S'inscrire gratuitement

Find and investigate spreadsheet outliers

Auteur: AILesson7 min de préparationTesté avec:ChatGPTRévisé: 2026-08-28

Réponse rapide

Flag unusual values with a method suited to the distribution, then investigate before removal. Fournir: Metric and business meaning, Data profile, Investigation and usage. Résultat attendu: Transparent outlier flags, context checks, and keep-correct-remove decisions.

1

Ajouter votre contexte

Votre texte reste dans ce navigateur. AILesson Prompts ne l’envoie ni à un modèle ni à un serveur.

2

Votre prompt

Les champs non remplis restent visibles sous forme d’espaces réservés, afin que vous puissiez quand même copier et modifier le prompt.

Design a spreadsheet outlier analysis.

Metric, unit, valid range, and groups:
[metric]

Data profile and representative values:
[distribution]

Investigation purpose and policy:
[policy]

Separate impossible values, data-entry errors, rare but valid events, and influential observations. Choose a transparent method appropriate to skew and sample size, such as business-rule limits, IQR, robust z-score, or within-group comparison. Return formulas, thresholds, an OutlierReason field, and a review workflow. Do not delete or winsorize values automatically. Show how conclusions change with and without flagged observations and how each row can be traced to source evidence.
Essayer dans le Playground
Privé par défautL’assemblage du prompt se fait localement dans votre navigateur. Évitez de placer des informations confidentielles dans un service d’IA, sauf si votre organisation l’autorise.

De l'entrée au résultat

Un exemple détaillé

Voyez comment un contexte concret transforme cette recette en résultat utilisable.

Entrée réelle

Metric and business meaning
OrderValue in GBP, nonnegative. Analyze typical order size by CustomerType because Wholesale orders are normally larger than Retail.
Data profile
2,400 orders. Retail n=2,100: Q1 £28, median £46, Q3 £72, max £8,400. Wholesale n=300: Q1 £410, median £690, Q3 £1,100, max £12,500. Three values are negative; one Retail row is £8,400; several Wholesale rows exceed £4,000.
Investigation and usage
Find data errors and understand whether extreme orders distort the average. Every order can be checked against an invoice. Do not remove a valid large order.

Exemple de sortie

Apply the nonnegative business rule first: all three negative values are Invalid and require invoice or source correction. Detect unusual values within CustomerType, not across the mixed population.

For Retail, IQR = 72−28 = 44 and the upper fence is 72+1.5×44 = £138. This intentionally flags many high Retail orders for investigation, not deletion. For Wholesale, IQR = 690 and the upper fence is £2,135. Add group quartiles in a summary table and an OutlierReason column that distinguishes Negative-invalid, Above-group-IQR, and Not-flagged.

The £8,400 Retail order is highly unusual; verify customer type, decimal placement, currency, duplicates, and invoice. If verified, retain it as Rare-valid and explain its influence. Wholesale orders above £4,000 receive the same source check but should not be compared with the Retail threshold.

Report median and IQR as the primary typical-size statistics. Show mean order value with all valid rows and again excluding Rare-valid rows as a sensitivity analysis, while keeping the official total revenue unchanged. Record OrderID, flag, evidence checked, decision, reviewer, and date for every changed classification.

Pourquoi cela fonctionne

  1. 1

    Separating invalid from unusual prevents legitimate high-impact events from being erased.

  2. 2

    Sensitivity results reveal whether a small number of observations drives the conclusion.

Vérifier le résultat

  • Is the detection method appropriate for the metric distribution and groups?

  • Are impossible, erroneous, and rare-valid values labeled separately?

  • Is every correction backed by source evidence?

Utilisez-la en toute confiance

Questions fréquentes

Des réponses pratiques sur le bon moment pour utiliser cette recette, ce qu’il faut fournir et les cas où une vérification humaine reste nécessaire.

What should I prepare before using “Find and investigate spreadsheet outliers”?

For “Find and investigate spreadsheet outliers,” prepare Metric and business meaning, Data profile, and Investigation and usage. Replace placeholders only with information you can verify. If a detail is unknown, preserve that uncertainty explicitly instead of asking the model to infer it.

When is the “Find and investigate spreadsheet outliers” result not ready to use?

The result is not ready if it does not yet deliver the stated outcome—Transparent outlier flags, context checks, and keep-correct-remove decisions—from the supplied evidence, or if it relies on unresolved assumptions, missing approvals, or invented details. Use the checks as release gates: revise the source inputs or assign a named, authorized reviewer instead of polishing an unsupported output.

Which AI tools have recorded tests for “Find and investigate spreadsheet outliers”?

The published test record for “Find and investigate spreadsheet outliers” lists ChatGPT as of 2026-08-28. This confirms recorded runs, not guaranteed compatibility or identical results in later product versions. For another tool or version, keep every constraint visible and repeat the result checks before use.

Plus de façons d'explorer

Où se situe cette recette

Prompts texteAnalyse de donnéesExcel et feuilles de calcul

Faites avancer votre travail

AILesson · Cours recommandés

Votre prochaine étape : mettez l’IA à contribution

Passez de la compréhension de l'IA à l'action. Entraînez-vous à formuler des requêtes, à évaluer et à améliorer les résultats grâce à des leçons interactives pour le travail et la vie quotidienne.

Découvrir tous les cours
Image de couverture de L’IA pour débutants

15 leçons interactives

L’IA pour débutants

Lancez une conversation utile avec une IA, améliorez sa réponse, vérifiez l’essentiel et sachez quand c’est à vous d’agir.

Découvrir ce cours
Image de couverture de Les bases de ChatGPT

10 leçons interactives

Les bases de ChatGPT

Découvrez ChatGPT à travers trois flux de travail pratiques : mener une première conversation, travailler à partir d’un fichier, puis utiliser Projects pour réutiliser un plan vérifié dans une nouvelle conversation.

Découvrir ce cours
Image de couverture de Comment fonctionne l’IA générative

7 leçons interactives

Comment fonctionne l’IA générative

Comprenez comment les systèmes courants de chat IA apprennent des structures linguistiques, utilisent les messages actuels, construisent leurs réponses et intègrent des sources et des outils.

Découvrir ce cours