Prompting yang efektif membantu Anda menggunakan kemampuan analisis keuangan Claude secara efisien dan akurat. Panduan ini menyediakan strategi untuk menulis prompt yang jelas dan spesifik yang menghasilkan hasil yang Anda butuhkan sambil menghindari masalah umum yang dapat menyebabkan output yang tidak lengkap atau berlebihan.

Sebelum memulai analisis keuangan apa pun, penting untuk memahami sumber data mana yang tersedia untuk Claude. Integrasi yang berbeda menyediakan jenis data yang berbeda—Daloopa berfokus pada pengajuan SEC dan fundamental, dan Kensho menawarkan data pasar S&P Global yang komprehensif dan hubungan bisnis. Mengetahui apa yang dapat diakses mencegah pemborosan waktu meminta data yang tidak tersedia.

Mulai sesi analisis Anda dengan mengkonfirmasi ketersediaan data:

Langkah awal ini mencegah permintaan analisis yang memerlukan data yang tidak tersedia dan membantu Anda memahami integrasi mana yang harus ditentukan untuk jenis analisis yang berbeda.

Claude memiliki akses ke sejumlah besar data keuangan melalui berbagai sumber. Tanpa instruksi spesifik, Anda mungkin menerima lebih banyak data daripada yang diperlukan atau melewatkan metrik penting. Spesifikasi yang jelas memastikan Anda mendapatkan tepat apa yang diperlukan analisis Anda, menghemat waktu dan meningkatkan akurasi.

Pertimbangkan contoh kontras ini:

Permintaan yang samar ini dapat memicu pengambilan ratusan titik data selama bertahun-tahun, sehingga sulit untuk mengidentifikasi wawasan yang relevan. Claude tidak akan tahu apakah Anda menginginkan metrik valuasi, kinerja operasional, atau positioning kompetitif.

Permintaan spesifik ini mengidentifikasi sumber data, ticker perusahaan, metrik yang tepat, periode waktu, dan format output yang diinginkan. Claude tahu persis apa yang harus diambil dan cara memprosesnya. Prompt Anda harus mencakup ticker perusahaan, nama metrik yang tepat, periode waktu spesifik, dan format output yang diinginkan.

Integrasi keuangan dapat menarik dataset ekstensif yang mencakup ratusan metrik selama bertahun-tahun. Meminta semuanya yang tersedia membuang waktu, meningkatkan kompleksitas pemrosesan, dan membuat lebih sulit untuk fokus pada apa yang penting untuk analisis spesifik Anda. Permintaan yang ditargetkan menghasilkan hasil yang lebih bersih dan dapat ditindaklanjuti.

Permintaan ini dapat mengembalikan ribuan titik data termasuk metrik yang tidak relevan, sehingga sulit untuk melakukan analisis yang terfokus.

Permintaan yang terfokus ini mengambil hanya metrik yang diperlukan untuk perbandingan operasional. Saat menyusun prompt, pikirkan tentang tujuan analitik Anda terlebih dahulu, kemudian minta hanya data yang secara langsung mendukung analisis tersebut. Pendekatan ini menghasilkan output yang lebih mudah dikelola dan wawasan yang lebih jelas.

Permintaan data besar dapat memperlambat analisis dan menghasilkan output yang luar biasa yang sulit diinterpretasikan. Mengelola ruang lingkup memastikan Claude dapat memproses permintaan secara efisien dan menyajikan hasil dalam format yang dapat dicerna. Ini sangat penting ketika bekerja dengan beberapa perusahaan atau periode waktu yang diperpanjang.

Permintaan ini kemungkinan akan gagal atau menghasilkan hasil yang tidak dapat digunakan karena volume data yang terlibat.

Permintaan yang dapat dikelola ini berfokus pada kelompok sebaya tertentu dengan metrik yang ditentukan dan kerangka waktu yang wajar. Sebagai pedoman umum, batasi permintaan hingga 3-5 perusahaan untuk analisis terperinci, minta item baris spesifik daripada seluruh laporan keuangan, dan gunakan rentang tanggal yang sesuai dengan kebutuhan analitik Anda daripada meminta semua riwayat yang tersedia.

Analisis keuangan yang kompleks melibatkan beberapa langkah, sumber data, dan asumsi. Membuat Claude menguraikan pendekatan terlebih dahulu memungkinkan Anda menangkap masalah potensial sebelum waktu dihabiskan untuk perhitungan. Ini sangat berharga untuk valuasi, pemodelan, atau perbandingan multi-perusahaan di mana pilihan metodologi secara signifikan mempengaruhi hasil. Rencana yang jelas juga memastikan keselarasan antara harapan Anda dan pendekatan yang dimaksudkan Claude.

Permintaan terbuka ini meninggalkan terlalu banyak keputusan untuk Claude, yang berpotensi menghasilkan analisis yang tidak sesuai dengan persyaratan Anda atau menggunakan asumsi yang tidak tepat.

Pendekatan ini memberi Anda visibilitas ke dalam metodologi yang direncanakan sebelum eksekusi dimulai. Anda dapat meninjau sumber data yang dimaksudkan Claude untuk digunakan, memverifikasi bahwa asumsi kunci masuk akal, mengidentifikasi komponen yang hilang, dan menyesuaikan pendekatan sebelum menginvestasikan waktu dalam perhitungan terperinci. Tinjauan awal ini sering kali menangkap masalah yang akan mahal untuk diperbaiki setelah analisis selesai.

Memecah analisis kompleks menjadi langkah-langkah diskrit memberikan transparansi ke dalam proses Claude dan memungkinkan koreksi kursus. Anda dapat memverifikasi akurasi data, memeriksa perhitungan, dan menyesuaikan metodologi antara langkah-langkah daripada hanya menemukan masalah dalam hasil akhir. Pendekatan ini sangat berharga ketika bekerja dengan beberapa sumber data atau ketika perhitungan dibangun satu sama lain.

Permintaan ini menghasilkan analisis kotak hitam di mana Anda tidak dapat memverifikasi data atau logika yang mendasarinya.

Pendekatan inkremental ini memungkinkan Anda menangkap kesalahan lebih awal, menyesuaikan analisis berdasarkan temuan awal, memahami penalaran Claude di setiap tahap, dan memverifikasi akurasi data sebelum digunakan dalam perhitungan. Setiap langkah menjadi titik pemeriksaan di mana Anda dapat memastikan analisis tetap berada di jalur yang benar.

Dimulai dengan pengambilan data sebelum beralih ke analisis memastikan Anda bekerja dengan informasi yang akurat dan lengkap. Pendekatan ini mencegah upaya yang terbuang pada perhitungan menggunakan data yang tidak lengkap dan membantu mengidentifikasi kesenjangan data sebelum mempengaruhi kesimpulan. Ini juga memungkinkan Anda menyesuaikan analisis berdasarkan data apa yang sebenarnya tersedia.

Alur kerja inkremental yang khas mungkin terlihat seperti ini:

Setiap langkah dibangun di atas yang sebelumnya, memastikan bahwa Anda memiliki fondasi yang diperlukan sebelum melanjutkan. Metode ini sangat berguna ketika menjelajahi perusahaan atau sektor yang tidak familiar di mana Anda mungkin tidak tahu persis data apa yang tersedia sampai Anda memulai analisis.

Masalah: Meminta data yang tidak ada atau tidak tersedia melalui integrasi saat ini dapat menggagalkan analisis Anda.

Solusi: Mulai dengan menanyakan apa yang tersedia. Misalnya: "Metrik operasional apa yang dimiliki Daloopa untuk Spotify?" Pemeriksaan awal ini mencegah membangun analisis di sekitar data yang tidak tersedia.

Perusahaan yang berbeda melaporkan metrik yang berbeda, dan tidak semua data historis mungkin tersedia. Mengkonfirmasi ketersediaan di muka menghemat waktu dan memungkinkan Anda menyesuaikan pendekatan analitik Anda berdasarkan data apa yang sebenarnya dapat diakses.

Masalah: Meminta analisis 50+ perusahaan sekaligus dapat menghasilkan hasil yang luar biasa atau menyebabkan analisis gagal sama sekali.

Solusi: Pecah analisis besar menjadi kelompok yang lebih kecil dari 5-10 perusahaan, kemudian gabungkan hasilnya.

Misalnya, alih-alih "Analisis semua REIT," coba lebih spesifik: "Analisis 5 REIT industri ini terlebih dahulu: PLD, DRE, FR, TRNO, STAG." Setelah meninjau hasil awal, Anda dapat melanjutkan dengan kelompok tambahan. Pendekatan ini memastikan setiap batch menerima analisis menyeluruh dan memungkinkan Anda menyempurnakan kriteria Anda berdasarkan temuan awal.

Masalah: Istilah seperti "perusahaan bagus" atau "kinerja kuat" berarti hal yang berbeda bagi analis yang berbeda dan dapat menyebabkan hasil yang tidak sesuai dengan kriteria Anda.

Solusi: Tentukan kriteria Anda secara eksplisit menggunakan ambang batas kuantitatif.

Berikut adalah contohnya:

Kriteria spesifik memastikan Claude mengidentifikasi perusahaan yang sesuai dengan filosofi investasi dan parameter screening Anda. Presisi ini sangat penting ketika membangun screen atau mengidentifikasi kandidat investasi.

Strategi ini membantu Anda mendapatkan nilai maksimal dari kemampuan analisis keuangan Claude sambil menghindari jebakan umum. Saat Anda mengembangkan pengalaman dengan sistem, Anda akan mengidentifikasi pola prompt yang bekerja dengan baik untuk kebutuhan analitik spesifik Anda.