پرامپت تحلیل داده با SQL

## راهنمای جامع زنجیره پرامپت تحلیل داده و داشبوردسازی با SQL

این بسته آموزشی-عملیاتی برای ایجاد یک خط لوله فکری و تحلیلی میان مهندس داده یا تحلیل‌گر و مدل‌های هوش مصنوعی (مانند ChatGPT، Claude و Gemini) طراحی شده است. اجرای یک‌باره پروژه‌های سنگین دیتابیس در هوش مصنوعی معمولاً به کدهای ناقص، خطاهای منطقی در Joinها یا خروجی‌های سطحی منجر می‌شود. راهکار اصولی، تفکیک فرایند به گام‌های استاندارد مهندسی داده است.

### نقشهٔ پکیج (Pipeline Map)
این پکیج از ۶ پرامپت متصل به هم تشکیل شده است:
1. **پرامپت ۱ (نیازمندی‌ها و نگاشت مدل داده):** تبدیل پرسش مبهم کسب‌وکار به فرضیات آماری و تعریف ماتریس داده.
2. **پرامپت ۲ (پاک‌سازی و پایه‌ریزی کوئری):** ساخت کوئری‌های آماده‌سازی، مدیریت مقادیر Null و تبدیل فرمت‌ها.
3. **پرامپت ۳ (محاسبات تحلیلی و توابع پیشرفته):** نوشتن کوئری‌های عمیق تحلیلی نظیر Window Functions، کوهورت، رشد دوره‌ای و RFM.
4. **پرامپت ۴ (ارزیابی عملکرد و بهینه‌سازی):** بازنویسی کوئری برای کاهش هزینه پردازش، بهینه‌سازی Index و حل مشکلات Join.
5. **پرامپت ۵ (معماری داشبورد و لایه بصری):** تبدیل خروجی جدول‌ها به نقشه داشبورد برای ابزارهای BI (مانند Power BI یا Metabase).
6. **پرامپت ۶ (تفسیر نتایج و گزارش تصمیم‌گیری):** تبدیل ارقام و متریک‌ها به گزارش تحلیلی شفاف برای ذی‌نفعان بدون زمینه فنی.

---

### پرامپت ۱: فرموله‌سازی مسئله تجاری و نگاشت مدل داده
این پرامپت اولین حلقه زنجیر است. شما نیازمندی مبهم اولیه و ساختار کلی جداول را می‌دهید و خروجی ساختاریافته‌ای برای شروع تحلیل دریافت می‌کنید.

[ادامهٔ پرامپت‌های ۱ تا ۶، راهنمای عیب‌یابی و چک‌لیست نهایی در نسخهٔ کامل آمده است.]