I n dit artikel de prompts voor verkoopdata-analyse en het .xsl-voorbeeldsbestand:

Analyseer de bijgevoegde verkoopgegevens en geef een
beknopt overzicht van opvallende trends, uitschieters
of patronen in de dataset. Presenteer de bevindingen
puntsgewijs, gericht op bijvoorbeeld omzet, productprestaties, regioresultaten en klantgedrag.

–

Stel een overzichtelijke tabel op met per stad de best
verkochte productcategorie, gebaseerd op historische
verkoopgegevens. Voer daarnaast een prognose uit voor
de komende jaren op basis van deze trends. Licht toe
welke methode voor de voorspelling is toegepast en op
welke aannames deze is gebaseerd.

–

Analyseer de beschikbare verkoopgegevens om kansrijke leadsegmenten te identificeren. Geef op basis
van historische aankopen, regio’s, productvoorkeuren
en klantgedrag een indicatie van waar nieuwe leads
zich kunnen bevinden. Presenteer dit in de vorm van
concrete klantprofielen of geografische gebieden met
hoge potentie.

–

Combineer interne verkoopvoorspellingen met externe
databronnen om kansrijke B2B-leads te identificeren.
Start met het analyseren van verkoopgegevens per
regio, stad en productcategorie om groeisegmenten
te bepalen. Koppel deze inzichten vervolgens
aan externe bronnen zoals CBS, Statbel, LinkedIn,
Company.info en subsidie-databases,zoals RVO
of VLAIO, om vergelijkbare bedrijven of regio’s
te vinden. Richt je specifiek op MKB-bedrijven
(50–250 medewerkers) die actief zijn in duurzame
initiatieven of kantoorvernieuwing. Presenteer de
resultaten in de vorm van concrete leadprofielen of
geografische focusgebieden met een hoge commerciële
potentie.

–

En voorbeeldbestanden:

SaleData

Hier een overzicht van specifieke .xls-voorbeeld bestanden voor analyse: https://exinfm.com/free_spreadsheets.html 

AI023, # AI023