File: 'Q1-2026-revenue-by-segment.csv'\nRows: 18 · Columns: month, segment, mrr, customer_count, churn_rate\n\nFull data:\n2025-11, SMB, $42,300, 312, 4.1%\n2025-11, Mid-Market, $128,500, 87, 2.2%\n2025-11, Enterprise, $89,000, 12, 1.0%\n2025-12, SMB, $40,800, 298, 4.8%\n2025-12, Mid-Market, $134,200, 91, 2.0%\n2025-12, Enterprise, $94,500, 13, 0.8%\n2026-01, SMB, $38,100, 281, 5.4%\n2026-01, Mid-Market, $141,800, 95, 1.9%\n2026-01, Enterprise, $98,200, 14, 0.7%\n2026-02, SMB, $35,200, 263, 6.1%\n2026-02, Mid-Market, $148,900, 99, 1.7%\n2026-02, Enterprise, $108,000, 16, 0.5%\n2026-03, SMB, $33,400, 245, 6.8%\n2026-03, Mid-Market, $156,200, 104, 1.5%\n2026-03, Enterprise, $115,500, 18, 0.4%\n2026-04, SMB, $31,200, 228, 7.2%\n2026-04, Mid-Market, $164,400, 109, 1.4%\n2026-04, Enterprise, $122,800, 20, 0.3%\n\nAuto-detected: SMB MRR is declining month-over-month while Mid-Market and Enterprise are growing. Total MRR is growing despite SMB decline. SMB churn rate has nearly doubled over the period.

Summary  
This chapter covers prompt chaining and contextual prompting for analyzing structured data, showing how to load a dataset once and reuse it with different analytical questions.

General domain of usage  
Data analysis

Du kan give Claude en CSV og få svaret **"MRR er steget samlet set."** Ubrugeligt. Du kan også få en præcis trelinjers analyse, der nævner det segment, der har problemer, måneden det startede, og hvad der skal gøres ved det. Samme data – forskellig systemprompt.

## Skiftet fra noter til tal

Et notelæsningsværktøj returnerer prosa. Et regnearksværktøj returnerer rækker – men det ændrer kun **fejltypen** i stedet for at fjerne den.

| Inputtype | Typisk fejl |
|---|---|
| Prosa (noter, dokumenter) | **Mangler** ting |
| Tal (regneark) | **Gentager** ting |

Spørg **"opsummer dette regneark"** og du får: **"Omsætningen steg, churn varierede, kunderne svingede."** Alt sammen sandt, alt sammen værdiløst. Modellen skal **fortolke** tallene, ikke blot gentage dem.



## At tvinge fortolkning

Systemprompten i dette lab tvinger tre skridt:

1. **Top 3 fund** – med specifikke tal nævnt (måneder, segmenter, procenter);
2. **En bemærkelsesværdig afvigelse** – noget de fleste ville overse ved første gennemlæsning;
3. **En anbefaling** – en konkret handling, ikke en floskel.

**Konklusion:** Strukturerede data kræver strukturerede krav. Ellers nøjes modellen med høfligt at beskrive regnearket for dig.

## Opgave

>Analysér dette indtægtsregneark. Hvilke er de vigtigste tendenser, jeg bør tage med til næste uges ledelsesmøde?

Derefter fortsæt:

>Dyk ned i SMB. Hvad forårsager stigningen i churn?

>Hvad vil der ske med den samlede MRR, hvis SMB-churn fortsætter med at stige i dette tempo?

>Hvilket segment bør vi satse ekstra på i Q3?

Hver opfølgning bruger de samme indlæste data. Samme tal, forskellige vinkler.

Et praktisk, begynderorienteret kursus designet til ikke-tekniske forretningsbrugere, der ønsker at forstå og udnytte AI-værktøjer og -koncepter i deres daglige arbejde. Kurset dækker grundlæggende AI-koncepter, effektiv kommunikation med AI, praktisk anvendelse af AI-drevne værktøjer samt opbygning af simple AI-assistenter.

Introduktion til kunstig intelligens, store sprogmodeller og grundlæggende AI-terminologi for erhvervsbrugere.

Lær at kommunikere effektivt med AI-systemer gennem prompt engineering og valg af tone.

Undersøg, hvordan AI kan integreres med forretningsværktøjer til research, notetagning og dataanalyse.

Lær det grundlæggende om agentpersonligheder, samt hvordan man opbygger og justerer enkle AI-assistenter til arbejdsbrug.