Prompts para análisis de datos: 20 plantillas listas para la IA

Lunes, 9:10 de la mañana. La coordinadora de marketing exporta el informe de Meta Ads, lo pega en ChatGPT y escribe: “analiza esto”. Lo que vuelve son cuatro párrafos explicando que “el CTR es un indicador importante de interacción” y sugiriendo “probar nuevos creativos”. Nada incorrecto, nada útil. Cierra la pestaña y arma la presentación a mano, como todos los lunes.

El problema casi nunca está en la IA. Está en el pedido. Un prompt para análisis de datos funciona como el briefing de un analista recién contratado: si no le dices cuál es el negocio, qué cambió, qué cuenta como un buen resultado y en qué formato quieres la respuesta, te devuelve lo obvio con una gramática impecable.

Y cada vez más gente hace ese pedido. Según la encuesta TIC Empresas 2025 del Cetic.br, publicada en junio de 2026, el 17% de las empresas brasileñas usó algún tipo de IA en 2025. Entre ellas, el uso de generación de texto saltó del 20% al 30% en un solo año. La adopción crece más rápido que la calidad de las preguntas.

Un buen prompt para análisis de datos tiene cinco partes: contexto del negocio, descripción de los datos (origen, período y significado de cada columna), la pregunta exacta, el formato de la respuesta y una petición de verificar los cálculos. Sin contexto y sin una pregunta específica, la IA describe la hoja de cálculo en lugar de analizarla. Con las cinco partes, entrega un diagnóstico accionable.

¿Por qué “analiza estos datos” no funciona?

Porque la IA no sabe qué es normal para ti. Un CPA de US$ 48 es excelente si vendes un curso de US$ 1.997 y un desastre si vendes camisetas de US$ 79. Sin la meta y el margen en el prompt, el modelo no tiene cómo juzgar, así que hace lo único que le queda: describir.

El segundo motivo es la ambigüedad de las columnas. La columna “Resultados” de Meta Ads puede ser leads, compras o visitas a la página, según el objetivo de la campaña. “Ingresos” en GA4 puede incluir o no el envío. Si no lo defines, la IA elige una interpretación y sigue adelante con total confianza.

El tercero es la aritmética. Los modelos de lenguaje calculan mal “de memoria”, sobre todo sumas largas y promedios ponderados. Cuando la herramienta ejecuta código (el modo de análisis de datos de ChatGPT, por ejemplo), el cálculo se vuelve confiable, pero solo si le pides explícitamente que calcule con código y muestre la fórmula. Ese detalle elimina buena parte de los números inventados.

La estructura de un prompt para análisis de datos en 5 bloques

Todo prompt que funciona, del más simple al más elaborado, lleva estos cinco bloques. No necesitas un párrafo para cada uno. A veces basta una línea.

Bloque	Qué informar	Ejemplo
Contexto	Negocio, meta, momento	“E-commerce de moda, ticket promedio de US$ 180, meta de CPA por debajo de US$ 35, estamos antes del Black Friday.”
Datos	Origen, período, definición de columnas	“Exportación de Meta Ads del 1 al 30/09. La columna Resultados son compras.”
Pregunta	Una decisión por tomar	“¿Qué tres conjuntos de anuncios debería pausar esta semana?”
Formato	Estructura, extensión, público	“Tabla con los conjuntos y tres recomendaciones en menos de 150 palabras, para el director.”
Verificación	Cómo validar el resultado	“Calcula con código, muestra la fórmula del CPA y confirma que la inversión total da US$ 7.800.”

En la práctica, el bloque de la pregunta es donde la mayoría se traba. “¿Cómo fue septiembre?” no es una pregunta, es una invitación a resumir. “¿Qué campañas debería pausar?” sí lo es, porque exige un criterio y termina en una acción. Si te cuesta formularla, nuestra guía de preguntas para análisis de datos por área tiene 30 ejemplos.

Un truco útil para el bloque de contexto: termina el prompt con “antes de responder, dime qué más necesitarías saber del negocio para que este análisis sea confiable”. La mitad de las veces la IA señala justo la información que olvidaste.

Plantilla base para copiar: “Eres un analista de datos sénior. Contexto: [negocio, meta, momento]. Datos: [origen, período, qué significa cada columna]. Pregunta: [decisión que necesito tomar]. Formato: [tabla, extensión, para quién]. Calcula usando código, muestra las fórmulas y verifica que los totales coincidan con [valor conocido]. Si falta información, dime qué falta en lugar de suponer.”

20 prompts listos para análisis de datos con IA

Los prompts de abajo suponen que ya pegaste la plantilla base con contexto y datos. Cambia lo que está entre corchetes por tu caso. Siguen el orden en que suele ocurrir un análisis: primero entender, luego comparar, después buscar lo que se ve raro y, al final, comunicar.

Diagnóstico: entender lo que tienes

1. “Antes de cualquier análisis, enumera los problemas de calidad de esta base: fechas faltantes, filas duplicadas, valores extremos y columnas con formato inconsistente. No corrijas nada todavía, solo señálalo.”
2. “Calcula [ingresos, pedidos y ticket promedio] por [canal]. Muestra la tabla y dime si algún canal concentra más del 50% del resultado.”
3. “Descompón la variación de ingresos entre [agosto] y [septiembre] en tres efectos: volumen de pedidos, ticket promedio y mezcla de productos. Muestra cuánto explica cada uno en dinero.”
4. “Con las columnas [sesiones, carritos, checkouts, pedidos], dime qué etapa del embudo tiene la mayor pérdida proporcional y compárala con el mes anterior.”
5. “Si solo pudiera seguir un número de esta base cada semana, ¿cuál sería y por qué? Justifícalo con los propios datos, no con buenas prácticas genéricas.”

El primer prompt parece burocrático, pero es el que más tiempo ahorra. Una fila duplicada en una base de pedidos infla los ingresos sin hacer ruido, y ninguna pregunta posterior lo va a detectar. Hablamos más de estos errores en calidad de datos: los errores silenciosos en tus análisis.

Comparación de períodos: separar la señal del calendario

6. “Compara [la última semana] con la misma semana del año pasado y con el promedio de las cuatro semanas anteriores. Destaca cuando las dos comparaciones apuntan en direcciones opuestas.”
7. “Normaliza los resultados por día hábil antes de comparar [octubre] con [septiembre]. ¿Cuánto de la diferencia desaparece después de normalizar?”
8. “Enumera las cinco [campañas] que más crecieron y las cinco que más cayeron en valor absoluto, no en porcentaje. Ignora las que tengan menos de [US$ 500] en el período base.”
9. “El CPA subió de [US$ 32] a [US$ 41]. Separa el efecto del CPM, el CTR y la tasa de conversión. ¿Cuál de los tres explica la mayor parte del aumento?”
10. “Arma una tabla mes a mes de [métrica] con la variación porcentual. Marca los meses fuera del rango de la media más o menos dos desviaciones estándar.”

El prompt 8 existe por una razón práctica: un ranking por porcentaje siempre pone arriba a la campaña que pasó de US$ 40 a US$ 160. Creció 300% y no cambia nada de tu mes. Pedir valor absoluto con un piso mínimo elimina ese ruido.

Anomalías: encontrar lo raro antes que tu cliente

11. “Identifica los días en que [la inversión] quedó más de un 30% por encima o por debajo de su media móvil de 7 días. Para cada uno, dime si [las conversiones] acompañaron el movimiento.”
12. “¿Hay alguna [campaña] gastando hace más de [5] días seguidos sin conversiones? Enuméralas con la inversión acumulada en ese período.”
13. “Encuentra pares de métricas que normalmente se mueven juntas en esta base y muestra los días en que se separaron, como clics subiendo mientras las sesiones bajan.”
14. “Compara el total de [conversiones de Meta Ads] con el total de [pedidos en el CRM] en el mismo período. Calcula la diferencia porcentual y enumera las causas probables por orden de probabilidad.”
15. “¿Qué clientes compraron con una frecuencia superior al promedio en los últimos [90] días y dejaron de comprar en los últimos [30]? Dame la lista y el valor que representan.”

El prompt 14 suele ser el más revelador para quien invierte en medios pagados. Cierta diferencia entre la plataforma y el CRM es normal y tiene explicación (ventanas de atribución, conversiones por visualización, pedidos cancelados). Cuando la plataforma reporta el doble de lo que registra el CRM, algo se rompió en el seguimiento. Si la caída está en las ventas, el recorrido completo está en ¿cayeron las ventas? diagnóstico con datos en 6 pasos.

Informe y decisión: convertir el análisis en acción

16. “Escribe el resumen ejecutivo de este análisis en cinco frases para [el director comercial]: qué pasó, por qué, qué hacer y el riesgo de no hacerlo.”
17. “Convierte estos números en tres recomendaciones con impacto estimado en dinero. Para cada una, dime qué supuesto, si estuviera equivocado, invalidaría la recomendación.”
18. “Haz el papel de un gerente escéptico y señala las tres mayores debilidades de esta conclusión: [pegar conclusión].”
19. “Sugiere el gráfico más adecuado para mostrar [esta comparación] a un público no técnico y explica en una frase por qué funciona mejor que una tabla.”
20. “A partir de lo que este análisis no logró responder, enumera las preguntas que debería investigar la próxima semana.”

¿Cómo evitar que la IA invente números?

Ningún prompt elimina el riesgo, pero un ciclo simple lo reduce mucho. La regla: la IA calcula, tú verificas dos números y solo entonces la conclusión vale.

Un ejemplo concreto. Tienes cuatro campañas con inversiones de US$ 3.200, US$ 2.150, US$ 1.480 y US$ 970. El total es US$ 7.800, y lo sabes porque está en la factura. Pon ese valor en el prompt y pide a la IA que confirme la suma antes de cualquier análisis. Si responde US$ 7.950, descubriste que una fila entró duplicada o que leyó mal, y evitaste una conclusión entera construida sobre un número falso.

Otros tres cuidados marcan la diferencia:

• Pídele que diga “no sé”. La frase “si falta información, dime qué falta en lugar de suponer” reduce bastante las respuestas inventadas.
• Sube el archivo en lugar de pegarlo. Pegar miles de filas en el chat aumenta el riesgo de truncamiento silencioso. Para bases grandes, sube el archivo o agrega antes (por día, por campaña).
• Una pregunta a la vez. Los prompts con cinco preguntas reciben cinco respuestas superficiales. Encadenar funciona mejor que apilar.

Dónde los prompts dejan de alcanzar

Los buenos prompts resuelven la parte de la pregunta. No resuelven la parte del dato. Si la información está repartida entre Meta Ads, Google Ads, GA4, el CRM y una hoja financiera, te conviertes en el ETL manual de la empresa: exportas, limpias, unes y pegas cada semana. Ahí muere la rutina, normalmente en la tercera semana.

No es un problema solo de las pequeñas empresas. En la industria brasileña, el 41,9% de las empresas con 100 empleados o más ya usaba IA en 2024, según la PINTEC Semestral del IBGE, publicada en septiembre de 2025. En la misma encuesta, la falta de personal calificado aparece como dificultad para el 54,2% de las empresas que adoptan tecnologías digitales avanzadas. La herramienta llegó antes que la competencia y, casi siempre, antes que la integración de los datos. El costo de ese aislamiento está detallado en datos en silos: por qué tu empresa decide a ciegas.

Otro límite: el contexto se pierde en cada conversación nueva. Explicas la meta, el margen y qué significa cada columna, y a la semana siguiente empiezas de cero. Guardar la plantilla base en un documento ayuda, pero no reemplaza tener el contexto del negocio guardado junto a los datos.

Preguntas frecuentes

¿Cuál es el mejor prompt para análisis de datos en ChatGPT?

No existe un único mejor prompt, existe una mejor estructura. Los que funcionan traen contexto del negocio, descripción de los datos, una pregunta que termina en decisión, el formato deseado y una petición de verificación. La plantilla base de este artículo cubre los cinco bloques y sirve como punto de partida para cualquier caso.

¿ChatGPT puede analizar una hoja de Excel?

Sí. Al subir el archivo, la función de análisis de datos ejecuta código Python para leer la hoja, calcular y generar gráficos. Pídele siempre que muestre el código o las fórmulas usadas, así puedes revisar la lógica. Sin ejecución de código, los cálculos son menos confiables.

¿Puedo pegar datos de clientes en ChatGPT?

Con cuidado. Las leyes de protección de datos, como la LGPD en Brasil o el RGPD en Europa, exigen base legal para tratar datos personales como nombre, documento, correo y teléfono, y saber dónde quedan almacenados. El camino seguro es anonimizar antes, cambiando identificadores por códigos, o usar planes corporativos con retención de datos controlada.

¿Qué es la ingeniería de prompts para análisis de datos?

Es la práctica de estructurar instrucciones para que la IA entregue análisis correctos y accionables en lugar de resúmenes genéricos. Implica dar contexto, definir los datos, acotar la pregunta, especificar el formato y crear mecanismos de verificación. No requiere programar, solo claridad sobre lo que quieres decidir.

La pregunta es tuya, el trabajo pesado no tiene por qué serlo

Saber preguntar es la habilidad que va a separar a quien usa la IA para decidir de quien la usa para producir texto. Los 20 prompts de arriba son un buen entrenamiento. Pero si cada lunes todavía exportas cinco informes para pegarlos en un chat, el cuello de botella ya no es el prompt. Sherlok conecta Meta Ads, Google Ads, GA4, CRMs, hojas de cálculo y bases SQL y guarda el contexto de tu negocio, para que hagas estas mismas preguntas en tu idioma, directamente sobre datos actualizados, y recibas el análisis listo.