Sestav si analytický toolkit s podporou AI. Zjistíš, kde AI zapadá do pětifázového analytického cyklu, zvládneš prompting framework GCSE pro převod vágních zadání na konkrétní doporučení a vybereš ten správný způsob, jak propojit AI se svými daty: ploché soubory, MCP nebo řízená sémantická vrstva.

Analytik s podporou AI

Poznej The Daily Grind

Stejný prompt, jiná odpověď

Jak psát prompty, které fungují

Fragmenty promptu

Goal

Context

Scope

Example

Rozeber prompt pomocí GCSE

Vágní vs. strukturovaný prompt

Připojení k datům

Žádosti na stole

Nahrání souboru

Sémantická vrstva

Soubor, MCP, nebo sémantická vrstva?

Kontext odhaluje skutečný význam

Datová analýza s podporou AI

Přejdi od surových dat k poznatkům, které obstojí. Prověříš kvalitu dat z hlediska fuzzy duplikátů, chybějících hodnot a nesmyslných časových razítek; obohatíš surová pole s AI jako vykonavatelem i poradcem; pak najdeš poznatky hodné pozornosti napříč trendy, rozloženími, rozdíly a odlehlými hodnotami a každý z nich ověříš, než se dostane ke stakeholderovi.

Fáze výslechu: kvalita dat

Co dokáže AI odhalit sám?

Prověř data z kavárny

Prověř, jak AI odhaluje duplicity

Obohacování dat

Extrahuj záměry z tiketu podpory

Vykonavatel, nebo poradce?

Hledání poznatků, kterým můžeš věřit

Kde bys začal/a s průzkumem?

Ponořit se hlouběji do zjištění

Průzkum dat a hledání poznatků

Přeměň zjištění v dashboardy a příběhy, které zaujmou. Zkrátíš průzkum a prototypování dashboardů z týdnů na odpoledne, přizpůsobíš datové příběhy publiku a konkrétnímu rozhodnutí a ochráníš se před výstupy, které vypadají přesvědčivě, ale jsou chybné – pomocí ověřovacího frameworku S.P.O.T.

Tvorba dashboardů s AI

Od rozhovorů k uživatelským příběhům

Prototypování a iterace

Vyprávění datových příběhů s AI

Stejná data, dva příběhy

Poctivý rámec vs. zavádějící

Příběh pro finančního ředitele

Ověřitelnost a důvěryhodnost

Který S.P.O.T. check by to odhalil?

Dává tohle číslo smysl?

Odhal dashboard, který vypadá dobře, ale je špatně

Vizuální vyprávění a práce s poznatky

Proveď kompletní analýzu s AI pro americký maloobchodní řetězec Board and Beyond. Prověříš kvalitu dat, identifikuješ obohacení, která by category manager skutečně využil, objevíš a ověříš klíčové zjištění, sestavíš dashboard podporující rozhodnutí o expanzi a předáš vedení jednoodstavcový příběh.

Závěrečný projekt: Board and Beyond

Poznej Board and Beyond

Co se nedá odkládat?

Co by category manažer skutečně využil?

Ověř klíčové zjištění

Kam bychom měli expandovat?

Předej příběh vedení

Gratulujeme!

Bonus: Datová analýza se Snowflake Cortex

Závěrečný projekt: kompletní analýza s AI

Zjisti, jak využívat AI jako každodenního pomocníka při práci s daty. V tomto kurzu zapojíš AI do celého analytického procesu: budeš psát prompty, které přinášejí skutečná doporučení, propojíš AI se svými daty, prověříš jejich kvalitu, obohatíš surová pole o odvozené metriky, objevíš poznatky, které stojí za prozkoumání, sestavíš dashboardy za hodiny místo týdnů a budeš vyprávět příběhy, které vedou k rozhodnutím. Cestou se naučíš rozpoznat selhání AI, která vypadají přesvědčivě, ale nejsou správná – pravděpodobnostní drift, sycophancy, halucinace a dashboardy postavené na chybné aritmetice. Každou techniku si procvičíš přímo v AI chatu a nakonec vše spojíš v ucelené závěrečné analýze.

<h2>Váš praktický průvodce analýzou dat s podporou AI</h2> AI mění způsob, jakým pracují datoví analytici, a tento kurz vám ukáže, jak ji efektivně využívat. Naučíte se začlenit AI asistenta do každé fáze svého analytického workflow, od zkoumání surových dat až po předávání poznatků, na které vedení bude reagovat. DataCamp poskytuje vestavěného AI Data Assistant, takže si můžete procvičovat práci na reálných datových sadách už od první lekce. Není vyžadováno žádné technické zázemí ani externí předplatné AI. <br><br> <h2>Pište prompty, které vedou k obhajitelné analýze</h2> Nejasné prompty vedou k nejasným výsledkům. Tento kurz učí rámec GCSE (Goal, Context, Scope, Example) pro převádění otevřených obchodních otázek na přesné pokyny, podle kterých může AI jednat. Procvičíte si to na realistických scénářích napříč kavárenským řetězcem, SaaS support deskem a kanceláří nákupčího v retailu a naučíte se rozpoznávat rizika AI, která se skrývají za na první pohled uhlazenými odpověďmi: probabilistická variace, halucinace, sycophancy a chybějící kontext. <br><br> <h2>Auditujte kvalitu dat, obohaťte pole a najděte poznatky, které stojí za to sledovat</h2> Většina ukázek AI přeskočí ten chaotický střed. Tento kurz ne. Projdete si analytický cyklus na reálných datových sadách: prověříte data na nejasné duplicity, nemožné časové značky a chybějící hodnoty; obohatíte surová pole pomocí AI jako vykonavatele (která práci provádí) i poradce (který rozhoduje, co má vůbec smysl dělat); a pak odhalíte poznatky napříč trendy, rozděleními, rozdíly a odlehlými hodnotami. Každý závěr je před předložením stakeholderům důkladně prověřen. <br><br> <h2>Vyprávějte příběhy, které zaujmou, a pak je před odesláním ověřte</h2> Hodnota dashboardu nebo krátkého příběhu je jen tak dobrá, jak dobré je ověření, které za ním stojí. Naučíte se zkrátit objevování a prototypování dashboardů z týdnů na jedno odpoledne, přizpůsobit datové příběhy publiku i rozhodnutí, které je právě před vámi, a použít rámec S.P.O.T. (Sample-and-trace, Peer-review, Order-of-magnitude check, Test-boundaries), abyste zachytili uhlazený, ale chybný výstup dřív, než se dostane k vedení. Závěrečný projekt provede kompletní analýzu s přístupem AI-first na americkém maloobchodním řetězci a na závěr přidá bonusovou lekci od týmu Snowflake o Snowflake Cortex. <br><br> Až dokončíte tento kurz, budete mít opakovatelný rámec pro využití AI v každé fázi analýzy, od promptu přes dashboard až po písemné doporučení, a také úsudek, kdy výsledku věřit, kdy ho ověřit a kdy se proti němu vymezit.

Používejte AI ve všech fázích analýzy dat: tvořte lepší dotazy, kontrolujte kvalitu a hledejte poznatky.

AI pro datové analytiky

Doporuč tři nápoje, které příští měsíc nejvíc podpořit.

Předpověz tržby za Q1 podle kategorií nápojů.

Jsme síť 4 kaváren v Edinburghu se špičkami během snídaně a odpoledne.

Prodeje latté v říjnu klesly o 8 % po zdražení.

Zahrň pouze nápoje s alespoň 100 prodeji za minulý kvartál.

Z analýzy vyluč transakce z mobilní aplikace.

Výstup formátuj jako seřazený seznam: jeden řádek na nápoj — název, počet prodejů, důvod doporučení.

Drž se struktury doporučovacího mema, které jsem ti sdílel: úvod, nejlepší tipy, rizika.

Rozeber prompt pomocí GCSE

AI pro datové analytiky

Interaktivní praktické cvičení