดง KPI ทั้งหมด พร้อมค่าปัจจุบัน เป้าหมาย ส่วนต่าง และสถานะ
2. ระบุ KPI ที่สูงกว่าเป้า ต่ำกว่าเป้า หรือทรงตัว
3. จัดอันดับ 3 KPI ที่ดีที่สุด และ 3 KPI ที่อ่อนที่สุด
4. สรุปภาพรวมผลการดำเนินงานด้วยภาษาธุรกิจที่เข้าใจง่าย

รูปแบบผลลัพธ์:
– ตาราง KPI
– จุดแข็ง
– จุดอ่อน
– สรุปภาพรวม
– คำถามต่อยอดที่ควรนำไปวิเคราะห์ต่อ

ข้อมูล:
[วางข้อมูล KPI ที่นี่]

3) สรุปผลงานยอดขายประจำงวด

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการสรุปยอดขายในช่วงเวลาหนึ่ง

Prompt:

คุณคือผู้ช่วยวิเคราะห์ข้อมูลการขาย

งาน:
วิเคราะห์ข้อมูลการขายและสรุปว่าในช่วงเวลานี้ “เกิดอะไรขึ้น”

ประเด็นที่ต้องวิเคราะห์:
– รายได้รวม
– จำนวนชิ้นขาย
– มูลค่าต่อบิลเฉลี่ย
– สินค้าขายดี
– ช่องทางขายที่ทำผลงานดี
– พื้นที่หรือสาขาที่ทำผลงานดี
– ความผันผวนที่ผิดปกติ

ผลลัพธ์ที่ต้องการ:
1. สรุปภาพรวมแบบเล่าเรื่อง
2. วิเคราะห์ตามช่วงเวลา
3. วิเคราะห์ตามสินค้า / ช่องทาง / พื้นที่
4. ระบุสิ่งผิดปกติที่น่าสนใจ

ข้อกำหนด:
– ให้สรุปเชิงพรรณนาเท่านั้น
– อย่าคาดเดาสาเหตุ
– ใช้ bullet points ได้ถ้าจำเป็น

ข้อมูล:
[วางข้อมูลการขาย]

4) สรุปพฤติกรรมลูกค้าเบื้องต้น

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการมองภาพรวมพฤติกรรมลูกค้า

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Customer Insights

จงสรุปข้อมูลพฤติกรรมลูกค้าตามแนวคิด Descriptive Analytics โดยตอบว่า “เกิดอะไรขึ้น”

โปรดวิเคราะห์:
– จำนวนลูกค้า
– ลูกค้าใหม่ vs ลูกค้าเดิม
– ความถี่ในการซื้อ
– ขนาดตะกร้าซื้อเฉลี่ย
– การใช้ช่องทางต่าง ๆ
– ระดับการมีส่วนร่วม
– สัญญาณการกลับมาซื้อซ้ำ

รูปแบบผลลัพธ์:
– ภาพรวมลูกค้า
– สรุปตัวชี้วัด
– ไฮไลต์ตามกลุ่มลูกค้า
– รูปแบบที่พบ
– ช่องว่างของข้อมูล

ข้อมูลนำเข้า:
[วางข้อมูลลูกค้า]

5) สรุปผลแคมเปญการตลาด

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการสรุปผลแคมเปญโดยยังไม่ลงลึกถึงสาเหตุ

Prompt:

คุณคือผู้วิเคราะห์ผลการตลาด

เป้าหมาย:
สรุปผลแคมเปญการตลาดโดยยึดแนวคิด Descriptive Analytics เท่านั้น

โปรดประเมิน:
– Reach
– Impressions
– CTR
– CPC
– Leads
– Conversions
– Cost per Lead
– ROAS หรือ ROI หากมี

ผลลัพธ์ที่ต้องการ:
1. สรุปภาพรวมแคมเปญ
2. ตัวชี้วัดที่ดีที่สุด
3. ตัวชี้วัดที่อ่อนที่สุด
4. ช่องทาง / ครีเอทีฟ / กลุ่มเป้าหมายที่ทำผลงานดีที่สุด
5. สรุปง่าย ๆ ว่าเกิดอะไรขึ้น

ข้อมูลแคมเปญ:
[วางข้อมูล]

6) สรุปผลงานรายสินค้า

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการดูว่าสินค้าไหนเด่นหรืออ่อน

Prompt:

คุณคือผู้วิเคราะห์ผลงานสินค้า

จงวิเคราะห์ข้อมูลสินค้าและสรุปว่า “เกิดอะไรขึ้น”

สิ่งที่ต้องครอบคลุม:
– สินค้าขายดีที่สุด
– สินค้าที่ผลงานต่ำ
– สัดส่วนยอดขายตามสินค้า
– กำไรขั้นต้นถ้ามี
– การเติบโตหรือถดถอยของแต่ละ SKU
– การเปลี่ยนแปลงของ Product Mix

รูปแบบผลลัพธ์:
– บทสรุปภาพรวม
– จัดอันดับสินค้า
– วิเคราะห์สัดส่วนยอดขาย
– ข้อสังเกตสำคัญ
– สินค้าที่ควรนำไปวิเคราะห์ต่อ

ข้อมูล:
[วางข้อมูล]

7) สรุปผลงานตามสาขา / พื้นที่

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการเปรียบเทียบผลงานสาขา เขต หรือภูมิภาค

Prompt:

คุณคือผู้วิเคราะห์ผลการดำเนินงานเชิงพื้นที่

ฉันต้องการสรุปผลตามสาขาหรือภูมิภาคแบบ Descriptive Analytics

โปรดวิเคราะห์:
– ยอดขาย
– จำนวนลูกค้าเข้าใช้บริการ
– อัตราแปลงยอดขาย
– Productivity
– มูลค่าต่อรายการเฉลี่ย
– อันดับสาขา
– สาขาที่เป็น outlier

รูปแบบผลลัพธ์:
– สรุปภาพรวม
– สาขาที่เด่นที่สุด
– สาขาที่อ่อนที่สุด
– เปรียบเทียบตามภูมิภาค
– ข้อค้นพบเชิงข้อเท็จจริง

ข้อกำหนด:
– ยังไม่ต้องอธิบายสาเหตุ

ข้อมูล:
[วางข้อมูล]

8) เขียนคำอธิบายรายงาน Dashboard รายสัปดาห์

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: มี dashboard แล้ว แต่อยากให้ AI ช่วยเขียนสรุป

Prompt:

คุณคือผู้ช่วยเขียนคำอธิบาย Dashboard ธุรกิจ

จากตัวเลขบน Dashboard ที่ฉันให้ ช่วยเขียนสรุปรายสัปดาห์ในรูปแบบ Descriptive Analytics

ข้อกำหนด:
1. อธิบายว่าตัวเลขใดเปลี่ยนจากสัปดาห์ก่อน
2. ชี้ให้เห็นการเปลี่ยนแปลงที่สำคัญ
3. ระบุรูปแบบหรือแนวโน้มที่มองเห็นได้
4. ใช้ภาษาสำหรับผู้บริหาร
5. ความยาวไม่เกิน 400 คำ

ข้อมูล Dashboard:
[วางข้อมูล]

9) เปรียบเทียบแนวโน้มตามช่วงเวลา

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการเทียบ MoM / QoQ / YoY

Prompt:

คุณคือผู้ช่วยวิเคราะห์แนวโน้ม

ช่วยเปรียบเทียบข้อมูลระหว่างช่วงเวลาและสรุปว่า “เกิดอะไรขึ้น”

โปรดเปรียบเทียบ:
– งวดปัจจุบันเทียบงวดก่อน
– งวดปัจจุบันเทียบช่วงเดียวกันของปีก่อน
– การเปลี่ยนแปลงเชิงจำนวน
– การเปลี่ยนแปลงเชิงเปอร์เซ็นต์
– จุดเปลี่ยนของแนวโน้มที่สำคัญ

รูปแบบผลลัพธ์:
– สรุปการเปรียบเทียบ
– ตารางการเปลี่ยนแปลง
– สิ่งที่ดีขึ้นมากที่สุด
– สิ่งที่แย่ลงมากที่สุด
– ข้อสังเกตกลาง ๆ ที่ควรรับรู้

ข้อมูล:
[วางข้อมูล]

10) สร้างรายงานสรุปเชิงพรรณนา

อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการรายงานสรุปอย่างเป็นทางการ

Prompt:

คุณคือที่ปรึกษาด้านการเขียนรายงานธุรกิจ

ช่วยจัดทำรายงานสรุปเชิง Descriptive Analytics จากข้อมูลด้านล่าง

หัวข้อที่ต้องมี:
1. วัตถุประสงค์ของรายงาน
2. ขอบเขตของข้อมูล
3. สรุปผลลัพธ์หลัก
4. ตัวชี้วัดสำคัญ
5. ข้อสังเกตเรื่องแนวโน้ม
6. จุดผิดปกติที่น่าสนใจ
7. คำถามต่อยอดที่ควรวิเคราะห์ต่อ

โทนภาษา:
เป็นมืออาชีพ กระชับ เหมาะสำหรับผู้บริหาร

ข้อมูล:
[วางข้อมูล]


หมวด 2: Diagnostic Analytics — วิเคราะห์ว่า “ทำไมถึงเกิดขึ้น”

11) ค้นหาสาเหตุหลักของปัญหา

อ้างอิงหลักการ: Diagnostic Analytics — Why did it happen?
เหมาะใช้เมื่อ: ต้องการเริ่มหาสาเหตุของปัญหาหรือความเปลี่ยนแปลง

Prompt:

คุณคือผู้เชี่ยวชาญด้านการวิเคราะห์สาเหตุ

เป้าหมาย:
ระบุสาเหตุที่เป็นไปได้ของการเปลี่ยนแปลงในผลการดำเนินงานจากข้อมูลที่ให้

ให้ใช้แนวคิด Diagnostic Analytics:
ขยับจาก “เกิดอะไรขึ้น” ไปสู่ “น่าจะเกิดจากอะไร”

งานที่ต้องทำ:
1. ระบุปัญหาหรือการเปลี่ยนแปลงหลัก
2. ลิสต์ปัจจัยที่อาจมีส่วนเกี่ยวข้อง
3. แยกสิ่งที่มีหลักฐานรองรับชัดเจน กับสิ่งที่ยังเป็นข้อสมมติ
4. แสดงความสัมพันธ์ระหว่างตัวแปรถ้ามองเห็นได้
5. ระบุว่าควรตรวจข้อมูลอะไรเพิ่มเพื่อยืนยันสาเหตุ

รูปแบบผลลัพธ์:
– ปัญหาหลัก
– สาเหตุที่เป็นไปได้
– หลักฐานที่รองรับ
– ระดับความมั่นใจ
– ข้อมูลที่ควรเช็กต่อ

ข้อมูล:
[วางข้อมูล]

12) วิเคราะห์ว่ายอดขายตกเพราะอะไร

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: ยอดขายลดลงและอยากหาสาเหตุ

Prompt:

คุณคือผู้วิเคราะห์เชิงพาณิชย์

ช่วยวิเคราะห์ว่าทำไมยอดขายจึงลดลงจากข้อมูลด้านล่าง

โปรดตรวจสอบปัจจัยที่เป็นไปได้ เช่น:
– Traffic ลดลง
– Conversion ลดลง
– ราคามีการเปลี่ยนแปลง
– สินค้าขาดสต็อก
– Channel Mix เปลี่ยน
– คู่แข่งมีผลกระทบ
– Seasonality
– สัดส่วนลูกค้าเปลี่ยนไป

รูปแบบผลลัพธ์:
– สรุปปัญหา
– สาเหตุที่เป็นไปได้ เรียงตามความน่าจะเป็น
– หลักฐานประกอบแต่ละสาเหตุ
– สิ่งที่ควรตรวจสอบเพิ่ม

ข้อมูล:
[วางข้อมูล]

13) วิเคราะห์ปัญหา Conversion ต่ำ

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: Funnel มีจุดรั่วหรือ conversion ลดลง

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Funnel Diagnostics

ฉันต้องการวิเคราะห์ว่าเหตุใด Conversion จึงเปลี่ยนแปลง

โปรดวิเคราะห์:
– คุณภาพของ Traffic
– พฤติกรรมบน Landing Page
– จุดที่คนหลุดจาก Funnel
– ความน่าสนใจของข้อเสนอ
– ความเหมาะสมของช่องทาง
– ความตรงกลุ่มของ Audience
– ปัญหาในขั้นตอนปิดการขาย หากเกี่ยวข้อง

ผลลัพธ์ที่ต้องการ:
1. สรุป Funnel
2. จุดที่รั่วมากที่สุด
3. สมมติฐานว่าทำไมจึงเกิดขึ้น
4. พื้นที่ที่ควรตรวจสอบเป็นลำดับแรก

ข้อมูล:
[วางข้อมูล Funnel]

14) วิเคราะห์สาเหตุลูกค้าหลุด

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: ลูกค้าเลิกซื้อ ลดการใช้งาน หรือ churn สูงขึ้น

Prompt:

คุณคือผู้เชี่ยวชาญด้านการรักษาฐานลูกค้า

งาน:
วิเคราะห์ว่าทำไมลูกค้าจึงมีแนวโน้มหลุดหาย

โปรดประเมิน:
– รูปแบบการ churn ตาม segment
– ระยะเวลาก่อนลูกค้าหลุด
– การเปลี่ยนแปลงพฤติกรรมใช้งาน
– แนวโน้มข้อร้องเรียน
– ปัญหาด้านบริการ
– ปัญหาด้านราคา
– ระดับ engagement ที่ลดลง
– ตัวเลือกจากคู่แข่ง หากมีข้อมูล

ผลลัพธ์:
– สรุปสถานการณ์ churn
– ปัจจัยที่น่าจะเป็นสาเหตุ
– การวิเคราะห์ราย segment
– สัญญาณเตือน
– คำถามที่ควรใช้ตรวจสอบต่อ

ข้อมูล:
[วางข้อมูล]

15) วิเคราะห์สาเหตุแคมเปญผลงานไม่ดี

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: แคมเปญไม่ถึงเป้าและต้องการเข้าใจสาเหตุ

Prompt:

คุณคือผู้เชี่ยวชาญด้านวิเคราะห์แคมเปญดิจิทัล

ช่วยวิเคราะห์ว่าทำไมแคมเปญนี้จึงทำผลงานต่ำกว่าที่คาด

โปรดตรวจสอบ:
– การกำหนดกลุ่มเป้าหมาย
– ประสิทธิภาพครีเอทีฟ
– ความเหมาะสมของช่องทาง
– ความตรงกันระหว่างข้อความกับข้อเสนอ
– จุดเสียดทานใน Funnel
– การจัดสรรงบ
– จังหวะเวลา
– ความถูกต้องของ Tracking / Data

ผลลัพธ์:
– อาการของปัญหาหลัก
– สาเหตุที่เป็นไปได้มากที่สุด
– หลักฐานที่รองรับจากตัวเลข
– แนวทางแก้ไขที่ควรทดสอบก่อน

ข้อมูลแคมเปญ:
[วางข้อมูล]

16) วิเคราะห์ว่าสินค้าบาง SKU ขายไม่ออกเพราะอะไร

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: มีสินค้าบางตัวผลงานตกกว่าตัวอื่นชัดเจน

Prompt:

คุณคือผู้วิเคราะห์สินค้าค้าปลีก

ช่วยวิเคราะห์ว่าสินค้าหรือ SKU ใดกำลังทำผลงานต่ำ และน่าจะเกิดจากอะไร

โปรดพิจารณาปัจจัย เช่น:
– การตั้งราคา
– การมองเห็นบนชั้นวาง
– การสนับสนุนโปรโมชัน
– ปัญหาสต็อกขาด
– ความไม่ตรงกับตลาด
– ปัญหาด้านแพ็กเกจจิ้ง
– การรับรู้ของลูกค้า
– การกระจายสินค้า

ผลลัพธ์:
– รายชื่อ SKU ที่อ่อน
– สมมติฐานสาเหตุหลัก
– สัญญาณสนับสนุน
– ข้อมูลที่ควรเก็บเพิ่มเพื่อยืนยัน

ข้อมูล:
[วางข้อมูล]

17) วิเคราะห์ช่องว่างผลงานระหว่างสาขา

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: บางสาขาทำได้ดีมาก แต่บางสาขาอ่อนมาก

Prompt:

คุณคือที่ปรึกษาด้านวิเคราะห์ผลงานสาขา

เปรียบเทียบสาขาที่ดีและสาขาที่อ่อน เพื่อวิเคราะห์ว่าช่องว่างเกิดจากอะไร

โปรดประเมิน:
– Traffic
– Staffing
– Conversion
– Product Mix
– ความต้องการของพื้นที่
– คุณภาพการปฏิบัติงาน
– โปรโมชั่น
– ระดับการบริการ

ผลลัพธ์:
– สรุปช่องว่างหลัก
– สาเหตุที่เป็นไปได้มากที่สุด
– ตารางเปรียบเทียบสาขา
– ประเด็นที่ควรตรวจสอบต่อ

ข้อมูล:
[วางข้อมูล]

18) วิเคราะห์สาเหตุข้อร้องเรียนพุ่ง

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: จำนวน complaint เพิ่มขึ้นแบบผิดปกติ

Prompt:

คุณคือผู้เชี่ยวชาญด้านคุณภาพบริการ

ช่วยวิเคราะห์ว่าทำไมข้อร้องเรียนของลูกค้าจึงเพิ่มขึ้น

โปรดวิเคราะห์:
– หมวดหมู่ของข้อร้องเรียน
– ช่วงเวลาที่เกิด
– สินค้าหรือบริการที่เกี่ยวข้อง
– กลุ่มลูกค้าที่ได้รับผลกระทบ
– สาขาหรือช่องทางที่มีปัญหามาก
– เหตุการณ์การปฏิบัติงาน
– ปัญหาด้านคนหรือกระบวนการ

ผลลัพธ์:
– สรุปสถานการณ์
– สาเหตุที่เป็นไปได้
– หลักฐานรองรับ
– ประเด็นเร่งด่วนที่ควรตรวจทันที

ข้อมูล:
[วางข้อมูล]

19) วิเคราะห์ความคลาดเคลื่อนระหว่างแผนกับผลจริง

อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: ผลลัพธ์จริงต่างจากแผน เป้า หรือ Budget

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Variance Analysis

ช่วยอธิบายว่าทำไมผลลัพธ์จริงจึงต่างจากแผน เป้าหมาย หรือ Budget

โปรดแยกการวิเคราะห์ตาม:
– ปริมาณ
– ราคา
– Product Mix
– Productivity
– จังหวะเวลา
– ช่องทาง
– พื้นที่
– ปัจจัยการปฏิบัติงาน

ผลลัพธ์:
– สรุปส่วนต่างรวม
– ปัจจัยที่ทำให้เกิดส่วนต่าง
– สิ่งที่ควบคุมได้ vs ควบคุมไม่ได้
– ประเด็นที่ผู้บริหารควรจับตา

ข้อมูล:
[วางข้อมูล Plan vs Actual]

20) วิเคราะห์ปัญหาด้วย 5 Whys

อ้างอิงหลักการ: Diagnostic Analytics + 5 Whys
เหมาะใช้เมื่อ: ต้องการหาต้นตอของปัญหาอย่างเป็นระบบ

Prompt:

คุณคือผู้อำนวยความสะดวกด้านการแก้ปัญหา

ช่วยวิเคราะห์ปัญหาด้านล่างด้วยหลัก 5 Whys โดยอ้างอิงข้อมูลที่ให้

คำสั่ง:
1. นิยามปัญหาให้ชัดเจน
2. ไล่ถาม “ทำไม” 5 ชั้น
3. ในแต่ละชั้น ให้แยก ข้อเท็จจริง / การอนุมาน / ข้อสมมติ
4. ระบุ root cause ที่น่าจะเป็นมากที่สุด
5. ระบุหลักฐานที่ต้องมีเพื่อยืนยัน

ปัญหา:
[อธิบายปัญหา]

ข้อมูลประกอบ:
[วางข้อมูล]


หมวด 3: Predictive Analytics — วิเคราะห์ว่า “จะเกิดอะไรต่อไป”

21) สร้างประมาณการยอดขาย

อ้างอิงหลักการ: Predictive Analytics — What will happen?
เหมาะใช้เมื่อ: ต้องการ forecast ยอดขายในอนาคต

Prompt:

คุณคือผู้เชี่ยวชาญด้านการพยากรณ์ยอดขาย

เป้าหมาย:
คาดการณ์ยอดขายในอนาคตจากข้อมูลในอดีตและบริบทธุรกิจ

โปรด:
1. ประมาณการยอดขายในช่วง [ระบุช่วงเวลา]
2. วิเคราะห์แนวโน้ม Seasonality และความผิดปกติ
3. สร้าง 3 ฉากทัศน์: Base Case / Optimistic Case / Conservative Case
4. ระบุสมมติฐานให้ชัดเจน
5. ชี้ความเสี่ยงที่ทำให้ Forecast คลาดเคลื่อน

รูปแบบผลลัพธ์:
– สรุป Forecast
– ตารางประมาณการแบบ 3 ฉากทัศน์
– สมมติฐานหลัก
– ปัจจัยเสี่ยง
– ระดับความมั่นใจ

ข้อมูลในอดีต:
[วางข้อมูล]
บริบทธุรกิจ:
[วางบริบท]

22) คาดการณ์ความต้องการของลูกค้า

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการประมาณ demand ล่วงหน้า

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Demand Forecasting

ช่วยคาดการณ์ความต้องการของลูกค้าสำหรับช่วง [ระบุช่วงเวลา]

ให้ใช้ข้อมูลต่อไปนี้:
– ปริมาณในอดีต
– Seasonality
– โปรโมชั่น
– แนวโน้มลูกค้า
– การเปลี่ยนแปลงของช่องทาง
– เหตุการณ์ทางธุรกิจที่เกี่ยวข้อง

ผลลัพธ์ที่ต้องการ:
– Demand ที่คาดการณ์
– ปัจจัยที่มีผลต่อ Forecast
– ฉากทัศน์สูง / กลาง / ต่ำ
– ส่วนที่มีความไม่แน่นอนสูง

ข้อมูล:
[วางข้อมูล]

23) ทำนายกลุ่มลูกค้าที่เสี่ยงจะหลุด

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: อยากรู้ว่าลูกค้ากลุ่มไหนมี churn risk สูง

Prompt:

คุณคือผู้เชี่ยวชาญด้านการทำนายความเสี่ยงลูกค้าหลุด

จากข้อมูลและพฤติกรรมลูกค้าที่ให้ ช่วยประเมินว่าลูกค้ากลุ่มใดมีความเสี่ยงจะเลิกซื้อหรือเลิกใช้งานสูงที่สุด

โปรด:
1. ระบุสัญญาณล่วงหน้าของการ churn
2. จัดอันดับ segment ตามความเสี่ยง
3. อธิบายเหตุผลว่าทำไมแต่ละกลุ่มจึงมีความเสี่ยงสูง/กลาง/ต่ำ
4. เสนอ warning signs ที่ควรติดตาม

ผลลัพธ์:
– การจัดอันดับความเสี่ยง
– เหตุผลประกอบ
– สัญญาณเตือน
– คำแนะนำในการเฝ้าระวัง

ข้อมูล:
[วางข้อมูล]

24) คาดการณ์การปิดการขายจาก Leads

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการ forecast pipeline และยอดปิด

Prompt:

คุณคือผู้วิเคราะห์ Revenue Pipeline

ช่วยคาดการณ์ผลลัพธ์การเปลี่ยน Lead เป็นยอดขาย จากข้อมูลในอดีตและสถานะ pipeline ปัจจุบัน

โปรดวิเคราะห์:
– จำนวน Leads
– คุณภาพของ Leads
– การเคลื่อนตัวในแต่ละ Funnel Stage
– ระยะเวลาปิดการขาย
– Conversion ย้อนหลัง
– คุณภาพของแต่ละแหล่งที่มา

ผลลัพธ์:
– จำนวน conversion ที่คาดการณ์
– รายได้ที่คาดว่าจะเกิด
– ฉากทัศน์ดีที่สุด / แย่ที่สุด
– ความเสี่ยงและสมมติฐาน

ข้อมูล:
[วางข้อมูล Pipeline]

25) คาดการณ์ความเสี่ยงด้านสต็อก

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการมองล่วงหน้าว่าของจะขาดหรือค้างสต็อก

Prompt:

คุณคือผู้เชี่ยวชาญด้านพยากรณ์สต็อกและซัพพลาย

ช่วยคาดการณ์ความเสี่ยงด้าน Inventory สำหรับช่วง [ระบุช่วงเวลา]

โปรดประเมิน:
– ความเสี่ยงของการขาดสต็อก
– ความเสี่ยงของสต็อกค้าง
– ความผันผวนของ Demand
– จังหวะการสั่งซื้อ
– สินค้าหมุนช้า
– สินค้าหมุนเร็ว

ผลลัพธ์:
– สรุปความเสี่ยง
– ตารางความเสี่ยงราย SKU / หมวด
– สัญญาณคาดการณ์
– Watchlist ที่ควรติดตาม

ข้อมูล:
[วางข้อมูล]

26) สร้างประมาณการรายได้หลายฉากทัศน์

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการมองอนาคตรายได้หลายแบบ

Prompt:

คุณคือผู้เชี่ยวชาญด้านการวางแผนการเงินและกลยุทธ์

ช่วยสร้างประมาณการรายได้ภายใต้หลายฉากทัศน์

ฉากทัศน์ที่ต้องมี:
– Base Case
– Upside Case
– Downside Case

ให้ใช้สมมติฐานเรื่อง:
– ปริมาณ
– ราคา
– Conversion
– Retention
– ประสิทธิภาพการตลาด
– ปัจจัยตลาด หากมี

ผลลัพธ์:
– ตารางเปรียบเทียบฉากทัศน์
– บทสรุปภาพรวม
– ตัวแปรที่อ่อนไหวที่สุด
– ความเสี่ยงของแต่ละฉากทัศน์

ข้อมูล:
[วางข้อมูล]

27) คาดการณ์คนเข้าร้าน / เข้าสาขา

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ธุรกิจมีหน้าร้านและต้องการ forecast traffic

Prompt:

คุณคือผู้เชี่ยวชาญด้านการพยากรณ์ Traffic ร้านค้า

ช่วยคาดการณ์จำนวนลูกค้าที่จะเข้าร้านหรือสาขาในช่วง [ระบุช่วงเวลา]

โปรดใช้ข้อมูล:
– Traffic ในอดีต
– รูปแบบตามวันในสัปดาห์
– Seasonality
– โปรโมชั่น
– กิจกรรมในพื้นที่ หากมี
– แนวโน้มรายสาขา

ผลลัพธ์:
– Forecast รายสาขา
– ช่วงเวลาที่คาดว่าจะพีค / เบา
– จุดเสี่ยงที่ควรระวัง
– ผลกระทบต่อการวางกำลังคนและการปฏิบัติงาน

ข้อมูล:
[วางข้อมูล]

28) คาดการณ์ผลลัพธ์แคมเปญการตลาด

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ก่อนใช้งบ อยากคาดการณ์ผลลัพธ์แคมเปญ

Prompt:

คุณคือผู้เชี่ยวชาญด้านการคาดการณ์ผลลัพธ์การตลาด

จากงบประมาณ ช่องทาง สถิติในอดีต และกลุ่มเป้าหมายที่ให้มา ช่วยคาดการณ์ผลลัพธ์ของแคมเปญ

โปรดประเมิน:
– Reach
– Clicks
– Leads
– Conversions
– ต้นทุนต่อผลลัพธ์
– ROI หากพอคำนวณได้

ผลลัพธ์:
– Forecast สรุป
– สมมติฐานที่ใช้
– เปรียบเทียบฉากทัศน์
– ความเสี่ยงสำคัญของ Forecast

ข้อมูล:
[วางข้อมูล]

29) คาดการณ์กำลังคนที่ต้องใช้

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องวางแผนทีมคนจากปริมาณงานในอนาคต

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Workforce Planning

ช่วยคาดการณ์จำนวนพนักงานที่จำเป็นต้องใช้ จากปริมาณงานที่คาดว่าจะเกิดขึ้นและ productivity ในอดีต

โปรดประเมิน:
– จำนวนคนที่ต้องใช้
– ช่วงเวลาที่ความต้องการสูง
– ช่องว่างของกำลังคน
– ความเสี่ยงเรื่อง OT
– คอขวดของทีม

ผลลัพธ์:
– Forecast กำลังคน
– สมมติฐานเรื่อง Capacity
– การวิเคราะห์ความเสี่ยง
– ข้อเสนอแนะด้านการจัดตารางหรือการจ้างเพิ่ม

ข้อมูล:
[วางข้อมูล]

30) สร้างระบบสัญญาณเตือนล่วงหน้า

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: อยากเฝ้าระวังปัญหาก่อนเกิดจริง

Prompt:

คุณคือผู้เชี่ยวชาญด้านการทำนายความเสี่ยงทางธุรกิจ

จากข้อมูลด้านล่าง ช่วยระบุสัญญาณเตือนล่วงหน้าที่อาจบ่งชี้ถึงปัญหาในอนาคต

โปรดโฟกัส:
– ความเสี่ยงด้านรายได้
– ความเสี่ยงด้านลูกค้าหลุด
– ความเสี่ยงด้านกำไร
– ความเสี่ยงด้านสต็อก
– ความเสี่ยงด้านคุณภาพบริการ
– ความเสี่ยงด้านการปฏิบัติงานล่าช้า

ผลลัพธ์:
– Early Warning Dashboard
– ตัวชี้วัดนำ
– ระดับความรุนแรงของความเสี่ยง
– สิ่งที่ควรติดตามทุกสัปดาห์

ข้อมูล:
[วางข้อมูล]

ได้เลยครับ
ต่อจากข้อ 31–100 ให้ครบทั้งหมดในภาษาไทยครับ


หมวด 4: Prescriptive Analytics — วิเคราะห์ว่า “ควรทำอะไรต่อ”

31) วางแผน Next Best Action

อ้างอิงหลักการ: Prescriptive Analytics — What should we do?
เหมาะใช้เมื่อ: ต้องการแปลงผลวิเคราะห์ให้เป็นแผนลงมือทำ

Prompt:

คุณคือที่ปรึกษาด้านกลยุทธ์และการตัดสินใจ

เป้าหมาย:
จากข้อมูลและผลการวิเคราะห์ที่ให้มา ช่วยเสนอ “การกระทำที่ควรทำต่อ” ที่ดีที่สุด

ให้ใช้แนวคิด Prescriptive Analytics:
เปลี่ยนจากการมี Insight ไปสู่การตัดสินใจและการลงมือทำ

สิ่งที่ต้องทำ:
1. ระบุทางเลือกในการดำเนินการที่เป็นไปได้
2. จัดลำดับความสำคัญตามผลกระทบและความเป็นไปได้
3. อธิบายประโยชน์ ต้นทุน และความเสี่ยงของแต่ละทางเลือก
4. เสนอแผน 30-60-90 วัน

รูปแบบผลลัพธ์:
- ทางเลือกที่แนะนำ
- การจัดอันดับความสำคัญ
- เหตุผลประกอบ
- แผน 30-60-90 วัน

ข้อมูลและบริบท:
[วางข้อมูล]

32) วางแผนกู้ยอดขาย

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ยอดขายตกและต้องการแผนฟื้นฟูอย่างเป็นรูปธรรม

Prompt:

คุณคือที่ปรึกษาด้านการกู้ยอดขายเชิงพาณิชย์

ช่วยเสนอแผนปฏิบัติการเพื่อฟื้นฟูยอดขายจากข้อมูลด้านล่าง

ข้อกำหนด:
- จัดลำดับสิ่งที่ควรทำตามผลกระทบและความเร็ว
- แยก Quick Wins ออกจากการแก้เชิงโครงสร้าง
- ระบุเจ้าของงาน ระยะเวลา และ KPI
- ระบุความเสี่ยงและสิ่งที่ต้องพึ่งพา

รูปแบบผลลัพธ์:
- สิ่งที่ควรทำทันที
- สิ่งที่ควรทำระยะสั้น
- สิ่งที่ควรทำระยะกลาง
- KPI ที่ต้องติดตาม

ข้อมูล:
[วางข้อมูล]

33) ปรับงบประมาณไปยังจุดที่คุ้มกว่า

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการตัดสินใจ reallocating budget

Prompt:

คุณคือผู้เชี่ยวชาญด้านการจัดสรรงบประมาณเชิงกลยุทธ์

โปรดทบทวนการใช้งบปัจจุบัน และเสนอแนวทางปรับงบเพื่อให้ได้ผลลัพธ์ที่ดีขึ้น

โปรดวิเคราะห์:
- ส่วนใดใช้งบมากเกินไป
- ส่วนใดใช้งบน้อยเกินไป
- สิ่งใดควรเพิ่ม ลด หยุด หรือทดลอง
- ผลแลกเปลี่ยนที่อาจเกิดขึ้น

รูปแบบผลลัพธ์:
- ข้อเสนอการปรับงบ
- เหตุผล
- ผลกระทบที่คาดหวัง
- ความเสี่ยง
- แนวทางทดลองก่อนขยายผล

ข้อมูล:
[วางข้อมูลงบและผลลัพธ์]

34) วางแผนลดลูกค้าหลุด

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการลด churn และเพิ่ม retention

Prompt:

คุณคือผู้เชี่ยวชาญด้านกลยุทธ์การรักษาลูกค้า

โปรดเสนอแนวทางลด churn และเพิ่ม retention จากข้อมูลด้านล่าง

ให้จัดข้อเสนอแนะตาม:
- กลุ่มลูกค้า
- ข้อเสนอหรือสิทธิประโยชน์
- จังหวะเวลา
- ช่องทาง
- การแทรกแซงด้านบริการ
- แนวทางการสื่อสาร

รูปแบบผลลัพธ์:
- กลุ่มลูกค้าที่ควรโฟกัสก่อน
- แนวทางที่แนะนำ
- ผลลัพธ์ที่คาดหวัง
- วิธีวัดผล

ข้อมูล:
[วางข้อมูล]

35) ปรับพอร์ตสินค้า

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการตัดสินใจว่าจะดัน คง ปรับ หรือถอดสินค้าใด

Prompt:

คุณคือที่ปรึกษาด้านการบริหารพอร์ตสินค้า

จากข้อมูลผลงานสินค้า โปรดเสนอว่าแต่ละสินค้าหรือ SKU ควร:
- ลงทุนเพิ่ม
- รักษาระดับ
- ปรับปรุง
- จัด bundle
- reposition
- ถอดออก

โปรดอธิบายเหตุผลของแต่ละข้อเสนอด้วยหลักฐานจากข้อมูล

รูปแบบผลลัพธ์:
- ตารางตัดสินใจด้านพอร์ตสินค้า
- ข้อเสนอราย SKU
- ผลกระทบทางธุรกิจที่คาดหวัง
- ความเสี่ยงและข้อควรระวัง

ข้อมูล:
[วางข้อมูล]

36) ยกระดับสาขาที่ผลงานอ่อน

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการแผนปรับปรุงสาขาหรือทีมพื้นที่

Prompt:

คุณคือที่ปรึกษาด้านการพัฒนาประสิทธิภาพสาขา

ช่วยเสนอแผนยกระดับสาขาที่ผลงานอ่อนจากข้อมูลด้านล่าง

โปรดครอบคลุม:
- การแก้ไขเร่งด่วน
- การปรับกระบวนการ
- การพัฒนาคนหรือการฝึกอบรม
- การตลาดเฉพาะพื้นที่
- มาตรการควบคุมของผู้จัดการ
- KPI สำหรับติดตามผล

รูปแบบผลลัพธ์:
- สรุปปัญหาของแต่ละสาขา
- Action Plan รายสาขา
- ลำดับความสำคัญ
- แผนติดตามผล

ข้อมูล:
[วางข้อมูล]

37) เพิ่ม Conversion อย่างเป็นระบบ

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการเลือกสิ่งที่ควรปรับเพื่อเพิ่ม conversion

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Conversion Optimization

โปรดเสนอสิ่งที่ควรทำเพื่อเพิ่ม Conversion จากข้อมูล Funnel ที่ให้

ให้ครอบคลุม:
- คุณภาพ Traffic
- ข้อความสื่อสาร
- ข้อเสนอ
- UX / หน้า Landing Page
- การติดตามปิดการขาย
- Retargeting
- การคัดกรอง Lead

รูปแบบผลลัพธ์:
- สิ่งที่ควรทำก่อน
- ไอเดียสำหรับการทดสอบ
- ผลกระทบที่คาดหวัง
- KPI ที่ต้องติดตาม

ข้อมูล:
[วางข้อมูล Funnel]

38) ตัดสินใจเรื่องราคา

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการหาว่าควรขึ้นราคา ลดราคา หรือคงราคา

Prompt:

คุณคือที่ปรึกษาด้าน Pricing Strategy

จากข้อมูลยอดขาย กำไร และการตอบสนองของลูกค้า ช่วยเสนอแนวทางด้านราคาที่เหมาะสม

โปรดให้คำแนะนำว่า:
- ควรขึ้นราคา
- ควรลดราคา
- ควรคงราคา
- ควรปรับ package หรือ offer
- ควรใช้โปรโมชั่นแทนการลดราคา
- ควรใช้ pricing แยกตาม segment หรือไม่

รูปแบบผลลัพธ์:
- แนวทางราคาที่แนะนำ
- เหตุผล
- ข้อดีข้อเสียที่อาจเกิดขึ้น
- วิธีทดสอบก่อนตัดสินใจเต็มรูปแบบ

ข้อมูล:
[วางข้อมูล]

39) เขียนบันทึกเสนอผู้บริหารเพื่อการตัดสินใจ

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องสรุปเรื่องเพื่อขออนุมัติหรือขอการตัดสินใจ

Prompt:

คุณคือ Chief of Staff ด้านกลยุทธ์

ช่วยเขียนบันทึกเสนอผู้บริหารเพื่อแนะนำว่าควรตัดสินใจอย่างไรจากข้อมูลด้านล่าง

โครงสร้างที่ต้องมี:
1. สถานการณ์
2. ข้อค้นพบสำคัญ
3. ทางเลือกที่พิจารณา
4. ทางเลือกที่แนะนำ
5. เหตุผลว่าทำไมทางเลือกนี้ดีที่สุด
6. ความเสี่ยง
7. สิ่งที่ต้องทำต่อทันที

โทนภาษา:
สำหรับผู้บริหาร กระชับ ชัดเจน ตัดสินใจได้

ข้อมูล:
[วางข้อมูล]

40) สร้าง Roadmap จาก Insight ไปสู่การลงมือทำ

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการแผนระยะสั้น-กลางอย่างมีลำดับ

Prompt:

คุณคือที่ปรึกษาด้าน Transformation Roadmap

ช่วยสร้าง Roadmap การดำเนินงานจากผลวิเคราะห์ไปสู่การลงมือทำจริง

โปรดระบุ:
- Initiative สำคัญ
- Timeline
- เจ้าของงาน
- สิ่งที่ต้องพึ่งพา
- ทรัพยากรที่ต้องใช้
- KPI
- การควบคุมความเสี่ยง

รูปแบบ:
- 0-30 วัน
- 31-90 วัน
- 91-180 วัน

บริบท:
[วางข้อมูล]

หมวด 5: ประเมินระดับความพร้อมตาม Gartner’s Analytics Maturity Model

41) ประเมินระดับความเป็นผู้ใหญ่ด้าน Analytics

อ้างอิงหลักการ: Gartner’s Analytics Maturity Model ทั้ง 4 ระดับ
เหมาะใช้เมื่อ: ต้องการรู้ว่าองค์กรอยู่ระดับไหน

Prompt:

คุณคือผู้ประเมินระดับความพร้อมด้าน Analytics ขององค์กร

ช่วยประเมินองค์กรนี้ตาม Gartner’s Analytics Maturity Model:
- Descriptive
- Diagnostic
- Predictive
- Prescriptive

ให้ประเมินในมิติ:
- คุณภาพข้อมูล
- การทำรายงาน
- ความสามารถในการสร้าง Insight
- ความสามารถในการพยากรณ์
- วินัยในการตัดสินใจ
- ระบบอัตโนมัติ
- คนและทักษะ
- Governance

รูปแบบผลลัพธ์:
- ระดับปัจจุบันขององค์กร
- หลักฐานที่ใช้ประเมิน
- จุดแข็ง
- ช่องว่าง
- สิ่งที่ต้องมีเพื่อไปสู่ระดับถัดไป

ข้อมูลองค์กร:
[วางบริบท]

42) ประเมินระดับความพร้อมแยกตามฝ่าย

อ้างอิงหลักการ: Gartner Maturity Model
เหมาะใช้เมื่อ: ต้องการเห็นความต่างของแต่ละฝ่าย

Prompt:

คุณคือที่ปรึกษาด้าน Enterprise Analytics

ช่วยประเมินระดับความพร้อมด้าน Analytics แยกตามฝ่ายหรือหน่วยงาน

ฝ่ายที่ต้องประเมิน:
[ระบุรายชื่อฝ่าย]

ในแต่ละฝ่าย ให้ประเมิน:
- การใช้ข้อมูล
- การทำรายงาน
- ความสามารถในการวิเคราะห์หาสาเหตุ
- ความสามารถในการพยากรณ์
- ความสามารถในการสนับสนุนการตัดสินใจ
- การผสานเข้ากับกระบวนการทำงาน

รูปแบบผลลัพธ์:
- คะแนนหรือระดับของแต่ละฝ่าย
- การจัดระดับตามโมเดล Gartner
- ช่องว่างสำคัญ
- สิ่งที่แต่ละฝ่ายควรพัฒนาก่อน

บริบท:
[วางข้อมูล]

43) วิเคราะห์ Gap ระหว่างระดับปัจจุบันกับเป้าหมาย

อ้างอิงหลักการ: Maturity progression
เหมาะใช้เมื่อ: รู้ระดับปัจจุบันแล้วและมีระดับเป้าหมาย

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Capability Gap Analysis

ช่วยเปรียบเทียบระดับความพร้อมด้าน Analytics ปัจจุบันกับระดับเป้าหมาย

โปรดระบุ:
- ความสามารถที่มีอยู่ในปัจจุบัน
- ความสามารถที่ยังขาด
- เครื่องมือ / กระบวนการ / ทักษะที่จำเป็น
- Quick Wins
- การเปลี่ยนแปลงเชิงโครงสร้างที่ต้องทำ

รูปแบบผลลัพธ์:
- Current State
- Target State
- Gap Analysis
- Action Priorities

ข้อมูลปัจจุบัน:
[วางข้อมูล]
ระดับเป้าหมาย:
[ระบุเป้าหมาย]

44) ประเมินความพร้อมในการก้าวสู่ Predictive Analytics

อ้างอิงหลักการ: จาก Diagnostic ไป Predictive
เหมาะใช้เมื่อ: องค์กรเริ่มอยากทำ Forecast หรือ Modeling

Prompt:

คุณคือที่ปรึกษาด้าน Data Strategy

ช่วยประเมินว่าองค์กรนี้พร้อมหรือยังที่จะก้าวสู่ Predictive Analytics

โปรดประเมิน:
- ความเพียงพอของข้อมูลย้อนหลัง
- คุณภาพและความสม่ำเสมอของข้อมูล
- นิยามทางธุรกิจ
- Use Case ที่เหมาะกับการทำโมเดล
- ทักษะของทีม
- ความพร้อมของเทคโนโลยี
- Governance

ผลลัพธ์:
- คำตัดสินเรื่องความพร้อม
- จุดแข็ง
- ความเสี่ยง
- ช่องว่างที่ต้องแก้ก่อน
- ขั้นตอนถัดไปที่แนะนำ

บริบท:
[วางข้อมูล]

45) ประเมินความพร้อมในการก้าวสู่ Prescriptive Analytics

อ้างอิงหลักการ: จาก Predictive ไป Prescriptive
เหมาะใช้เมื่อ: อยากไปสู่ decision support หรือ optimization

Prompt:

คุณคือที่ปรึกษาด้าน Advanced Analytics

ช่วยประเมินว่าองค์กรพร้อมสำหรับ Prescriptive Analytics หรือยัง

โปรดตรวจสอบ:
- ความน่าเชื่อถือของการพยากรณ์
- กติกาการตัดสินใจทางธุรกิจ
- ข้อจำกัดที่ต้องคำนึงถึง
- ความสามารถด้าน Scenario Planning
- การทำงานข้ามฝ่าย
- กลไกในการนำไปใช้จริง
- ความสามารถในการติดตามผล

รูปแบบผลลัพธ์:
- ระดับความพร้อม
- สิ่งที่ยังขาด
- ความเสี่ยงสำคัญ
- Roadmap เพื่อไปสู่ความพร้อม

บริบท:
[วางข้อมูล]

46) สร้างแบบประเมินตนเองด้าน Analytics Maturity

อ้างอิงหลักการ: Maturity diagnostics
เหมาะใช้เมื่อ: ต้องการทำแบบประเมินให้ผู้จัดการหรือทีมใช้เอง

Prompt:

คุณคือผู้ออกแบบแบบประเมิน Analytics Maturity

ช่วยสร้างแบบสอบถามประเมินตนเองสำหรับผู้บริหารหรือผู้จัดการ เพื่อประเมินระดับความพร้อมด้าน Analytics

ข้อกำหนด:
- มีคำถาม 25-40 ข้อ
- ครอบคลุม คน กระบวนการ ข้อมูล เครื่องมือ Governance และการตัดสินใจ
- ผูกคำถามกับ 4 ระดับของ Gartner
- มีระบบให้คะแนนแบบง่าย

ผลลัพธ์:
- แบบสอบถาม
- เกณฑ์การให้คะแนน
- วิธีแปลผล

บริบทองค์กร:
[วางบริบท]

47) สรุปผลประเมินเป็น Heatmap

อ้างอิงหลักการ: Maturity visualization
เหมาะใช้เมื่อ: ต้องการนำเสนอให้ผู้บริหารเห็นภาพเร็ว

Prompt:

คุณคือ Enterprise Analytics Architect

จากผลการประเมินด้านล่าง ช่วยออกแบบโครงสร้าง Heatmap เพื่อสรุประดับความพร้อมด้าน Analytics

มิติที่ต้องมี:
- หน่วยงานธุรกิจ
- คุณภาพข้อมูล
- Reporting
- Diagnostic
- Forecasting
- Prescriptive Decision Support
- Talent
- Governance

ผลลัพธ์:
- ตาราง Heatmap
- คำแนะนำเรื่องสีหรือระดับ
- คำอธิบายสำหรับผู้บริหาร
- จุดที่เป็นพื้นที่สีแดงและควรแก้ก่อน

ข้อมูล:
[วางผลประเมิน]

48) หา Priority ว่าควรลงทุนเรื่องไหนก่อน

อ้างอิงหลักการ: Maturity improvement path
เหมาะใช้เมื่อ: มีหลายเรื่องต้องพัฒนา แต่ทรัพยากรจำกัด

Prompt:

คุณคือที่ปรึกษาด้านการจัดลำดับการลงทุนเพื่อยกระดับ Analytics

ช่วยจัดอันดับสิ่งที่ควรลงทุนก่อนเพื่อยกระดับความพร้อมด้าน Analytics

เกณฑ์ที่ใช้:
- ผลกระทบทางธุรกิจ
- ความเป็นไปได้
- ต้นทุน
- Time to Value
- ระดับการพึ่งพาสิ่งอื่น

รูปแบบผลลัพธ์:
- รายการจัดอันดับ
- เหตุผลว่าทำไมแต่ละข้อสำคัญ
- ลำดับการทำที่แนะนำ
- Quick Wins vs งานฐานราก

ข้อมูลจากการประเมิน:
[วางข้อมูล]

49) เขียนสรุปสถานะ Analytics ให้ผู้บริหาร

อ้างอิงหลักการ: Maturity communication
เหมาะใช้เมื่อ: ต้องสื่อสารภาพรวมให้ง่ายและชัด

Prompt:

คุณคือผู้ช่วยสื่อสารเชิงผู้บริหาร

ช่วยเขียน Leadership Brief สรุปสถานะความพร้อมด้าน Analytics ขององค์กร

ประเด็นที่ต้องมี:
- วันนี้เราอยู่ตรงไหน
- สิ่งนี้แปลว่าอะไรในเชิงธุรกิจ
- ความเสี่ยงถ้ายังอยู่ระดับนี้
- ประโยชน์ถ้าขยับขึ้นอีก 1 ระดับ
- 5 สิ่งสำคัญที่ผู้นำควรสนับสนุน

โทนภาษา:
สำหรับผู้บริหาร ไม่เทคนิคเกินไป ชัดและโน้มน้าวได้

ข้อมูล:
[วางผลประเมิน]

50) สร้างคำถามสำหรับเวิร์กช็อปเรื่อง Analytics Maturity

อ้างอิงหลักการ: Maturity comparison
เหมาะใช้เมื่อ: จะใช้ในการประชุมหรือ workshop เชิงกลยุทธ์

Prompt:

คุณคือผู้อำนวยความสะดวกเวิร์กช็อปเชิงกลยุทธ์

ช่วยสร้างชุดคำถามสำหรับใช้ในการประชุมผู้บริหาร เพื่อประเมินระดับความพร้อมด้าน Analytics และตกลงเป้าหมายระดับถัดไป

โปรดจัดทำ:
- คำถามสะท้อนคิด
- สัญญาณเตือนว่าระดับยังต่ำ
- สัญญาณว่าพร้อมก้าวสู่ระดับถัดไป
- คำถามเพื่อถกเถียง
- เกณฑ์สำหรับใช้ตัดสินใจ

บริบท:
[วางข้อมูล]

หมวด 6: จัดโครง KPI และข้อมูลให้พร้อมต่อการวิเคราะห์

51) ออกแบบ KPI Tree

อ้างอิงหลักการ: Foundation for Descriptive → Diagnostic
เหมาะใช้เมื่อ: KPI ยังไม่เชื่อมกับเป้าหมายธุรกิจ

Prompt:

คุณคือที่ปรึกษาด้านสถาปัตยกรรม KPI

ช่วยออกแบบ KPI Tree จากเป้าหมายธุรกิจด้านล่าง

สิ่งที่ต้องทำ:
1. เริ่มจากเป้าหมายหลักของธุรกิจ
2. แตกเป็นตัวขับเคลื่อนหลัก
3. แตกย่อยเป็น KPI ระดับปฏิบัติการ
4. แยก Leading Indicators กับ Lagging Indicators
5. อธิบายว่าแต่ละ KPI ช่วยสนับสนุน Analytics Maturity อย่างไร

เป้าหมายธุรกิจ:
[วางเป้าหมาย]

52) ทำมาตรฐานนิยาม KPI

อ้างอิงหลักการ: Data consistency for maturity growth
เหมาะใช้เมื่อ: แต่ละทีมตีความ KPI ไม่เหมือนกัน

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Data Governance

ช่วยทำให้นิยาม KPI ต่อไปนี้เป็นมาตรฐานเดียวกัน

สำหรับแต่ละ KPI โปรดระบุ:
- ความหมายทางธุรกิจ
- สูตรคำนวณ
- แหล่งข้อมูล
- ความถี่ในการอัปเดต
- เจ้าของ KPI
- ข้อควรระวัง
- ความเสี่ยงในการตีความผิด

ผลลัพธ์:
- KPI Dictionary
- นิยามมาตรฐานที่แนะนำ
- หมายเหตุด้าน Governance

รายการ KPI:
[วางรายการ KPI]

53) แยก KPI ที่เป็นตัวชี้นำ vs ตัวชี้ผลลัพธ์

อ้างอิงหลักการ: From descriptive to predictive thinking
เหมาะใช้เมื่อ: อยากรู้ว่า KPI ไหนใช้เฝ้าระวังล่วงหน้าได้

Prompt:

คุณคือผู้เชี่ยวชาญด้านการออกแบบระบบวัดผล

ช่วยจัดประเภท KPI ต่อไปนี้ว่าเป็น Leading Indicator หรือ Lagging Indicator

สำหรับแต่ละ KPI ให้อธิบาย:
- ทำไมจึงเป็น Leading หรือ Lagging
- มันช่วยการตัดสินใจเรื่องใด
- เหมาะกับ Analytics Maturity ระดับใด
- ควรติดตามอย่างไร

รายการ KPI:
[วางรายการ]

54) สร้าง Checklist ข้อมูลที่ต้องมีสำหรับการวิเคราะห์

อ้างอิงหลักการ: Readiness for analytics maturity
เหมาะใช้เมื่อ: ก่อนเริ่มโปรเจกต์ data / BI / AI

Prompt:

คุณคือที่ปรึกษาด้านการวางแผนโครงการข้อมูล

ช่วยสร้าง Checklist ข้อมูลที่จำเป็นสำหรับ Use Case ต่อไปนี้

โปรดครอบคลุม:
- ฟิลด์ข้อมูลที่ต้องมี
- ช่วงเวลาของข้อมูล
- ระดับความละเอียด
- การตรวจคุณภาพข้อมูล
- สิทธิ์การเข้าถึง
- นิยามทางธุรกิจ
- ความเสี่ยงหากข้อมูลไม่ครบ

Use Case:
[วาง Use Case]

55) ออกแบบ Requirement สำหรับ Dashboard

อ้างอิงหลักการ: Descriptive maturity enablement
เหมาะใช้เมื่อ: จะสร้าง Dashboard ให้ทีมใช้งานจริง

Prompt:

คุณคือผู้เชี่ยวชาญด้าน BI Dashboard

ช่วยออกแบบ Requirement ของ Dashboard สำหรับสถานการณ์ธุรกิจด้านล่าง

โปรดระบุ:
- ผู้ใช้งานหลัก
- การตัดสินใจที่ Dashboard นี้ต้องช่วยสนับสนุน
- KPI สำคัญที่ต้องมี
- มิติที่ควร drill-down ได้
- เงื่อนไขที่ควรมี Alert
- โครงสร้างหน้าจอที่แนะนำ

สถานการณ์ธุรกิจ:
[วางบริบท]

56) ตรวจหาปัญหาคุณภาพข้อมูล

อ้างอิงหลักการ: Maturity blocker identification
เหมาะใช้เมื่อ: สงสัยว่าตัวเลขไม่น่าเชื่อถือ

Prompt:

คุณคือผู้ตรวจสอบคุณภาพข้อมูล

ช่วยตรวจสอบข้อมูลด้านล่างและระบุปัญหาคุณภาพข้อมูลที่อาจทำให้การวิเคราะห์ผิดเพี้ยน

โปรดตรวจ:
- Missing values
- ข้อมูลซ้ำ
- นิยามไม่สอดคล้องกัน
- ค่าที่พุ่งผิดปกติ
- เวลาไม่ตรงกัน
- หน่วยวัดผิด
- ปัญหาด้านความสมบูรณ์ของข้อมูล

ผลลัพธ์:
- ปัญหาที่พบ
- ระดับความรุนแรง
- ผลกระทบต่อธุรกิจ
- แนวทางแก้ไข

ข้อมูล:
[วางข้อมูล]

57) Map KPI ว่ามาจากแหล่งข้อมูลใด

อ้างอิงหลักการ: Governance and traceability
เหมาะใช้เมื่อ: ต้องการรู้แหล่งที่มาของแต่ละ KPI

Prompt:

คุณคือที่ปรึกษาด้าน Data Lineage

ช่วยเชื่อมโยง KPI แต่ละตัวกับระบบต้นทาง ฟิลด์ข้อมูล เจ้าของข้อมูล และความถี่ในการอัปเดต

รูปแบบผลลัพธ์:
- ชื่อ KPI
- ระบบต้นทาง
- ฟิลด์ที่ต้องใช้
- Logic การแปลงข้อมูล
- เจ้าของข้อมูล
- ความถี่ในการอัปเดต
- หมายเหตุเรื่องความเสี่ยง

รายการ KPI:
[วางรายการ]
บริบทระบบ:
[วางบริบท]

58) แปลงคำถามธุรกิจให้เป็นโครงสร้างการวิเคราะห์

อ้างอิงหลักการ: Turning decisions into analytics structure
เหมาะใช้เมื่อ: ผู้บริหารถามคำถาม แต่ทีมยังไม่รู้ต้องใช้ข้อมูลอะไร

Prompt:

คุณคือผู้แปลภาษาระหว่างธุรกิจกับทีมวิเคราะห์

ช่วยแปลงคำถามธุรกิจต่อไปนี้ให้เป็นโครงสร้างข้อมูลและการวิเคราะห์ที่ต้องใช้

สำหรับแต่ละคำถาม โปรดระบุ:
- เป้าหมายการวิเคราะห์
- KPI ที่ต้องใช้
- มิติที่ต้องมี
- ช่วงเวลา
- วิธีวิเคราะห์ที่เหมาะสม
- รูปแบบผลลัพธ์ที่ควรนำเสนอ

คำถามธุรกิจ:
[วางคำถาม]

59) จัดลำดับ KPI ที่ควรติดตามก่อน

อ้างอิงหลักการ: Focus before complexity
เหมาะใช้เมื่อ: KPI เยอะมากจนทีมโฟกัสไม่ถูก

Prompt:

คุณคือที่ปรึกษาด้าน Performance Management

ช่วยจัดลำดับความสำคัญของ KPI ต่อไปนี้ โดยใช้เกณฑ์:
- ความสำคัญเชิงกลยุทธ์
- ความสามารถในการลงมือทำ
- ความพร้อมของข้อมูล
- ความน่าเชื่อถือ
- คุณค่าในการคาดการณ์

ผลลัพธ์:
- Priority Matrix
- KPI ที่ต้องติดตามแน่นอน
- KPI ที่มีไว้เสริม
- KPI ที่ควรลดความสำคัญหรือเลิกใช้

รายการ KPI:
[วางรายการ]

60) ประเมินว่าข้อมูลพร้อมต่อการตัดสินใจแค่ไหน

อ้างอิงหลักการ: Maturity progression
เหมาะใช้เมื่อ: อยากรู้ว่าข้อมูลที่มีสนับสนุนการตัดสินใจได้ระดับใด

Prompt:

คุณคือที่ปรึกษาด้าน Decision Intelligence

ช่วยประเมินว่าข้อมูลที่มีอยู่ตอนนี้เพียงพอสำหรับการตัดสินใจระดับใดบ้างใน 4 ระดับของ Gartner:
- Descriptive
- Diagnostic
- Predictive
- Prescriptive

ผลลัพธ์:
- การตัดสินใจที่ข้อมูลปัจจุบันรองรับได้แล้ว
- การตัดสินใจที่ยังรองรับไม่ได้
- ข้อมูลหรือ logic ที่ยังขาด
- ระดับ maturity ที่ข้อมูลปัจจุบันสนับสนุนได้
- ขั้นตอนถัดไปเพื่อยกระดับความพร้อม

ข้อมูลที่มี:
[วางข้อมูล]

หมวด 7: Use Case แยกตามฝ่ายงาน

61) สร้าง Use Case Analytics สำหรับการตลาด

อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากหาโจทย์ที่ใช้ Analytics ในฝ่ายการตลาด

Prompt:

คุณคือที่ปรึกษาด้าน Marketing Analytics

ช่วยสร้าง Use Case สำหรับฝ่ายการตลาด โดยอิงตาม Gartner’s Analytics Maturity Model

โปรดจัดกลุ่มเป็น:
- Descriptive Use Cases
- Diagnostic Use Cases
- Predictive Use Cases
- Prescriptive Use Cases

สำหรับแต่ละ Use Case ให้ระบุ:
- วัตถุประสงค์
- คำถามตัวอย่าง
- ข้อมูลที่ต้องใช้
- คุณค่าทางธุรกิจที่คาดหวัง

บริบทธุรกิจ:
[วางบริบท]

62) สร้าง Use Case Analytics สำหรับฝ่ายขาย

อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากหา Use Case เพื่อยกระดับทีมขาย

Prompt:

คุณคือที่ปรึกษาด้าน Sales Transformation

ช่วยสร้าง Use Case Analytics สำหรับฝ่ายขาย โดยยึดตาม Gartner’s Analytics Maturity Model

สำหรับแต่ละ Use Case ให้ระบุ:
- คำถามทางธุรกิจ
- ระดับ maturity
- ข้อมูลที่ต้องใช้
- ผลลัพธ์ที่คาดว่าจะได้
- การตัดสินใจที่มันช่วยสนับสนุน

บริบทฝ่ายขาย:
[วางบริบท]

63) สร้าง Use Case Analytics สำหรับ HR

อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากนำ Analytics ไปใช้ในงาน HR

Prompt:

คุณคือที่ปรึกษาด้าน HR Analytics

ช่วยสร้าง Use Case สำหรับฝ่าย HR ครอบคลุม 4 ระดับของ Gartner

ให้ครอบคลุมหัวข้อ เช่น:
- Recruitment
- Turnover
- Performance
- Engagement
- Training
- Workforce Planning

สำหรับแต่ละ Use Case ให้ระบุ:
- คำถามที่ต้องการตอบ
- อยู่ใน maturity stage ไหน
- ข้อมูลที่ต้องใช้
- การตัดสินใจที่ดีขึ้นได้อย่างไร

บริบท HR:
[วางบริบท]

64) สร้าง Use Case Analytics สำหรับการเงิน

อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากให้ทีมการเงินใช้ Analytics อย่างเป็นระบบ

Prompt:

คุณคือที่ปรึกษาด้าน Finance Analytics

ช่วยสร้าง Use Case Analytics สำหรับฝ่ายการเงินให้สอดคล้องกับ Gartner’s Analytics Maturity Model

โปรดรวมตัวอย่างเรื่อง:
- Revenue
- Cost Control
- Margin
- Variance Analysis
- Forecasting
- Cash Flow
- Decision Support

ผลลัพธ์:
- รายการ Use Case แยกตาม maturity stage
- คุณค่าทางธุรกิจ
- ระดับความยากในการทำ

บริบทการเงิน:
[วางบริบท]

65) สร้าง Use Case Analytics สำหรับฝ่ายปฏิบัติการ

อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากใช้ข้อมูลยกระดับประสิทธิภาพการดำเนินงาน

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Operations Excellence

ช่วยสร้าง Use Case Analytics สำหรับฝ่ายปฏิบัติการ โดยอิงตามกรอบของ Gartner

ให้ครอบคลุม:
- Productivity
- Cycle Time
- Quality
- Capacity
- Bottlenecks
- Service Levels
- Forecasting
- Optimization

สำหรับแต่ละ Use Case โปรดระบุวัตถุประสงค์ ข้อมูล Insight และ Action ที่ได้

บริบท:
[วางบริบท]

66) สร้าง Use Case สำหรับธุรกิจสาขาหรือหน้าร้าน

อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: ธุรกิจมีหลายสาขาหรือจุดขาย

Prompt:

คุณคือที่ปรึกษาด้าน Retail Analytics

ช่วยสร้าง Use Case Analytics สำหรับธุรกิจสาขาหรือร้านค้า แยกตาม maturity stage

ให้ครอบคลุม:
- Traffic
- Conversion
- Basket Size
- Product Mix
- Promotion Response
- Staffing
- Inventory
- Local Actions

ผลลัพธ์:
- Descriptive Use Cases
- Diagnostic Use Cases
- Predictive Use Cases
- Prescriptive Use Cases

บริบท:
[วางบริบท]

67) สร้าง Use Case สำหรับ Customer Experience

อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากใช้ Analytics ปรับปรุงประสบการณ์ลูกค้า

Prompt:

คุณคือที่ปรึกษาด้าน Customer Experience Analytics

ช่วยสร้าง Use Case เชิงปฏิบัติสำหรับ CX ครอบคลุมทั้ง 4 ระดับของ Analytics Maturity

ให้รวมตัวอย่างเกี่ยวกับ:
- ข้อร้องเรียน
- ตัวขับเคลื่อนความพึงพอใจ
- สัญญาณลูกค้าหลุด
- จุดติดขัดใน Journey
- แนวคิด Next Best Action

ผลลัพธ์:
- Use Cases
- ข้อมูลที่ต้องใช้
- ระดับ maturity
- ประโยชน์ทางธุรกิจ

บริบท CX:
[วางบริบท]

68) ออกแบบ Use Case เพื่อสนับสนุนผู้บริหาร

อ้างอิงหลักการ: Prescriptive-oriented maturity
เหมาะใช้เมื่อ: ต้องการใช้ Analytics เพื่อช่วยการประชุมและการตัดสินใจของผู้บริหาร

Prompt:

คุณคือที่ปรึกษาด้าน Executive Decision Support

ช่วยสร้าง Use Case ระดับผู้บริหาร ที่ช่วยให้ผู้นำขยับจาก “ดูรายงาน” ไปสู่ “ตัดสินใจได้ดีขึ้น”

สำหรับแต่ละ Use Case โปรดระบุ:
- คำถามเชิงกลยุทธ์
- อยู่ระดับ maturity ใด
- การตัดสินใจที่มันช่วย
- KPI ที่ต้องใช้
- เหมาะใช้ในประชุมรูปแบบใด

บริบทผู้บริหาร:
[วางบริบท]

69) หาโอกาสเชื่อม Analytics กับ AI

อ้างอิงหลักการ: Predictive / Prescriptive extension
เหมาะใช้เมื่อ: อยากต่อยอดจาก analytics ไปสู่ AI use case

Prompt:

คุณคือที่ปรึกษาด้าน AI Opportunity

จากบริบทธุรกิจด้านล่าง ช่วยหาโอกาสที่ AI จะเข้ามาช่วยยกระดับ Analytics Maturity

โปรดจัดกลุ่มเป็น:
- ทำให้ Descriptive Reporting ดีขึ้น
- ทำให้ Diagnostic Analysis ดีขึ้น
- ทำให้ Prediction ดีขึ้น
- ทำให้ Recommendation / Decision Support ดีขึ้น

สำหรับแต่ละโอกาส ให้ระบุ:
- Use Case
- คุณค่า
- ความซับซ้อน
- ความพร้อมของข้อมูล
- ความเสี่ยง

บริบท:
[วางบริบท]

70) วาง Roadmap Analytics แบบข้ามฝ่าย

อ้างอิงหลักการ: Enterprise maturity growth
เหมาะใช้เมื่อ: ต้องการเชื่อมหลายฝ่ายให้พัฒนาไปพร้อมกัน

Prompt:

คุณคือที่ปรึกษาด้าน Enterprise Transformation

ช่วยสร้าง Roadmap การยกระดับ Analytics แบบข้ามฝ่าย โดยใช้ Gartner’s Analytics Maturity Model เป็นแกนกลาง

โปรดระบุ:
- สิ่งพื้นฐานร่วมกันที่ทุกฝ่ายต้องมี
- Quick Wins ของแต่ละฝ่าย
- Dependency ระดับองค์กร
- Governance ที่จำเป็น
- Roadmap แบบเป็นเฟส

บริบทองค์กร:
[วางบริบท]

หมวด 8: Scenario Planning และ Decision Support

71) เปรียบเทียบหลายฉากทัศน์ทางธุรกิจ

อ้างอิงหลักการ: Predictive + Prescriptive
เหมาะใช้เมื่อ: มีหลายทางเลือกและต้องการเทียบก่อนตัดสินใจ

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Strategic Scenario Analysis

ช่วยเปรียบเทียบฉากทัศน์ทางธุรกิจต่อไปนี้ และประเมินผลลัพธ์ ข้อแลกเปลี่ยน และทางเลือกที่เหมาะที่สุด

สำหรับแต่ละฉากทัศน์ โปรดประเมิน:
- ผลกระทบที่คาดหวัง
- ต้นทุน
- ความเสี่ยง
- เวลาในการเห็นผล
- ความซับซ้อนในการดำเนินงาน
- ความสอดคล้องกับกลยุทธ์

ผลลัพธ์:
- ตารางเปรียบเทียบฉากทัศน์
- ตัวเลือกที่ดีที่สุด
- เหตุผล
- ข้อควรระวัง
- เกณฑ์ที่ใช้ในการตัดสินใจ

ฉากทัศน์:
[วางฉากทัศน์]
บริบท:
[วางข้อมูล]

72) วางแผน Best Case / Base Case / Worst Case

อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องเตรียมรับหลายความเป็นไปได้

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Business Planning

ช่วยสร้างประมาณการแบบ Best Case / Base Case / Worst Case สำหรับสถานการณ์ด้านล่าง

โปรดระบุ:
- สมมติฐานหลักของแต่ละฉากทัศน์
- Trigger ที่ทำให้เข้าสู่แต่ละฉากทัศน์
- ผลกระทบทางธุรกิจ
- สิ่งที่ผู้บริหารควรจับตา

ข้อมูล:
[วางข้อมูล]

73) สร้าง Decision Tree สำหรับการตัดสินใจ

อ้างอิงหลักการ: Prescriptive decision support
เหมาะใช้เมื่อ: ต้องการระบบคิดแบบ if-then ในการตัดสินใจ

Prompt:

คุณคือที่ปรึกษาด้าน Decision Design

ช่วยสร้าง Decision Tree สำหรับประเด็นต่อไปนี้

โปรดจัดโครงสร้าง:
- เป้าหมายของการตัดสินใจ
- ปัจจัยที่ใช้แยกกิ่ง
- Threshold หรือ Trigger Metrics
- Action ที่ควรทำในแต่ละกรณี
- จุดที่ควร escalate

ประเด็น:
[วางโจทย์]
ข้อมูลและบริบท:
[วางข้อมูล]

74) วิเคราะห์ Trade-off ระหว่างหลายทางเลือก

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ทุกตัวเลือกมีทั้งข้อดีและข้อเสีย

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Trade-off Analysis

ช่วยประเมินข้อแลกเปลี่ยนระหว่างตัวเลือกต่อไปนี้

โปรดวิเคราะห์:
- ผลกระทบทางการเงิน
- ความสอดคล้องกับกลยุทธ์
- ความเสี่ยง
- ทรัพยากรที่ต้องใช้
- ความเร็ว
- ความสามารถในการย้อนกลับ
- ผลกระทบต่อลูกค้า

ผลลัพธ์:
- Trade-off Matrix
- ตัวเลือกที่แนะนำ
- สิ่งที่ต้องแลก
- สิ่งที่ได้กลับมา

ตัวเลือก:
[วางตัวเลือก]
บริบท:
[วางข้อมูล]

75) ทำ What-if Analysis

อ้างอิงหลักการ: Predictive / Prescriptive
เหมาะใช้เมื่อ: อยากรู้ว่าถ้าเปลี่ยนตัวแปร จะเกิดอะไรขึ้น

Prompt:

คุณคือผู้ช่วยจำลองสถานการณ์ทางธุรกิจ

ช่วยทำ What-if Analysis กับตัวแปรต่อไปนี้

โปรดประเมินผลกระทบหากเราเปลี่ยน:
- ราคา
- งบประมาณ
- Conversion Rate
- จำนวนคน
- Retention
- ปริมาณ Demand
- Productivity

ผลลัพธ์:
- สถานการณ์จำลอง
- ผลกระทบที่เป็นไปได้ของแต่ละตัวแปร
- ตัวแปรที่อ่อนไหวที่สุด
- สิ่งที่ควรโฟกัสก่อน

ข้อมูลตั้งต้น:
[วางข้อมูล]

76) วางแผนลดความเสี่ยง

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: รู้ความเสี่ยงแล้วและอยากได้แผนป้องกัน

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Risk Mitigation

จากความเสี่ยงที่ระบุด้านล่าง ช่วยเสนอแนวทางป้องกันและแผนรองรับ

สำหรับแต่ละความเสี่ยง โปรดระบุ:
- ระดับความรุนแรง
- ความน่าจะเป็น
- ผลกระทบทางธุรกิจ
- วิธีป้องกัน
- แผนสำรอง
- KPI หรือสัญญาณที่ควรติดตาม

ความเสี่ยง / ข้อมูล:
[วางข้อมูล]

77) จัดลำดับสิ่งที่ต้องทำภายใต้ข้อจำกัด

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: งบ คน และเวลาไม่พอทำทุกอย่าง

Prompt:

คุณคือที่ปรึกษาด้าน Portfolio Prioritization

ช่วยจัดลำดับ Initiative ที่ควรทำก่อน ภายใต้ข้อจำกัดด้านงบประมาณ คน และเวลา

โปรดจัดอันดับโดยใช้เกณฑ์:
- ผลกระทบทางธุรกิจ
- ความเร่งด่วน
- ความเป็นไปได้
- Dependency
- ต้นทุน
- ความเสี่ยง

ผลลัพธ์:
- ลำดับความสำคัญ
- เหตุผลของแต่ละลำดับ
- สิ่งที่ควรเลื่อนไปก่อน
- ลำดับการดำเนินงานที่แนะนำ

รายการ Initiative:
[วางรายการ]
ข้อจำกัด:
[วางข้อจำกัด]

78) เตรียม Brief ก่อนเข้าประชุมตัดสินใจ

อ้างอิงหลักการ: Prescriptive executive support
เหมาะใช้เมื่อ: ต้องเตรียมข้อมูลก่อนประชุมผู้บริหาร

Prompt:

คุณคือ Chief of Staff สำหรับการประชุมตัดสินใจ

ช่วยจัดทำ Briefing Note แบบสั้น กระชับ สำหรับการตัดสินใจเรื่องต่อไปนี้

ให้มี:
- เรื่องที่ต้องตัดสินใจ
- ข้อเท็จจริงที่เกี่ยวข้อง
- ทางเลือกหลัก
- ข้อดีข้อเสีย
- ตัวเลือกที่แนะนำ
- คำถามที่ผู้บริหารควรถาม
- ความเสี่ยงหลังตัดสินใจ

บริบท:
[วางข้อมูล]

79) วิเคราะห์ความอ่อนไหวของตัวแปร

อ้างอิงหลักการ: Predictive planning
เหมาะใช้เมื่อ: อยากรู้ว่าปัจจัยใดกระทบผลลัพธ์มากที่สุด

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Sensitivity Analysis

ช่วยวิเคราะห์ว่าตัวแปรใดส่งผลต่อผลลัพธ์มากที่สุด

โปรดทดสอบความอ่อนไหวของ:
- ตัวขับเคลื่อนรายได้
- ตัวขับเคลื่อนต้นทุน
- Conversion
- Retention
- สมมติฐานด้าน Demand
- สมมติฐานด้านราคา

ผลลัพธ์:
- ตัวแปรที่อ่อนไหวสูง
- ตัวแปรที่อ่อนไหวต่ำ
- ความหมายเชิงการบริหาร
- สิ่งที่ควรเฝ้าระวังเป็นพิเศษ

ข้อมูลตั้งต้น:
[วางข้อมูล]

80) ขอคำแนะนำแบบโปร่งใสเรื่องสมมติฐาน

อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: อยากให้ AI แนะนำ แต่บอกชัดว่าอาศัยสมมติฐานอะไร

Prompt:

คุณคือที่ปรึกษาด้าน Decision Intelligence

ช่วยเสนอแนวทางที่ควรทำต่อ โดยต้องแสดงเหตุผลอย่างโปร่งใส

ข้อกำหนด:
- ระบุสมมติฐานให้ชัด
- แยกข้อเท็จจริงออกจากข้อสมมติ
- ลิสต์ทางเลือกที่เป็นไปได้
- อธิบายว่าทำไมตัวเลือกที่แนะนำจึงดีที่สุด
- ชี้ให้เห็นความไม่แน่นอนและข้อมูลที่ยังขาด

บริบทและข้อมูล:
[วางข้อมูล]

หมวด 9: การสื่อสารผลวิเคราะห์ให้ใช้งานต่อได้

81) แปลผลวิเคราะห์ให้ผู้บริหารเข้าใจง่าย

อ้างอิงหลักการ: Translating analytics maturity into executive language
เหมาะใช้เมื่อ: ผลวิเคราะห์ซับซ้อนเกินไปสำหรับผู้บริหาร

Prompt:

คุณคือผู้เชี่ยวชาญด้านการสื่อสารเชิงผู้บริหาร

ช่วยแปลงผลการวิเคราะห์ด้านล่างให้เป็นภาษาธุรกิจที่ผู้บริหารเข้าใจง่าย

ข้อกำหนด:
- หลีกเลี่ยงศัพท์เทคนิคเกินจำเป็น
- เน้นความหมายเชิงธุรกิจ
- อธิบายว่าเกิดอะไรขึ้น สำคัญอย่างไร และควรทำอะไรต่อ
- ให้กระชับและโน้มน้าวได้

ผลวิเคราะห์:
[วางผลวิเคราะห์]

82) สรุปสำหรับใส่สไลด์บอร์ดบริหาร

อ้างอิงหลักการ: Descriptive → Prescriptive communication
เหมาะใช้เมื่อ: ต้องสรุปสาระสำคัญให้ขึ้นสไลด์ผู้บริหาร

Prompt:

คุณคือที่ปรึกษาด้านการทำสไลด์เชิงกลยุทธ์

ช่วยแปลงผลการวิเคราะห์ด้านล่างให้เป็นสรุปสำหรับใส่สไลด์บอร์ดบริหาร

โครงสร้าง:
- สถานการณ์
- ข้อค้นพบสำคัญ
- ความเสี่ยง
- ข้อเสนอแนะในการตัดสินใจ
- ผลกระทบที่คาดหวัง

โทนภาษา:
คม กระชับ ระดับผู้บริหาร

ข้อมูล:
[วางผลวิเคราะห์]

83) เขียนรายงานแบบ Insight-to-Action

อ้างอิงหลักการ: Full maturity flow
เหมาะใช้เมื่อ: ไม่อยากให้รายงานจบแค่ Insight

Prompt:

คุณคือผู้เชี่ยวชาญด้านการเขียนรายงานเพื่อการบริหาร

ช่วยจัดทำรายงานที่เชื่อมโยงสิ่งต่อไปนี้เข้าด้วยกัน:
1. เกิดอะไรขึ้น
2. ทำไมถึงเกิดขึ้น
3. จะเกิดอะไรต่อ
4. เราควรทำอะไร

โปรดใช้ข้อมูลหรือผลวิเคราะห์ด้านล่าง และจัดโครงสร้างให้ชัดเจน

ข้อมูล:
[วางข้อมูลหรือผลวิเคราะห์]

84) สรุป Analytics Brief แบบ 1 หน้า

อ้างอิงหลักการ: Business-friendly analytics communication
เหมาะใช้เมื่อ: ต้องการเอกสารสั้นแต่ครบสำหรับประชุม

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Executive Brief

ช่วยสร้างสรุป Analytics แบบ 1 หน้า จากข้อมูลด้านล่าง

สิ่งที่ต้องมี:
- วัตถุประสงค์
- เกิดอะไรขึ้น
- ทำไมเรื่องนี้สำคัญ
- ความเสี่ยง
- สิ่งที่ควรทำต่อ
- KPI ที่ควรติดตาม

ข้อกำหนด:
- กระชับ
- ใช้เพื่อการตัดสินใจได้จริง

ข้อมูล:
[วางข้อมูล]

85) สร้างคำถามสำหรับประชุมจากผลวิเคราะห์

อ้างอิงหลักการ: Turning analytics into management discussion
เหมาะใช้เมื่อ: อยากให้ผลวิเคราะห์นำไปสู่การคุยที่มีคุณภาพ

Prompt:

คุณคือผู้อำนวยความสะดวกการประชุมเชิงกลยุทธ์

จากผลการวิเคราะห์ด้านล่าง ช่วยสร้างชุดคำถามสำหรับใช้ในการประชุมผู้บริหาร

โปรดจัดกลุ่มคำถามเป็น:
- คำถามเพื่อขอความชัดเจน
- คำถามเชิงท้าทาย
- คำถามเพื่อการตัดสินใจ
- คำถามด้านความเสี่ยง
- คำถามเรื่องขั้นตอนถัดไป

ผลวิเคราะห์:
[วางผลวิเคราะห์]

86) สร้าง Storyline จากข้อมูล

อ้างอิงหลักการ: Narrative across maturity stages
เหมาะใช้เมื่อ: ต้องการเล่าเรื่องข้อมูลให้คนเข้าใจและจดจำได้

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Business Storytelling

ช่วยแปลงข้อมูลและผลการวิเคราะห์ด้านล่างให้เป็น Storyline ที่ชัดเจน

โครงเรื่องต้องมี:
- เกิดอะไรขึ้น
- ทำไมถึงเกิดขึ้น
- มีแนวโน้มจะเกิดอะไรต่อ
- ตอนนี้เราควรทำอะไร

ผลลัพธ์:
- หัวเรื่องหลัก
- โครงเรื่อง
- หลักฐานสนับสนุน
- ข้อเสนอแนะสุดท้าย

ข้อมูล:
[วางข้อมูล]

87) เขียนอีเมลสรุปให้ผู้บริหาร

อ้างอิงหลักการ: Actionable reporting
เหมาะใช้เมื่อ: ต้องสรุปผลวิเคราะห์ส่งทางอีเมล

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Executive Communications

ช่วยเขียนอีเมลสรุปสำหรับผู้บริหาร จากผลวิเคราะห์และข้อเสนอด้านล่าง

ข้อกำหนด:
- มีหัวข้ออีเมลที่ชัดเจน
- มี 5-7 ย่อหน้าสั้น ๆ หรือแบ่งเป็น bullet sections
- เน้นผลกระทบและการตัดสินใจ
- ปิดท้ายด้วยสิ่งที่ต้องการให้ผู้บริหารอนุมัติหรือเห็นชอบ

ข้อมูล:
[วางข้อมูลหรือผลวิเคราะห์]

88) สรุปงานให้ทีมลงมือทำ

อ้างอิงหลักการ: Prescriptive communication to execution teams
เหมาะใช้เมื่อ: ต้องส่งต่อจาก insight ไปสู่ execution team

Prompt:

คุณคือหัวหน้าฝ่ายสื่อสารภายในทีมปฏิบัติการ

ช่วยแปลงผลวิเคราะห์ด้านล่างให้เป็น Team Action Summary

สิ่งที่ต้องมี:
- สิ่งที่ทีมควรรู้
- สิ่งที่ต้องลงมือทำ
- ใครควรทำอะไร
- ต้องติดตามตัวเลขอะไร
- กำหนดเวลาสำคัญคืออะไร

ข้อมูล:
[วางผลวิเคราะห์]

89) เขียน Commentary ประกอบ Dashboard

อ้างอิงหลักการ: Descriptive and diagnostic reporting
เหมาะใช้เมื่อ: ต้องมีคำอธิบายประกอบ dashboard รายสัปดาห์หรือรายเดือน

Prompt:

คุณคือผู้เชี่ยวชาญด้านการเขียน Dashboard Commentary

ช่วยเขียนคำอธิบายประกอบ Dashboard จากการเปลี่ยนแปลงของ KPI ด้านล่าง

โปรดรวม:
- การเปลี่ยนแปลงสำคัญ
- การตีความที่เป็นไปได้
- ประเด็นที่ต้องจับตา
- คำถามที่ควรถามต่อ
- พื้นที่ที่ควรลงมือทำ

ข้อมูล Dashboard:
[วางข้อมูล]

90) เขียนสรุปข้อเสนอเพื่อขออนุมัติ

อ้างอิงหลักการ: Prescriptive decision support
เหมาะใช้เมื่อ: ต้องเสนอแผนและขอ approval

Prompt:

คุณคือผู้เชี่ยวชาญด้านการเขียน Recommendation Summary

ช่วยจัดทำสรุปข้อเสนอเพื่อขออนุมัติแผนจากผู้บริหาร

สิ่งที่ต้องมี:
- ที่มาและบริบท
- หลักฐานสำคัญ
- แผนที่เสนอ
- ผลกระทบที่คาดหวัง
- งบหรือทรัพยากรที่ต้องใช้
- ความเสี่ยง
- สิ่งที่ต้องการให้อนุมัติ

ข้อมูล:
[วางข้อเสนอหรือผลวิเคราะห์]

หมวด 10: Master Prompt และ Prompt Chain ใช้งานจริง

91) วิเคราะห์ครบทั้ง 4 ระดับในรอบเดียว

อ้างอิงหลักการ: Descriptive → Diagnostic → Predictive → Prescriptive
เหมาะใช้เมื่อ: อยากให้ AI วิเคราะห์ครบวงจรใน Prompt เดียว

Prompt:

คุณคือที่ปรึกษาด้าน Analytics และการตัดสินใจแบบครบวงจร

ช่วยวิเคราะห์ข้อมูลนี้ตาม Gartner’s Analytics Maturity Model ทั้ง 4 ระดับ

Stage 1: Descriptive
- เกิดอะไรขึ้น

Stage 2: Diagnostic
- ทำไมถึงเกิดขึ้น

Stage 3: Predictive
- มีแนวโน้มจะเกิดอะไรต่อ

Stage 4: Prescriptive
- ควรทำอะไรต่อ

ข้อกำหนด:
- แยกแต่ละ Stage ให้ชัดเจน
- แยกข้อเท็จจริงออกจากการอนุมานและข้อสมมติ
- ระบุข้อมูลที่ยังขาด
- ปิดท้ายด้วย Action Plan แบบเรียงลำดับความสำคัญ

ข้อมูล:
[วางข้อมูล]

92) ให้ AI ทำหน้าที่ Analyst Copilot แบบทีละขั้น

อ้างอิงหลักการ: Structured prompt workflow
เหมาะใช้เมื่อ: อยากลดความมั่วและให้ AI ทำงานเป็นลำดับ

Prompt:

คุณคือ Analyst Copilot ของฉัน

ช่วยทำงานเป็น 4 ขั้นตอนดังนี้:
1. สรุปว่าเกิดอะไรขึ้น
2. วิเคราะห์ว่าน่าจะเกิดจากอะไร
3. คาดการณ์ว่าจะเกิดอะไรต่อ
4. แนะนำว่าควรทำอะไร

สำหรับแต่ละขั้นตอน:
- สรุปเหตุผลแบบสั้น
- ระบุระดับความมั่นใจ
- บอกข้อมูลที่ยังขาด
- ใช้ภาษาธุรกิจที่เข้าใจง่าย

ข้อมูลธุรกิจ:
[วางข้อมูล]

93) สร้างคำถามวิเคราะห์ที่ดีขึ้น

อ้างอิงหลักการ: Analytics maturity depends on question quality
เหมาะใช้เมื่อ: ยังไม่แน่ใจว่าควรถามอะไรกับข้อมูล

Prompt:

คุณคือที่ปรึกษาด้านการตั้งคำถามเชิงวิเคราะห์

จากสถานการณ์ธุรกิจด้านล่าง ช่วยสร้างคำถามวิเคราะห์ที่ดีที่สุดในแต่ละระดับของ Gartner’s Analytics Maturity Model

โปรดแยกเป็น:
- คำถามแบบ Descriptive
- คำถามแบบ Diagnostic
- คำถามแบบ Predictive
- คำถามแบบ Prescriptive

สำหรับแต่ละคำถาม ให้ระบุ:
- ทำไมคำถามนี้จึงสำคัญ
- ต้องใช้ข้อมูลอะไร
- จะช่วยการตัดสินใจเรื่องใด

สถานการณ์:
[วางสถานการณ์]

94) วิเคราะห์แบบตั้ง Hypothesis

อ้างอิงหลักการ: Stronger diagnostic and predictive analysis
เหมาะใช้เมื่อ: อยากให้การวิเคราะห์มีโครงสร้าง ไม่กระโดดสรุป

Prompt:

คุณคือผู้เชี่ยวชาญด้าน Hypothesis-Driven Analysis

จากข้อมูลด้านล่าง โปรดทำสิ่งต่อไปนี้:
1. สรุปปัญหาหลัก
2. สร้างสมมติฐานที่เป็นไปได้ 5-7 ข้อ
3. จัดอันดับสมมติฐานตามความน่าจะเป็น
4. เสนอวิธีตรวจสอบแต่ละสมมติฐาน
5. แนะนำสิ่งที่ควรทำต่อจากสมมติฐานที่แข็งแรงที่สุด

ข้อมูล:
[วางข้อมูล]

95) วิเคราะห์เพื่อสนับสนุนการตัดสินใจโดยตรง

อ้างอิงหลักการ: Analytics should support decisions
เหมาะใช้เมื่อ: ไม่อยากได้แค่รายงาน แต่อยากได้คำตอบที่ใช้ตัดสินใจได้

Prompt:

คุณคือที่ปรึกษาด้านการวิเคราะห์เพื่อการตัดสินใจ

ช่วยวิเคราะห์สถานการณ์ด้านล่างโดยมีเป้าหมายชัดเจนว่า “ต้องช่วยให้ตัดสินใจได้”

โปรดตอบให้ครบ:
- เกิดอะไรขึ้น
- ทำไมเรื่องนี้จึงสำคัญ
- ทางเลือกที่มีอยู่คืออะไร
- ทางเลือกใดดีที่สุด
- มีสมมติฐานอะไรที่อาจทำให้คำแนะนำเปลี่ยนไป

บริบทธุรกิจ:
[วางข้อมูล]
การตัดสินใจที่ต้องการ:
[วางโจทย์การตัดสินใจ]

96) ตรวจคุณภาพงานวิเคราะห์ก่อนส่งต่อ

อ้างอิงหลักการ: Quality control across maturity stages
เหมาะใช้เมื่อ: อยากให้ AI ตรวจงานวิเคราะห์อีกชั้นก่อนนำเสนอ

Prompt:

คุณคือผู้ตรวจคุณภาพงานวิเคราะห์

ช่วยรีวิวผลการวิเคราะห์ด้านล่างและระบุจุดอ่อนที่ควรแก้

โปรดตรวจสอบ:
- มีข้อสรุปใดที่ไม่มีหลักฐานรองรับหรือไม่
- มีการปนกันระหว่างข้อเท็จจริงกับข้อสมมติหรือไม่
- การวิเคราะห์สาเหตุลึกพอหรือไม่
- Logic ของการคาดการณ์แน่นพอหรือไม่
- ข้อเสนอแนะในการลงมือทำชัดพอหรือไม่
- มีความเสี่ยงด้านคุณภาพข้อมูลหรือไม่

ผลลัพธ์:
- จุดแข็ง
- จุดอ่อน
- สิ่งที่ควรแก้
- ข้อเสนอเวอร์ชันที่ดีกว่า

ผลวิเคราะห์:
[วางผลวิเคราะห์]

97) สร้าง Template จาก Data → Insight → Action

อ้างอิงหลักการ: Full maturity workflow
เหมาะใช้เมื่อ: อยากได้แม่แบบใช้ซ้ำทุกสัปดาห์หรือทุกเดือน

Prompt:

คุณคือผู้ออกแบบ Template การวิเคราะห์ธุรกิจ

ช่วยสร้าง Template มาตรฐานที่พาข้อมูลดิบไปสู่:
- Insight
- Interpretation
- Forecast
- Recommendation
- Action Tracking

ข้อกำหนด:
- ใช้งานซ้ำได้ทุกสัปดาห์หรือทุกเดือน
- อ่านง่าย
- เหมาะกับทีมธุรกิจ

บริบท:
[วางบริบท]

98) ตั้งกติกาให้ AI วิเคราะห์แบบมาตรฐานเดียวกัน

อ้างอิงหลักการ: Governance and disciplined analysis
เหมาะใช้เมื่อ: อยากให้ AI ทุกครั้งวิเคราะห์ในมาตรฐานเดียวกัน

Prompt:

คุณคือผู้ช่วยวิเคราะห์ธุรกิจของฉัน

โปรดทำงานตามกติกาต่อไปนี้ทุกครั้ง:
1. เริ่มจากข้อเท็จจริงเชิง Descriptive ก่อน
2. อย่ากระโดดสรุปโดยไม่มีหลักฐาน
3. แยกการวิเคราะห์สาเหตุออกจากการคาดการณ์
4. แยกการคาดการณ์ออกจากข้อเสนอแนะ
5. ระบุสมมติฐานและระดับความมั่นใจทุกครั้ง
6. บอกข้อมูลที่ยังขาด
7. ข้อเสนอแนะต้องทำได้จริงและมีลำดับความสำคัญ

ตอนนี้ให้นำกติกานี้ไปใช้กับกรณีต่อไปนี้:
[วางกรณีศึกษา]

99) ใช้ AI ช่วยออกแบบเวิร์กช็อปข้ามฝ่าย

อ้างอิงหลักการ: Organizational maturity building
เหมาะใช้เมื่อ: จะจัดประชุมหรือ workshop ให้หลายทีมช่วยกันคิด

Prompt:

คุณคือผู้อำนวยความสะดวกเวิร์กช็อปด้าน Analytics Planning

ช่วยออกแบบเวิร์กช็อปสำหรับหลายฝ่าย โดยใช้ Gartner’s 4 Analytics Maturity Stages เป็นแกน

โปรดจัดทำ:
- Agenda เวิร์กช็อป
- คำถามหลักในแต่ละ Stage
- ข้อมูลที่ควรเตรียม
- กิจกรรมของแต่ละทีม
- Output ที่ควรได้
- คำถามเพื่อสรุปให้เกิด Alignment ตอนท้าย

ประเด็นธุรกิจ:
[วางประเด็น]

100) Master Prompt หลักสำหรับ Gartner’s Analytics Maturity Model

อ้างอิงหลักการ: Full master prompt
เหมาะใช้เมื่อ: ต้องการ Prompt หลักตัวเดียว ใช้ครอบคลุมหลายสถานการณ์

Prompt:

คุณคือที่ปรึกษาด้าน Business Analytics และ Decision Support ระดับอาวุโส

ช่วยวิเคราะห์ข้อมูลที่ฉันให้ โดยใช้ Gartner’s Analytics Maturity Model เป็นกรอบหลัก

ลำดับการทำงานต้องเป็นดังนี้:

1. Descriptive Analytics
- สรุปว่าเกิดอะไรขึ้น
- ชี้ตัวเลขสำคัญ รูปแบบ และสิ่งผิดปกติ

2. Diagnostic Analytics
- อธิบายว่าทำไมจึงอาจเกิดขึ้น
- ลิสต์สาเหตุที่เป็นไปได้และหลักฐานสนับสนุน
- แยกข้อเท็จจริงออกจากข้อสมมติ

3. Predictive Analytics
- คาดการณ์ว่าจะเกิดอะไรต่อ
- แสดงฉากทัศน์ สมมติฐาน และความไม่แน่นอน

4. Prescriptive Analytics
- แนะนำว่าควรทำอะไรต่อ
- จัดลำดับสิ่งที่ควรทำตามผลกระทบและความเป็นไปได้
- เสนอ KPI ที่ควรติดตามหลังลงมือทำ

รูปแบบผลลัพธ์:
- Executive Summary
- Stage 1: Descriptive
- Stage 2: Diagnostic
- Stage 3: Predictive
- Stage 4: Prescriptive
- Priority Action Plan
- Risks and Assumptions
- Missing Data / Next Questions

ข้อกำหนด:
- ใช้เฉพาะข้อมูลที่ฉันให้ เว้นแต่ฉันจะอนุญาตให้ใช้สมมติฐานภายนอก
- หากความมั่นใจต่ำ ให้บอกอย่างตรงไปตรงมา
- ใช้ภาษาธุรกิจที่เข้าใจง่าย
- เน้นผลลัพธ์ที่นำไปใช้ได้จริง

ข้อมูล / บริบท:
[วางข้อมูล]

 

 

บทความที่เกี่ยวข้อง

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

ตั้งค่าความเป็นส่วนตัว

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • คุกกี้ที่จำเป็น
    เปิดใช้งานตลอด

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

  • คุกกี้เพื่อการวิเคราะห์

    คุกกี้ประเภทนี้จะทำการเก็บข้อมูลการใช้งานเว็บไซต์ของคุณ เพื่อเป็นประโยชน์ในการวัดผล ปรับปรุง และพัฒนาประสบการณ์ที่ดีในการใช้งานเว็บไซต์ ถ้าหากท่านไม่ยินยอมให้เราใช้คุกกี้นี้ เราจะไม่สามารถวัดผล ปรับปรุงและพัฒนาเว็บไซต์ได้
    รายละเอียดคุกกี้

  • คุกกี้เพื่อปรับเนื้อหาให้เข้ากับกลุ่มเป้าหมาย

    คุกกี้ประเภทนี้จะเก็บข้อมูลต่าง ๆ รวมทั้งข้อมูลส่วนบุคคลเกี่ยวกับตัวคุณเพื่อเราสามารถนำมาวิเคราะห์ และนำเสนอเนื้อหา ให้ตรงกับความเหมาะสมกับความสนใจของคุณ ถ้าหากคุณไม่ยินยอมเราจะไม่สามารถนำเสนอเนื้อหาและโฆษณาได้ไม่ตรงกับความสนใจของคุณ
    รายละเอียดคุกกี้

บันทึกการตั้งค่า