Richte dein KI-unterstütztes Analysten-Toolkit ein. Lerne, wo KI in den fünf Phasen des Analysezyklus passt, beherrsche das GCSE-Prompting-Framework, um vage Anfragen in umsetzbare Empfehlungen zu verwandeln, und wähle den richtigen Weg, KI mit deinen Daten zu verbinden: Flat Files, MCP oder eine gesteuerte semantische Schicht.

Der KI-unterstützte Analyst

Lerne The Daily Grind kennen

Gleicher Prompt, andere Antwort

Prompts schreiben, die funktionieren

Prompt-Fragmente

Goal

Context

Scope

Example

Zerlege einen Prompt mit GCSE

Vager vs. strukturierter Prompt

Verbindung zu deinen Daten herstellen

Anfragen auf deinem Tisch

Flat-File-Upload

Semantische Schicht

Flat File, MCP oder semantische Schicht?

Kontext erschließt Bedeutung

Datenanalyse mit KI erweitern

Vom Rohdatum zu belastbaren Insights. Prüfe die Datenqualität auf unscharfe Duplikate, fehlende Werte und unmögliche Zeitstempel; reicher Rohfelder mit KI sowohl als Ausführende als auch als Beraterin an; finde dann lohnende Insights über Trends, Verteilungen, Unterschiede und Ausreißer – und verifiziere jedes einzelne, bevor es Stakeholder erreicht.

Die Prüfphase: Datenqualität

Was kann KI eigenständig markieren?

Prüfe die Coffee-Shop-Daten

Hinterfrage die Deduplizierung der KI

Deine Daten anreichern

Absichten aus Support-Tickets extrahieren

Doer oder Advisor?

Verlässliche Insights finden

Wo würdest du mit der Exploration starten?

In eine Erkenntnis hineinzommen

Daten erkunden und Insights entwickeln

Mach aus Erkenntnissen Dashboards und Geschichten, die ankommen. Komprimiere Discovery und Prototyping von Wochen auf einen Nachmittag, passe Datenstories an Publikum und anstehende Entscheidung an und schütze dich mit dem S.P.O.T.-Verifizierungsframework vor poliert-wirkendem, aber falschem Output.

Dashboards mit KI erstellen

Von Interviews zu User Stories

Prototypisieren und iterieren

Datenstories mit KI erzählen

Gleiche Daten, zwei Geschichten

Ehrliches Framing vs. Irreführung

Story für die CFO

Überprüfbarkeit und Vertrauen

Welcher S.P.O.T.-Check erkennt das?

Fühlt sich diese Zahl richtig an?

Erkenne das polierte, aber falsche Dashboard

Visuelles Storytelling und Insights umsetzen

Führe eine vollständige KI-first-Analyse für Board and Beyond, eine US-Handelskette, durch. Prüfe die Datenqualität, identifiziere die Anreicherungen, die ein Category Manager wirklich nutzt, hebe eine Headline-Erkenntnis hervor und verifiziere sie, baue ein Dashboard, das eine Expansionsentscheidung stützt, und liefere eine einprägsame Kurzgeschichte für die Geschäftsführung.

Capstone-Projekt: Board and Beyond

Lerne Board and Beyond kennen

Welche Baustelle kann nicht warten?

Was würde ein Category Manager wirklich nutzen?

Eine Headline-Erkenntnis verifizieren

Wohin sollten wir expandieren?

Erzähl die Geschichte fürs Leadership-Team

Glückwunsch!

Bonus: Datenanalyse mit Snowflake Cortex

Capstone-Projekt: Eine vollständig KI-first Analyse

Entdecke, wie du KI als tägliche Partnerin in deiner Datenanalyse einsetzt. In diesem Kurs integrierst du KI in den gesamten Analysten-Workflow: Du schreibst Prompts, die zu echten Empfehlungen führen, verbindest KI mit deinen Daten, prüfst die Qualität, reicherst Rohfelder mit abgeleiteten Kennzahlen an, findest wirklich spannende Insights, baust Dashboards in Stunden statt Wochen und erzählst Geschichten, die Entscheidungen voranbringen. Dabei lernst du, scheinbar polierte, aber fehlerhafte KI-Ergebnisse zu erkennen – probabilistisches Driften, Gefälligkeit, Halluzinationen und Dashboards auf Basis falscher Arithmetik. Übe jede Technik praktisch mit einem KI-Chat-Assistenten und führe am Ende alles in einer vollständigen Capstone-Analyse zusammen.

[OPTIONAL]: Dieses [Snowflake-Bonusprojekt](https://www.snowflake.com/en/developers/guides/build-an-ai-powered-analytics-app-with-nl/?utm_source=datacamp&utm_campaign=aiforanalysts) fordert dich heraus, noch weiter zu gehen und eine funktionsfähige, KI-gestützte Analytics-App mit den nativen Funktionen von Snowflake zu bauen.

<h2>Ihr praktischer Leitfaden für KI-gestützte Datenanalyse</h2> KI verändert die Arbeitsweise von Datenanalysten, und dieser Kurs zeigt Ihnen, wie Sie sie effektiv einsetzen. Sie lernen, einen KI-Assistenten in jede Phase Ihres Analyse-Workflows einzubetten – von der Untersuchung roher Daten bis zur Bereitstellung von Erkenntnissen, auf die die Führungsebene reagieren wird. DataCamp bietet einen integrierten KI-Datenassistenten, damit Sie vom allerersten Kurs an mit echten Datensätzen üben können. Keine technischen Vorkenntnisse oder externes KI-Abonnement erforderlich. <br><br> <h2>Schreibe Prompts, die belastbare Analysen liefern</h2> Vage Prompts führen zu vagen Ergebnissen. Dieser Kurs vermittelt das GCSE-Framework (Goal, Context, Scope, Example), um offene geschäftliche Fragestellungen in präzise Anweisungen zu verwandeln, auf die eine KI reagieren kann. Du wirst an realistischen Szenarien in einer Kaffeehauskette, einem SaaS-Support-Desk und im Büro eines Einzelhandelskäufers üben und lernen, wie du die KI-Risiken erkennst, die sich hinter glatt wirkenden Antworten verbergen: probabilistische Variation, Halluzination, Gefälligkeit und fehlender Kontext. <br><br> <h2>Datenqualität prüfen, Felder anreichern und lohnende Erkenntnisse aufspüren</h2> Die meisten KI-Demos überspringen den chaotischen Mittelteil. Dieser Kurs tut das nicht. Du arbeitest den Analysten-Loop an realen Datensätzen durch: Du prüfst Daten auf unscharfe Duplikate, unmögliche Zeitstempel und fehlende Werte; du reicherst Rohfelder an, indem du KI sowohl als Ausführende (die die Arbeit erledigt) als auch als Beraterin (die entscheidet, was überhaupt sinnvoll ist) einsetzt; anschließend machst du Erkenntnisse über Trends, Verteilungen, Unterschiede und Ausreißer sichtbar. Jede Erkenntnis wird einem Belastungstest unterzogen, bevor sie einen Stakeholder erreicht. <br><br> <h2>Erzähle Geschichten, die ankommen, und prüfe sie, bevor sie veröffentlicht werden</h2> Ein Dashboard oder eine Geschichte in einem Absatz ist nur so gut wie die Verifizierung dahinter. Du lernst, die Entwicklung von Dashboard-Analysen und Prototypen von Wochen auf einen Nachmittag zu verkürzen, Datengeschichten auf das Publikum und die vor dir stehende Entscheidung zuzuschneiden und das S.P.O.T.-Framework (Sample-and-trace, Peer-review, Order-of-magnitude check, Test-boundaries) anzuwenden, um ausgefeilte, aber falsche Ergebnisse zu erkennen, bevor sie die Führungsebene erreichen. Das Capstone-Projekt führt eine vollständige KI-first-Analyse einer US-Einzelhandelskette durch und endet mit einer Bonuslektion vom Snowflake-Team zu Snowflake Cortex. <br><br> Bis Sie diesen Kurs abgeschlossen haben, verfügen Sie über ein wiederholbares Framework, um KI in jeder Phase der Analyse einzusetzen – vom Prompt bis zum Dashboard und zur schriftlichen Empfehlung – sowie über das Urteilsvermögen, zu wissen, wann Sie dem Ergebnis vertrauen, wann Sie es überprüfen und wann Sie es hinterfragen sollten.

Nutzen Sie KI in jeder Phase der Datenanalyse: präzise Eingaben, Datenprüfung, wertvolle Einblicke.

KI für Data Analysts

Empfiehl die drei Top-Getränke, die wir nächsten Monat pushen sollten.

Prognostiziere den Q1-Umsatz nach Getränkekategorie.

Wir sind eine Kette mit 4 Coffeeshops in Edinburgh mit Spitzenzeiten am Morgen und Nachmittag.

Unsere Latte-Verkäufe sind im Oktober nach einer Preiserhöhung um 8 % gesunken.

Nur Getränke einbeziehen, die im letzten Quartal mindestens 100 Verkäufe hatten.

Schließe Mobile-Order-Transaktionen aus der Analyse aus.

Formatiere die Ausgabe als Rangliste mit einer Zeile pro Getränk: Name, Verkäufe, Begründung der Empfehlung.

Übernimm die Struktur des Empfehlungsmemos, das ich dir geschickt habe: Einleitung, Top-Auswahlen, Risiken.

Zerlege einen Prompt mit GCSE

Interaktive praktische Übung