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

Ви можете завантажити CSV у Claude і отримати відповідь на кшталт **"MRR загалом зростає."** Марно. Або ж отримати чіткий трирядковий аналіз із зазначенням проблемного сегмента, місяця початку проблеми та рекомендацією щодо дій. Ті самі дані – різна системна підказка.

## Перехід від нотаток до чисел

Інструмент для читання нотаток повертає прозу. Інструмент для роботи з таблицями повертає рядки – але це змінює **режим помилки**, а не усуває її.

| Тип вхідних даних | Типова помилка |
|---|---|
| Проза (нотатки, документи) | **Пропуск** інформації |
| Числа (таблиці) | **Перефразування** даних |

Якщо запитати **"підсумуй цю таблицю"**, ви отримаєте: **"Дохід зростав, відтік змінювався, кількість клієнтів коливалася."** Все вірно, але неінформативно. Модель має **інтерпретувати** числа, а не повторювати їх.

## Примус до інтерпретації

Системна підказка в цій лабораторній роботі змушує зробити три кроки:

1. **Топ-3 висновки** – із зазначенням конкретних чисел (місяці, сегменти, відсотки);
2. **Одна помітна аномалія** – те, що більшість не помітить з першого разу;
3. **Одна рекомендація** – конкретна дія, а не загальна порада.

**Висновок:** структуровані дані потребують структурованих вимог. Інакше модель просто ввічливо переповість вам таблицю.

## Завдання

>Проаналізуйте цю таблицю доходів. Які основні тенденції варто винести на наступну зустріч керівництва?

Далі уточнення:

>Детальніше про SMB. Що спричинило стрибок відтоку?

>Що станеться із загальним MRR, якщо відтік SMB і далі зростатиме такими темпами?

>На який сегмент варто зробити акцент у Q3?

Кожне наступне питання використовує ті ж самі завантажені дані. Ті ж числа, інший ракурс.

Практичний курс для початківців, орієнтований на нетехнічних бізнес-користувачів, що дозволяє зрозуміти та використовувати інструменти й концепції штучного інтелекту у повсякденній роботі. Курс охоплює базові поняття ШІ, ефективну взаємодію з ШІ, практичне застосування інструментів на основі ШІ та створення простих ШІ-асистентів.

Вступ до штучного інтелекту, великих мовних моделей та основної термінології ШІ для бізнес-користувачів.

Дізнайтеся, як ефективно взаємодіяти з AI-системами за допомогою інженерії підказок і вибору тону.

Дослідження інтеграції штучного інтелекту з бізнес-інструментами для проведення досліджень, ведення нотаток та аналізу даних.

Вивчення основ агентних персон та створення й налаштування простих AI-асистентів для роботи.