El análisis de datos convierte números en decisiones, siempre que los datos estén limpios, el método responda a la pregunta y los hallazgos se expliquen con claridad. Los prompts de IA para análisis de datos bien redactados agilizan cada paso: auditar una base, escribir SQL, revisar estadísticas y presentar conclusiones útiles.
A continuación encontrarás 25 prompts para cinco etapas: explorar y limpiar datos, planificar el análisis, escribir código, encontrar insights y comunicar resultados. Puedes pegarlos en un chat de IA gratis, completar los campos entre corchetes y verificar cada respuesta con tus datos.
Cómo escribir prompts de IA eficaces para analizar datos
Una petición vaga como «analiza estos datos» suele producir una lista genérica. Para obtener un análisis útil, incluye cuatro elementos:
Contexto: qué representan los datos, su origen y la decisión que deben respaldar
Estructura: nombres y tipos de columnas, número de filas o una muestra pequeña; nunca compartas todos los datos sensibles
Restricciones: herramientas disponibles (dialecto SQL, versión de Excel, librerías de Python) y rigor necesario
Formato de salida: indica si necesitas una tabla, un plan numerado, código ejecutable o un resumen breve
También importa elegir el modelo. Claude Sonnet 5 puede ayudar a interpretar resultados y detectar supuestos débiles, mientras GPT-6 Astra sirve para planes estructurados y análisis de varios pasos. Compara sus respuestas para descubrir posibles puntos ciegos.
Muchos errores nacen antes del análisis. Usa estos prompts para entender y depurar el conjunto de datos. Si el diccionario de datos es un PDF largo, resúmelo con un resumidor de PDF con IA e incorpora las definiciones al prompt. Para revisar unas pocas columnas, Gemini 3.1 Flash Lite suele ser suficiente.
1. Entender un conjunto de datos
Tengo un conjunto de datos nuevo: [describe la fuente, el número de filas y columnas y las variables principales]. Quiero responder [pregunta de negocio o investigación]. Enumera las primeras preguntas que debo hacer, las verificaciones de calidad inmediatas, las variables más relevantes y lo que estos datos no permiten responder.
2. Auditoría de calidad de datos
Audita la calidad de estos datos. Aquí tienes los nombres de columnas, tipos de datos y una muestra de 20 filas: [pega la muestra]. Detecta valores faltantes, duplicados, formatos inconsistentes, valores imposibles y atípicos. Devuelve una tabla con el problema, la columna afectada, su gravedad y una solución propuesta.
3. Plan de limpieza paso a paso
Crea un plan de limpieza para [describe las columnas y los problemas conocidos]. Trabajaré en [Excel / SQL / Python pandas]. Explica qué hacer en cada paso, por qué importa y qué función o código utilizar. Señala las acciones que podrían eliminar datos válidos.
4. Estrategia para valores faltantes
En mi conjunto de datos, a la columna [nombre] le falta el [X]% de los valores. Los datos describen [contexto] y usaré esa columna para [objetivo]. Compara eliminar filas, imputación simple, imputación basada en modelos e indicador de ausencia. Recomienda una opción y explica el sesgo posible de cada alternativa.
5. Plan de análisis exploratorio
Diseña un plan de análisis exploratorio para [describe los datos]. Incluye estadísticas descriptivas, distribuciones y relaciones que conviene visualizar, segmentos que comparar y tres patrones que merezcan una investigación adicional. Limita el plan a una tarde de trabajo.
Prompts de IA para análisis estadístico y planificación
Úsalos para elegir métodos, probar hipótesis y evaluar si un resultado resiste la revisión. GPT-5.6 Sol ayuda con el razonamiento estadístico paso a paso, mientras que una calculadora matemática con IA permite verificar tamaños de muestra y estadísticos.
6. Convertir preguntas de negocio en análisis
Transforma esta pregunta de una persona interesada en un plan de análisis: [pregunta original]. Datos disponibles: [describe]. Reformúlala como una pregunta específica y medible, define las métricas apropiadas, describe el método y señala qué parte no pueden responder mis datos.
7. Elegir un método estadístico
Quiero saber si [describe la relación o diferencia]. Mis datos son [tipos de variables, tamaño de muestra y método de recopilación]. Recomienda la prueba o el modelo estadístico más adecuado, enumera sus supuestos, indica cómo comprobarlos y propone una alternativa si alguno falla.
8. Correlación frente a causalidad
Encontré [describe la relación]. Los datos son [observacionales / experimentales / cuasiexperimentales]. Evalúa qué tan sólida es la evidencia causal, enumera explicaciones alternativas plausibles y redacta una conclusión de una frase que no afirme más de lo que permiten los datos.
9. Diseñar una prueba A/B
Ayúdame a diseñar una prueba A/B de [función, mensaje o cambio de precio]. Hipótesis: [describe]. Métrica principal: [describe]. Valor actual: [valor]. Estima el tamaño de muestra, explica riesgos como desbalance entre grupos, novedad, revisiones prematuras y comparaciones múltiples, e interpreta un resultado marginal.
10. Interpretar una regresión
Explica en lenguaje sencillo esta salida de regresión: [pega los resultados]. El modelo predice [resultado] a partir de [predictores]. Indica qué coeficientes importan y su significado en unidades reales, si el ajuste es adecuado, las señales de alerta como multicolinealidad y qué conclusiones son válidas.
Prompts de IA para analizar datos con SQL, Excel y Python
Estos prompts convierten preguntas en código útil. Modelos como DeepSeek V4 Pro pueden trabajar con consultas de varios pasos y scripts de pandas; DeepSeek V4 Flash es ágil para cambios pequeños y fórmulas sencillas. Ejecuta siempre el resultado sobre una muestra primero.
11. Escribir una consulta SQL
Escribe una consulta [PostgreSQL / BigQuery / MySQL] para [describe el objetivo]. Tablas: [nombres, columnas y relaciones]. Añade comentarios a cada paso, trata los NULL explícitamente y explica cómo comprobar que el resultado es correcto.
12. Optimizar una consulta SQL
Esta consulta tarda demasiado con [número] filas: [pega la consulta]. Explica las causas, reescríbela para mejorar el rendimiento y sugiere índices o cambios de estructura. Comprueba que la nueva versión devuelve exactamente los mismos resultados.
13. Crear una fórmula de Excel
Necesito una fórmula de Excel para [describe el cálculo]. Los datos están en [columnas y rangos]. Escribe la fórmula, explica cada parte y ofrece una versión con [XLOOKUP / LET / matrices dinámicas] si resulta más sencilla.
14. Script de Python con pandas
Escribe un script de Python con pandas que cargue [tipo de archivo], realice [filtrar, agrupar, combinar y crear tablas dinámicas según corresponda] y genere [resultado]. Añade comentarios, nombres claros de variables y una comprobación rápida del número de filas tras cada paso.
15. Explicar y depurar código
Heredé este código: [pega SQL o Python]. Explica cada paso, identifica fallos de lógica o programación, advierte de errores que podrían generar cifras incorrectas sin avisar y propone una versión más clara.
Prompts para encontrar insights y anomalías en los datos
Los resultados sirven cuando orientan una decisión. Estos prompts separan señales reales del ruido. Gemini 3 Pro puede examinar varias explicaciones en profundidad; consultar también a Grok 4.5 aporta otra perspectiva.
16. Extraer conclusiones útiles
Estos son mis resultados: [pega o describe]. Decisión que deben orientar: [describe]. Identifica entre tres y cinco insights relevantes, distingue hallazgos sólidos de indicios, señala posibles factores de confusión o errores de datos y expresa cada insight como recomendación.
17. Investigar anomalías
Mis datos muestran [pico, caída o patrón inusual] durante [periodo]. El nivel habitual es [describe]. Ordena las explicaciones más probables, indica cómo comprobar cada una y ayúdame a decidir si se trata de un evento real o de un problema de calidad.
18. Segmentar y analizar cohortes
Propón una segmentación de [clientes / usuarios / productos] con estas variables: [lista]. Mi objetivo es [describe]. Recomienda segmentos o cohortes, métricas de comparación y una manera de distinguir diferencias significativas del azar.
19. Revisar tendencias y pronósticos
Aquí tienes [métrica] por [día / semana / mes] durante [periodo]: [pega datos]. Describe tendencia, estacionalidad y cambios estructurales; propone un método simple para pronosticar el siguiente [periodo] y explica el grado de incertidumbre.
20. Diseñar KPI y métricas
Diseña un marco de métricas para [equipo, producto u objetivo]. Recomienda de tres a cinco métricas principales, indica si son adelantadas o rezagadas, define su cálculo exacto y señala cuál podría manipularse con más facilidad al convertirla en objetivo.
Prompts de IA para visualización e informes de datos
Un buen análisis pierde valor si nadie lo entiende. Estos prompts ayudan a escoger gráficos, contar la historia y preparar respuestas difíciles. Un resumidor con IA puede acortar informes largos y Claude Haiku 4.5 generar resúmenes para distintas audiencias.
21. Elegir el gráfico adecuado
Quiero mostrar [comparación, tendencia, distribución o relación] a [audiencia]. Datos: [describe variables]. Recomienda el gráfico más adecuado, explica por qué supera otras opciones y especifica ejes, etiquetas, colores y elementos que conviene omitir.
22. Crear una historia con datos
Convierte estos hallazgos en una historia para [audiencia], que debe decidir [decisión]: [describe resultados]. Empieza por el hallazgo principal, construye un argumento lógico para una recomendación, responde objeciones con datos y termina con el siguiente paso.
23. Redactar un resumen ejecutivo
Redacta un resumen ejecutivo de 150 palabras para [audiencia] a partir de [hallazgos]. Abre con la conclusión, incluye un máximo de tres cifras de apoyo, menciona la principal limitación en una frase y termina con la acción recomendada.
24. Planear el diseño de un dashboard
Planifica un dashboard para [audiencia] que siga [objetivo]. Recomienda KPI principales, gráficos de apoyo, filtros y distribución de arriba abajo. Indica qué eliminar para que responda bien a una pregunta central.
25. Revisar la solidez del análisis
Actúa como analista sénior escéptico y revisa mi trabajo antes de presentarlo: [pregunta, datos, métodos y conclusiones]. Detecta decisiones metodológicas dudosas, afirmaciones que exceden la evidencia e interpretaciones alternativas. Propón las tres preguntas más probables de la audiencia y cómo responderlas.
Usa prompts de IA para analizar datos en Chat Smith
Chat Smith reúne Claude, GPT, Gemini, Grok y DeepSeek, desde modelos rápidos como Gemini 3.5 Flash hasta opciones de razonamiento avanzado. Puedes escribir SQL con un modelo, revisar conclusiones con otro y comparar respuestas. Guarda tus prompts favoritos como plantillas para nuevos conjuntos de datos.
Cuando tengas los hallazgos, el redactor de correos con IA puede convertir el resumen en una actualización para tu equipo. Tú sigues aportando criterio; estos prompts aceleran el camino hacia respuestas fundamentadas.
Los prompts de IA para análisis de datos son las instrucciones que le das a un chatbot para explorar una base de datos, por ejemplo pedirle que resuma tendencias, detecte valores atípicos o explique un gráfico. Un buen prompt describe los datos y la pregunta que quieres responder, y Chat Smith te permite probar esto con varios modelos de IA en una sola app.
El equipo editorial de Chat Smith está formado por entusiastas de la IA, investigadores y creadores de contenido apasionados por hacer que la inteligencia artificial sea más accesible y práctica. A través del blog de Chat Smith, compartimos las últimas tendencias de IA, reseñas de herramientas, análisis del sector y guías prácticas para ayudar a personas y empresas a obtener más valor de la IA. Nuestra misión es simple: ofrecer contenido claro, confiable y fácil de entender que ayude a los lectores a mantenerse informados, ser más productivos y mantenerse a la vanguardia en el dinámico mundo de la IA.
