Готовые AI-промпты экономят аналитику десятки часов на резюме, сопроводительных письмах и подготовке к собесу — если в промпте есть роль, контекст, формат вывода и ограничения. Ниже 15+ конкретных промптов для ChatGPT, Claude и DeepSeek: переписать резюме под вакансию, собрать сопроводительное, прогнать mock-интервью, разобрать SQL-задачу с подвохом и объяснить метрику простыми словами. Копируйте, подставляйте свои данные в квадратные скобки и запускайте.
Важная оговорка сразу: AI ускоряет подготовку, но не заменяет понимание. Если вы вставите в резюме формулировку, которую не сможете объяснить на собесе, это сыграет против вас. Используйте промпты как черновик и редактор, а не как автора, который думает за вас.
Что такое хороший промпт для аналитика данных?
Хороший промпт — это не «напиши мне резюме», а структура из четырёх блоков: роль, контекст, задача и формат вывода. Модель выдаёт качественный результат ровно настолько, насколько вы сузили задачу.
Минимальный рабочий шаблон:
Роль: ты senior data analyst с опытом найма.
Контекст: [моя ситуация, вакансия, данные].
Задача: [что именно сделать].
Формат: [список / таблица / 3 абзаца / маркдаун].
Ограничения: [без воды, не выдумывай цифры, спроси если не хватает данных].Три правила, которые отличают рабочий промпт от мусорного:
- Давайте данные, а не просьбу их выдумать. «Перепиши мой опыт: [вставить реальные буллиты]» работает, «придумай мне опыт» — нет.
- Просите модель задавать уточняющие вопросы. Добавьте «если данных не хватает — задай мне до 5 вопросов перед ответом». Это убирает галлюцинации.
- Фиксируйте формат. Таблица, нумерованный список, 3 абзаца по 50 слов — иначе получите простыню.
Какие AI-модели использовать аналитику в 2026?
Выбор зависит от задачи. Все три модели справляются с текстом резюме, но различаются на разборе кода и длинных контекстах.
| Модель | Сильна в | Когда брать аналитику |
|---|---|---|
| ChatGPT | универсальный текст, structured output | резюме, письма, генерация идей |
| Claude | длинный контекст, разбор кода и SQL | разбор задач, ревью SQL/Python, объяснение метрик |
| DeepSeek | код и логические задачи, дешёвый/бесплатный доступ | SQL-задачи, алгоритмы, дебаг |
Практический совет: текстовую часть (резюме, сопроводительное) делайте в той модели, к которой привыкли, а разбор SQL и кода прогоняйте через две модели и сравнивайте — расхождение в ответах сразу показывает, где задача со подвохом.
Что бы вы ни выбрали, после генерации проверяйте результат руками. Особенно SQL: модель может выдать синтаксически верный запрос, который логически отвечает не на тот вопрос. Тренировать насмотренность лучше всего на реальных задачах в SQL-тренажёре.
Как переписать резюме аналитика под вакансию с помощью AI?
Главная ошибка в резюме аналитика — общие фразы вроде «работал с данными» вместо измеримого результата. AI хорошо превращает ваши сырые буллиты в формат «действие + инструмент + результат в цифрах».
Промпт 1. Переписать опыт в результат-ориентированный формат:
Ты senior data analyst, который проводит собеседования.
Перепиши мои буллиты опыта в формат «глагол действия + что сделал + инструмент + измеримый результат».
Убери воду, общие слова и пассивный залог. Каждый буллит — одна строка.
Если в буллите нет цифры — отметь его звёздочкой и предложи, какую метрику можно добавить.
Мои буллиты:
[вставить 5-7 буллитов из текущего резюме]Промпт 2. Адаптировать резюме под конкретную вакансию:
Вот текст вакансии: [вставить описание].
Вот моё резюме: [вставить].
Задача:
1) Выпиши 10 ключевых требований из вакансии.
2) Отметь, какие из них уже закрыты в резюме, а какие — нет.
3) Перепиши блок «Опыт» так, чтобы подсветить совпадения, не выдумывая опыт.
4) Предложи 3 ключевых слова для ATS, которых не хватает.Промпт 3. Проверить резюме «глазами рекрутера»:
Прочитай моё резюме как рекрутер, у которого 30 секунд на скрин.
Что бросается в глаза первым? Что вызывает сомнения? Чего не хватает?
Дай 5 конкретных правок по приоритету.
Резюме: [вставить]Совет: после переписи попросите модель «отметить любые цифры, которые я не подтверждал — я их проверю». Это спасает от ситуации, когда AI «округлил» ваш результат с 12% до 30%, а на собесе вы не сможете это защитить.
Как написать сопроводительное письмо аналитика через AI?
Сопроводительное письмо работает, когда отвечает на один вопрос: почему именно вы и именно эта компания. AI собирает каркас за минуту, но персонализацию вы добавляете сами.
Промпт 4. Сопроводительное под вакансию:
Напиши сопроводительное письмо на позицию [название] в компанию [компания].
Структура: 1 абзац — зачем мне эта компания (конкретно, не лесть);
2 абзац — мой релевантный опыт под 2-3 требования вакансии;
3 абзац — что я дам команде в первые 3 месяца.
Тон: уверенный, без канцелярита и без преувеличений. Объём — до 180 слов.
Вакансия: [вставить]
Мой опыт: [вставить 3-4 факта]Промпт 5. Письмо для отклика без опыта (джуниор):
Я начинающий аналитик без коммерческого опыта, но прошёл [курсы/пет-проекты].
Напиши короткое сопроводительное, которое честно говорит о junior-уровне,
но делает упор на конкретные навыки (SQL, Python, A/B), пет-проекты и мотивацию.
Без фраз «быстро обучаюсь» и «командный игрок» — только конкретика.
Мои проекты: [вставить]Если опыта пока мало, лучшая стратегия — показать решённые задачи. Соберите портфолио из кейсов и тестовых заданий и ссылайтесь на конкретные разборы в письме.
Как подготовиться к собеседованию аналитика с AI?
AI — это бесконечный интервьюер, который не устаёт задавать follow-up вопросы. Главный приём — попросить модель не выдавать ответ сразу, а вести диалог как реальный собес.
Промпт 6. Mock-интервью с follow-up:
Проведи со мной мок-собеседование на позицию middle data analyst.
Задавай по одному вопросу за раз и жди мой ответ.
После каждого моего ответа: оцени по шкале 1-5, укажи слабые места,
задай уточняющий follow-up как настоящий интервьюер.
Темы: SQL, продуктовые метрики, A/B-тесты, поведенческие вопросы.
Начни с первого вопроса.Промпт 7. Разбор поведенческого вопроса по STAR:
Помоги ответить на поведенческий вопрос «Расскажи о конфликте в команде».
Используй фреймворк STAR (Ситуация-Задача-Действие-Результат).
Вот моя ситуация: [вставить].
Собери структурированный ответ на 60-90 секунд устной речи
и подсвети, где я могу добавить измеримый результат.Промпт 8. Прогноз вопросов под компанию:
Я иду на собес аналитика в [компания / тип компании: маркетплейс / финтех / соцсеть].
Какие 15 вопросов мне с высокой вероятностью зададут?
Раздели на блоки: SQL, статистика/A-B, продуктовые метрики, поведенческие.
Под каждым вопросом — что именно проверяет интервьюер.Текстовый mock в чате полезен, но он не моделирует стресс живого диалога с голосом и таймером. Полноценную тренировку под запись с разбором даёт AI мок-интервью — там интервьюер ведёт сессию по ролям и темам как на реальном собесе. А типовые вопросы по категориям удобно прорешать заранее в разделе вопросы с собесов.
Какие промпты помогают разобрать SQL-задачу?
AI хорош как разборщик задач, но опасен как генератор готовых решений: вы запомните чужой запрос, а не научитесь думать. Используйте модель, чтобы понять подход, а потом решите задачу сами с чистого листа.
Промпт 9. Объяснить задачу, не давая решение сразу:
Вот SQL-задача: [вставить условие].
Не давай готовый запрос. Сначала:
1) Перефразируй задачу простыми словами.
2) Назови, какие SQL-конструкции тут понадобятся и почему.
3) Дай 2-3 наводящих вопроса, которые помогут мне решить самому.
Решение покажешь, только когда я попрошу.Промпт 10. Найти ошибку в моём запросе:
Мой SQL-запрос возвращает неверный результат.
Условие задачи: [вставить].
Мой запрос:[вставить запрос]
Найди логическую ошибку, объясни почему она возникает,
и подскажи направление исправления — но не переписывай весь запрос за меня.Промпт 11. Разобрать оконные функции на примере:
Объясни разницу между ROW_NUMBER(), RANK() и DENSE_RANK()
на конкретном примере таблицы продаж с дубликатами по сумме.
Покажи результат каждой функции в виде таблицы построчно.
Затем дай мне задачу на закрепление без решения.Типичный подвох на собесе — задача, где наивный JOIN даёт дубли (fan-out), а NOT IN ломается на NULL. Разобрать механику в чате полезно, но закрепляется навык только на практике. Прогоните разобранные паттерны в SQL-тренажёре с автопроверкой, а основы по порядку — в курсе SQL с нуля.
Как объяснить метрику простыми словами через AI?
Аналитика часто заваливают не на формуле, а на вопросе «зачем эта метрика и когда она врёт». AI помогает собрать объяснение «формула + бизнес-смысл + подводные камни» под конкретный продукт.
Промпт 12. Объяснить метрику с подвохами:
Объясни метрику [Retention / LTV / CAC / NRR / DAU-MAU stickiness] для продукта [тип].
Структура:
1) Формула текстом (например: Retention = вернувшиеся / размер когорты × 100%).
2) Что метрика показывает бизнесу.
3) 3 ситуации, когда метрика вводит в заблуждение.
4) С какими метриками её всегда смотрят в паре.
Без воды, на уровне собеса middle.Промпт 13. Связать метрику с продуктовой ситуацией:
DAU вырос на 15%, но выручка не изменилась.
Дай 5 гипотез почему, какие метрики я проверю под каждую гипотезу
и какой SQL-запрос примерно понадобится.
Расставь гипотезы по приоритету проверки.Промпт 14. Сравнить две метрики:
В чём разница между Customer Churn и Revenue Churn?
Покажи на числовом примере, где они расходятся (5 клиентов с разными чеками).
Когда какую использовать на собесе по продуктовой аналитике?Объяснение от модели — это гипотеза, а не истина в последней инстанции. Сверяйте формулы и бизнес-смысл со справочником метрик, где каждая метрика дана с примером данных и подводными камнями.
Какие промпты ускоряют ежедневную работу аналитика?
Помимо поиска работы, промпты экономят время на рутине: документация запросов, объяснение чужого кода, генерация тест-данных.
Промпт 15. Документировать SQL-запрос:
Добавь к этому SQL-запросу понятные комментарии и краткое описание сверху:
что считает запрос, какие таблицы использует, какие фильтры применяет.
Не меняй логику запроса.[вставить запрос]
Промпт 16. Объяснить чужой код:
Объясни этот Python-скрипт построчно для junior-аналитика.
Что делает каждый блок, какие библиотеки нужны, где потенциальные баги.[вставить код]
Промпт 17. Сгенерировать тестовые данные:
Сгенерируй INSERT-запросы для таблицы orders
(колонки: order_id, user_id, created_at, amount, status)
на 20 строк с реалистичными данными:
3 статуса, даты за последний месяц, суммы 500-15000.Эти промпты применимы и к Python: разбор pandas-кода и генерация датафреймов отлично закрепляются на задачах в Python-тренажёре.
Чего AI-промпты не сделают за аналитика?
AI ускоряет, но не заменяет четыре вещи, и это важно понимать до собеса:
- Понимание. Если вы не можете объяснить решение без подсказки модели — на собесе это вскроется за 2 минуты.
- Проверку фактов. Модель галлюцинирует цифры, синтаксис диалектов SQL и названия функций. Всё, что идёт в резюме или продакшн, проверяйте.
- Контекст вашей компании. AI не знает специфику ваших данных, схему БД и бизнес-логику — это вы даёте ему, а не наоборот.
- Навык под давлением. Решать задачу в чате без таймера и решать её на собесе вживую — разные навыки. Тренируется только практикой.
Правило простое: промпт собирает черновик, вы — финальный редактор. Резюме, которое написал AI и не вычитал человек, видно с первого абзаца.
Частые вопросы
Можно ли указывать в резюме, что использую AI-инструменты?
Да, владение AI для ускорения анализа в 2026 — плюс. Формулируйте через результат: «автоматизировал документирование SQL-витрин с помощью LLM, сократил время онбординга на N часов», а не «умею пользоваться ChatGPT».
Какие модели бесплатны для подготовки?
DeepSeek даёт щедрый бесплатный доступ для кода и логики, у ChatGPT и Claude есть бесплатные тарифы с лимитами. Для разбора SQL и текста резюме бесплатных лимитов обычно хватает.
AI решает SQL-задачи на собесе за меня?
На собесе с прокторингом и шерингом экрана — нет. AI нужен для подготовки до собеса, чтобы прийти с навыком, а не с надеждой подсмотреть.
Потренируйтесь, а не только промптите
Промпты соберут вам резюме и план подготовки за вечер. Но оффер дают за навык, а не за черновик. Прорешайте задачи бесплатно в SQL-тренажёре и Python-тренажёре, разберите метрики с примерами, а потом проверьте себя в AI мок-интервью — там интервьюер задаёт follow-up вопросы и оценивает ответ, как на реальном собесе. Начните с бесплатных задач и двигайтесь по курсу SQL с нуля.