RINTARA INSIGHTS

Panduan Prompt: Pembersihan Data hingga Papan Pemuka Interaktif

Panduan langkah demi langkah menggunakan Gemini untuk membersihkan fail, mengesahkan kualiti data, memilih visual yang tepat dan menghasilkan papan pemuka Streamlit serta Plotly.

Anda ialah pakar pembersihan data, jaminan kualiti, visualisasi dan pembangunan dashboard. Bimbing saya secara langkah demi langkah daripada fail mentah hingga dashboard interaktif yang telah diuji.

Konteks saya:
- Fail/sumber data: [NAMA FAIL ATAU AKAN DIMUAT NAIK]
- Tujuan analisis: [TUJUAN]
- Pengguna dashboard: [KUMPULAN SASARAN]
- Keputusan yang perlu disokong: [KEPUTUSAN]
- Alat pilihan: [GEMINI / PYTHON / STREAMLIT / PLOTLY / LAIN-LAIN]
- Bahasa output: [BAHASA MELAYU / ENGLISH]

Cara membantu saya:
1. Semak konteks dan tanya hanya soalan penting yang belum dijawab. Jangan mereka-reka struktur fail, nilai atau KPI.
2. Selepas fail diterima, terangkan struktur dan sediakan kamus data ringkas.
3. Audit pendua, nilai hilang, jenis data, tarikh, nombor, kategori, outlier dan julat mustahil. Kelaskan isu sebagai Kritikal, Sederhana atau Rendah.
4. Cadangkan pelan pembersihan dengan contoh sebelum/selepas, sebab dan bilangan rekod terjejas. Jangan ubah atau membuang data sebelum saya meluluskan pelan.
5. Selepas kelulusan saya, hasilkan dataset_clean, quality_report, change_log dan unresolved_issues.
6. Jalankan ujian kualiti dan berikan PASS/FAIL. Berhenti jika ujian Kritikal gagal.
7. Cadangkan 4-6 KPI atau carta berdasarkan soalan analisis. Nyatakan medan, agregasi, penapis, sebab pemilihan dan risiko salah tafsir.
8. Selepas saya meluluskan pelan visual, hasilkan dashboard interaktif lengkap dengan kod, requirements.txt, arahan menjalankan aplikasi dan ujian penerimaan.
9. Pada setiap peringkat paparkan: Dapatan, Cadangan, Keputusan diperlukan daripada saya, dan Langkah seterusnya.

Mulakan dengan menyenaraikan maklumat yang anda perlukan dan minta saya memuat naik fail. Jangan terus membina dashboard.

Daripada fail mentah kepada keputusan yang boleh dipercayai

Panduan ini menyusun kerja kepada empat peringkat: fahami fail, bersihkan dan sahkan data, pilih visual yang tepat, kemudian bina papan pemuka interaktif. Jalankan setiap peringkat secara berasingan supaya kesilapan mudah dikesan sebelum ia memasuki carta atau KPI.

1. Tetapkan konteks fail dan hasil kerja

Muat naik CSV atau XLSX dan beritahu Gemini tentang tujuan analisis, pengguna sasaran dan keputusan yang perlu disokong. Gunakan prompt pembukaan berikut.

Saya akan memberikan fail [NAMA FAIL]. Bertindak sebagai penganalisis data kanan.

Tujuan analisis: [TUJUAN]
Pengguna papan pemuka: [KUMPULAN SASARAN]
Keputusan yang perlu disokong: [KEPUTUSAN]

Sebelum mengubah data:
1. Terangkan struktur fail, bilangan rekod dan bilangan medan.
2. Bina kamus data ringkas: nama medan, maksud, jenis data semasa dan jenis yang disyorkan.
3. Kenal pasti andaian yang belum dapat disahkan.
4. Jangan reka nilai yang tiada dan jangan terus membina carta.

2. Audit dan bersihkan data

Audit perlu meliputi rekod pendua, nilai hilang, jenis data, format tarikh, simbol mata wang atau peratus, ruang kosong, ejaan kategori dan nilai luar biasa. Minta Gemini menyediakan log perubahan supaya setiap pembetulan boleh dijejaki.

Audit kualiti data bagi fail ini. Laporkan isu mengikut tahap Kritikal, Sederhana atau Rendah.

Semak:
- rekod pendua dan kekunci ID yang tidak unik;
- nilai kosong, placeholder seperti N/A, -, 0 atau teks kosong;
- jenis data yang salah;
- format tarikh, nombor, mata wang dan peratus yang tidak konsisten;
- kategori yang sama tetapi berbeza ejaan atau huruf besar/kecil;
- nilai luar biasa dan julat yang mustahil.

Cadangkan pembetulan tanpa memadam rekod secara senyap. Paparkan jadual sebelum/selepas, sebab perubahan dan jumlah rekod yang terjejas. Jika maklumat tidak mencukupi, tandakan untuk semakan manusia.

Prompt pelaksanaan pembersihan

Laksanakan pembetulan yang telah saya luluskan. Kekalkan data asal sebagai salinan rujukan.

Hasilkan:
1. dataset_clean;
2. quality_report yang merumuskan isu dan tindakan;
3. change_log dengan medan, nilai asal, nilai baharu dan sebab;
4. senarai unresolved_issues yang masih memerlukan keputusan manusia.

Jangan mengisi nilai hilang dengan purata, median atau nilai rekaan tanpa arahan khusus.

3. Sahkan logik dan kualiti selepas pembersihan

Ulang pemeriksaan selepas transformasi. Sesuaikan peraturan dengan domain. Contohnya, bagi data latihan: peserta berdaftar mestilah sama dengan jumlah hadir dan tidak hadir; kadar kehadiran mestilah sepadan dengan formula; skor maklum balas mesti berada dalam skala yang dibenarkan.

Sahkan dataset_clean dan keluarkan keputusan PASS atau FAIL bagi setiap ujian:
- bilangan rekod sebelum dan selepas;
- keunikan kekunci utama;
- nilai hilang bagi medan wajib;
- julat nilai berangka dan tarikh;
- konsistensi formula antara medan;
- jumlah agregat sebelum dan selepas;
- sekurang-kurangnya lima semakan sampel baris.

Jangan teruskan kepada visualisasi jika ada ujian Kritikal yang gagal. Terangkan impak setiap kegagalan terhadap analisis.

4. Pilih carta berdasarkan soalan

Berdasarkan soalan perniagaan dan jenis medan dalam dataset_clean, cadangkan visualisasi.
Untuk setiap visual, nyatakan:
- soalan yang dijawab;
- medan pada paksi X dan Y;
- kaedah agregasi;
- susunan kategori atau masa;
- penapis yang diperlukan;
- sebab carta itu lebih sesuai daripada alternatif;
- risiko salah tafsir.

Hadkan papan pemuka kepada 4-6 visual yang benar-benar membantu keputusan.

5. Prompt induk membina papan pemuka Gemini

Gunakan prompt berikut selepas data dan reka bentuk visual diluluskan.

Menggunakan dataset_clean dan pelan visualisasi yang telah diluluskan, bangunkan papan pemuka web interaktif menggunakan Python, Streamlit, Pandas dan Plotly Express.

Keperluan:
1. Sediakan app.py lengkap yang boleh dijalankan.
2. Muat data dengan pengendalian ralat dan semakan medan wajib.
3. Paparkan 4-5 kad KPI yang paling relevan.
4. Tambah penapis bar sisi untuk [KATEGORI], [TEMPOH] dan [SEGMEN].
5. Pastikan semua carta bertindak balas terhadap penapis.
6. Gunakan format tarikh, peratus dan mata wang yang betul.
7. Susun data masa secara kronologi.
8. Sediakan keadaan kosong apabila penapis tidak menghasilkan rekod.
9. Sertakan tajuk, penerangan ringkas dan sumber data pada papan pemuka.
10. Tambah butang muat turun bagi data yang telah ditapis.

Selepas kod, berikan requirements.txt, arahan menjalankan aplikasi dan senarai ujian penerimaan. Jangan mereka-reka KPI yang tidak boleh dikira daripada fail.

6. Uji sebelum diterbitkan

• Bandingkan sekurang-kurangnya tiga KPI dengan pengiraan manual.
• Uji setiap penapis secara tunggal dan gabungan.
• Pastikan carta tidak mengelirukan melalui paksi terpotong atau kategori tidak tersusun.
• Uji fail kosong, nilai kosong dan format data yang tidak dijangka.
• Semak paparan desktop dan mudah alih serta masa pemuatan.
• Catat tarikh kemas kini, pemilik data dan definisi setiap KPI.