Аналитика данных с применением ИИ

# Промпт в Claude/ChatGPT — твой первый шаг как аналитика

Ты опытный data-аналитик. Объясни на простом языке:

  1. Что такое cohort retention и зачем его считать
  2. Какие 3 метрики стоит смотреть продуктовому аналитику
     в первую очередь
  3. Дай пример того, как бы ты сформулировал гипотезу
     для A/B-теста новой фичи в банковском приложении

Отвечай структурно: тезис → пример → когда применять.

=ARRAYFORMULA(
  IFERROR(
    QUERY(events, "select cohort, count(user_id)
                    where event='signup' group by cohort"),
    "—"))

-- cohort retention за последние 8 недель
SELECT cohort_month,
       count(DISTINCT user_id) AS users,
       round(count(DISTINCT user_id) FILTER (WHERE active) * 100.0 /
             count(DISTINCT user_id), 2) AS retention_pct
FROM events
WHERE event_type = 'app_open'
GROUP BY cohort_month
ORDER BY cohort_month DESC;

import pandas as pd

df = pd.read_sql("SELECT * FROM events", conn)
retention = (df.groupby('cohort')['user_id']
               .nunique() / df['cohort'].value_counts())

from scipy import stats

# A/B-тест: сравниваем конверсию вариантов A и B
ctrl  = df.query("variant == 'A'")['converted']
treat = df.query("variant == 'B'")['converted']

t, p = stats.ttest_ind(ctrl, treat)
lift = treat.mean() - ctrl.mean()
print(f"lift={lift:+.2%}  p={p:.4f}")

Retention% =
DIVIDE(
  CALCULATE([Active Users], DATEADD('Date'[Date], -7, DAY)),
  [Total Users by Cohort]
) * 100

# powerbi-workbook.yml
data_source: postgres://prod/events
metrics: [DAU, D7_retention, ARPU]
filters: { cohort: 2026-* }
schedule: daily 09:00 Asia/Almaty