Da ich bisher noch nicht mit Datenanalyse-Tools gearbeitet habe, war ich gespannt auf diese Aufgabe. Ich wollte die Datenanalyse der Vertriebszahlen mithilfe von ChatGPT durchführen, um die Möglichkeiten von ChatGPT auszuloten. Dazu habe ich einen Prompt eingegeben, diesen durch ChatGPT optimieren lassen und anschließend analysieren lassen. Leider habe ich bei der kostenlosen Version das Volumen aufgebraucht, sodass ich keine Ergebnisse erhalten habe. Als nächsten Schritt habe ich einen Versuch über Copilot mit optimiertem Prompt gestartet. Die Ergebnisse waren textbasiert, aber es fehlte eine gezielte Analyse. Es wurden Gründe und Möglichkeiten genannt, die Einfluss auf die Vertriebszahlen haben könnten, aber eine Analyse fand nicht statt. Das hat mich nicht überzeugt. Deshalb habe ich einen Test von Julius durchgeführt. Ich muss sagen, dieser hat mich kurz sprachlos gemacht.
Datenanalyse mit KI-Tool Julius AI
Die Anmeldung bei Julius funktioniert reibungslos. Es gibt einen kostenlosen Testaccount. Meinen optimierten Prompt habe ich von ChatGPT speziell für das KI-Tool Julius ins Englische übersetzen lassen. Nachdem ich die Information gegeben hatte, dass der Prompt für Julius gedacht ist, wurde dieser noch etwas angepasst.
Thanks for the clarification! If the prompt is meant for Julius AI (the data analysis tool), then yes — the content of your prompt is excellent, but it should be slightly adapted in tone and structure to work best for an AI interface.
Julius AI works best with clear instructions, and slightly more concise formatting. Here's the optimized version:
Nachdem ich die Tabelle hochgeladen hatte, hat mich das Ergebnis, das in so kurzer Zeit analysiert wurde, überwältigt. Die gewonnenen Erkenntnisse sind so tiefgehend und zielführend, dass im Vertrieb direkt damit begonnen werden könnte, weitere Schlüsse zu ziehen und Auslöser für Stagnation etc. aufzudecken. Obwohl mein Prompt auf Englisch war, wurde mir die Analyse direkt auf Deutsch ausgegeben, ohne dass ich dazu Angaben gemacht habe.Gesamtüberblick
Die Daten zeigen einen klaren Aufwärtstrend: von 260 GE im Januar auf 460 GE im Dezember (≈ +77 %). Monatliche Wachstumsraten liegen fast immer im positiven Bereich (Ø ≈ 6 %), nur im Juni gab es einen minimalen Rückgang (-0.9 %).
Visuals
Ergebnisse
Produkt-Performance
- Produkt A treibt das Wachstum (grün im Diagramm). Sein Anteil steigt von 46 % im Januar auf knapp 50 % im Jahresende.
- Produkt B stagniert leicht (Anteil fällt von 31 % → 28 %).
- Produkt C wächst beständig, aber bleibt klein (23 % → 25 %).
- Ost (1 156 GE) und West (1 102 GE) sind die stärksten Regionen.
- Süd (1 039 GE) hinkt etwas hinterher, Nord (1 000 GE) ist Schlusslicht.
- Nord wächst nur in 5 von 12 Monaten – hier existiert das größte Potenzial / Risiko
- Klassisches Q1-“Durchhänger” fehlt; Umsatz steigt fast linear.
- Auffällige Sprünge: Mai (+8.6 %) und Juli (+8.3 %) – mögliches Sommer-/Feriengeschäft.
- Juni-Dip (-0.9 %) – kleiner, aber prüfen: Lieferengpass? Feiertage?
- Produkt B verliert Marktanteile; wenn keine Gegenmaßnahmen, droht Kannibalisierung durch Produkt A.
- Nord zeigt keine nachhaltige Beschleunigung → Gefahr, dass Vertriebsteam dort Ressourcen verschlingt ohne ROI.
- Produkt A: 47 %
- Produkt B: 30 %
- Produkt C: 23 %
- Push für Produkt C in West + Ost – hier bereits hohe Akzeptanz, Cross-Selling‐Kampagnen könnten Gesamtmarge erhöhen.
- Relauch/Bundle für Produkt B, um Marktanteil zu verteidigen (Rabatt-Pakete, Up-/Cross-Sell mit Produkt A).
- Nord-Region
- Analyse der Pipeline; ggf. Territory-Neuzuschnitt oder spezielles Incentive-Programm.
- Schulungen zu Top-Closing-Taktiken der Ost-Region.
- Monatlicher Gesamtumsatz (Soll/Ist)
- Wachstum % ggü. Vormonat & Vorjahr
- Produktanteile (%) und Stückzahlen
- Region-Umsatz & Pipeline-Konversion (Lead→Deal)
- Durchschnittlicher Deal-Wert je Produkt
- Win-Rate je Region & Produkt
- Lagerbestand vs. Forecast (Engpass-Risiko)
- Time-to-Close (Vertriebseffizienz)
- Kundenabwanderung (Churn-Rate)
- Validieren Sie den Juni-Rückgang (Supply-Chain / Feiertage?)
- Erheben Sie Marketing-Spend je Region/Produkt, um ROI-hotspots zu ermitteln.
- Führen Sie ein Rolling-Forecast-Modell ein: ARIMA / Prophet zur frühzeitigen Trenderkennung und Bestandsplanung.
Quelle: Julius AI - Juli 2025
Das Datenanalyse-Tool Julius hat mich mehr als überzeugt. Innerhalb kürzester Zeit habe ich eine äußerst detaillierte Analyse inklusive Handlungsvorschlägen und weiteren Schritten erhalten, die ich direkt umsetzen könnte. Bereits gestern während meiner Arbeitsprozesse hatte ich überlegt, wie ich Datenanalyse-Tools in meinen Arbeitsalltag einbauen kann, und war gespannt, welche Ergebnisse unser Test liefern würde. Dass diese so detailliert und zielführend ausfallen würden, hatte ich nicht erwartet. Ich werde der Geschäftsführung eine klare Empfehlung aussprechen, diese Tools in die KI-Strategie und die Compliance aufzunehmen, sodass sie DSGVO- und EU-AI-Act-konform eingesetzt werden können.
Frage: Bei der Datenanalyse hat mir Julius zuerst Python Code Explanation angezeigt. Werden diese immer ausgespielt? Habt ihr diese auch bekommen?