Set up your AI-augmented analyst toolkit. Learn where AI fits across the five-stage analysis cycle, master the GCSE prompting framework for turning vague asks into actionable recommendations, and choose the right way to connect AI to your data: flat files, MCP, or a governed semantic layer.

L'analyste augmenté par l'IA

Faites connaissance avec The Daily Grind

Même invite, réponse différente

Rédiger des prompts efficaces

Fragments du prompt

Goal

Context

Scope

Example

Décomposer un prompt avec GCSE

Invite vague vs. structurée

Connexion à vos données

Demandes reçues

Téléversement de fichier plat

Couche sémantique

Fichier plat, MCP ou couche sémantique ?

Le contexte révèle le sens

Augmenting Data Analysis with AI

Move from raw data to insights you can defend. Interrogate data quality for fuzzy duplicates, missing values, and impossible timestamps; enrich raw fields with AI as both doer and advisor; then find insights worth chasing across trends, distributions, differences, and outliers, and verify each one before it reaches a stakeholder.

The interrogation phase: data quality

What can AI flag on its own?

Interrogate the coffee shop data

Interrogate the AI's deduplication

Enriching your data

Extract intents from support tickets

Doer or advisor?

Finding insights you can trust

Where would you start exploring?

Drill into a finding

Exploring Data and Developing Insights

Turn findings into dashboards and stories that land. Compress dashboard discovery and prototyping from weeks to an afternoon, tailor data stories to the audience and decision in front of you, and protect against polished-but-wrong output with the S.P.O.T. verification framework.

Building dashboards with AI

From interviews to user stories

Prototype and iterate

Telling data stories with AI

Same data, two stories

Honest framing vs. misleading

Story for the CFO

Verifiability and trust

Which S.P.O.T. check catches this?

Does this number feel right?

Spot the polished-but-wrong dashboard

Visual Storytelling and Acting on Insights

Run a complete AI-first analysis on Board and Beyond, a US retail chain. Audit data quality, identify the enrichments a category manager would actually use, surface and verify a headline finding, build a dashboard that backs an expansion decision, and deliver a one-paragraph story to leadership.

Capstone Project: Board and Beyond

Get to know Board and Beyond

Which mess can't wait?

What would a category manager actually use?

Verify a headline finding

Where should we expand?

Tell the story to leadership

Congratulations!

Bonus: Data Analysis with Snowflake Cortex

Capstone Project: A Complete AI-First Analysis

Découvrez comment utiliser l'IA comme collaborateur au quotidien dans votre travail d'analyse de données. Dans ce cours, vous intégrerez l'IA tout au long du flux de travail de l'analyste : rédiger des invites qui produisent de vraies recommandations, connecter l'IA à vos données, interroger la qualité, enrichir des champs bruts avec des métriques dérivées, identifier les insights qui valent la peine d'être creusés, créer des tableaux de bord en quelques heures plutôt qu'en semaines, et raconter des histoires qui orientent les décisions. En chemin, vous apprendrez à repérer les échecs de l'IA qui paraissent soignés mais ne le sont pas : dérive probabiliste, flatterie servile, hallucinations et tableaux de bord fondés sur de mauvais calculs. Entraînez-vous à chaque technique de manière pratique avec un assistant de conversation IA, puis réunissez le tout dans une analyse finale complète.

<h2>Votre guide pratique de l’analyse de données augmentée par l’IA</h2> L’IA transforme la façon dont les analystes de données travaillent, et ce cours vous montre comment l’utiliser efficacement. Vous apprendrez à intégrer un assistant IA à chaque étape de votre flux de travail d’analyse, de l’exploration des données brutes à la présentation d’insights sur lesquels la direction agira. DataCamp propose un assistant de données IA intégré pour vous permettre de vous entraîner sur de vrais jeux de données dès la toute première leçon. Aucune connaissance technique ni abonnement externe à une IA requis. <br><br> <h2>Rédigez des prompts qui génèrent des analyses défendables</h2> Des prompts vagues produisent des résultats vagues. Ce cours enseigne le cadre GCSE (Goal, Context, Scope, Example) pour transformer des questions métier ouvertes en instructions précises sur lesquelles une IA peut agir. Vous vous entraînerez sur des scénarios réalistes dans une chaîne de cafés, un service d’assistance SaaS et le bureau d’un acheteur dans le commerce de détail, et apprendrez à repérer les risques liés à l’IA qui se cachent dans des réponses au rendu soigné : variation probabiliste, hallucination, sycophantie et contexte manquant. <br><br> <h2>Auditez la qualité des données, enrichissez les champs et trouvez des insights qui valent la peine d’être explorés</h2> La plupart des démonstrations d’IA passent sous silence la partie la plus délicate. Ce cours ne le fait pas. Vous travaillerez sur la boucle de l’analyste à partir de jeux de données réels : examiner les données pour repérer les doublons flous, les horodatages impossibles et les valeurs manquantes ; enrichir les champs bruts en utilisant l’IA à la fois comme exécutant (pour réaliser le travail) et comme conseiller (pour décider ce qui mérite d’être fait en premier lieu) ; puis faire ressortir des insights sur les tendances, les distributions, les différences et les valeurs aberrantes. Chaque résultat est soumis à une vérification rigoureuse avant d’être présenté à une partie prenante. <br><br> <h2>Racontez des histoires percutantes, puis vérifiez-les avant leur diffusion</h2> Un tableau de bord ou une histoire en un paragraphe n’a de valeur que si la vérification qui le sous-tend est solide. Vous apprendrez à réduire la découverte et le prototypage de tableaux de bord de plusieurs semaines à un après-midi, à adapter les récits de données à l’audience et à la décision à prendre, et à appliquer le cadre S.P.O.T. (Sample-and-trace, Peer-review, Order-of-magnitude check, Test-boundaries) pour détecter les résultats soignés mais erronés avant qu’ils n’atteignent la direction. Le projet de fin d’études réalise une analyse complète axée sur l’IA d’une chaîne de distribution américaine, puis se termine par une leçon bonus de l’équipe Snowflake sur Snowflake Cortex. <br><br> À la fin de ce cours, vous disposerez d’un cadre reproductible pour utiliser l’IA à chaque étape de l’analyse, du prompt au tableau de bord jusqu’à la recommandation écrite, ainsi que du discernement nécessaire pour savoir quand faire confiance au résultat, quand le vérifier et quand le remettre en question.

Utilisez l'IA à chaque étape de l'analyse des données : rédigez, auditez, trouvez des insights fiables.

L'IA pour les data analysts

Recommandez les trois boissons à mettre en avant le mois prochain.

Prévoir le chiffre d'affaires du T1 par catégorie de boisson.

Nous sommes une chaîne de cafés de 4 magasins à Édimbourg, avec des pics au petit-déjeuner et l'après-midi.

Nos ventes de latte ont baissé de 8 % en octobre après une augmentation de prix.

N'incluez que les boissons ayant au moins 100 ventes le trimestre dernier.

Exclure les transactions issues des commandes mobiles de l'analyse.

Formatez la sortie sous forme de liste classée avec une ligne par boisson : nom, ventes, raison de la recommandation.

Adoptez la structure de la note de recommandation que je vous ai partagée : introduction, meilleurs choix, risques.

Décomposer un prompt avec GCSE

Exercice interactif pratique