Bonus: Gegevensanalyse met Snowflake Cortex

Als extraatje zie je hier een demo van het Snowflake-team over hoe je AI-ondersteund datewerk aanpakt met Snowflake Cortex, een enterprise-grade AI-tool voor data-analisten.

Je kunt meekijken door je gratis Snowflake-proefperiode te activeren. Dit optionele bonusproject daagt je uit om een stap verder te gaan en een werkende AI-gestuurde analytics-app te bouwen met de ingebouwde mogelijkheden van Snowflake.

Deze oefening maakt deel uit van de cursus

AI voor data-analisten

Bekijk cursus

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Begin oefening

Deze oefening maakt deel uit van de cursus

AI voor data-analisten

SkillTag.level.intermediateSkillTag.label

4.8+

37 reviews

Begin gratis met de cursus

Richt je AI-verrijkte analysetoolkit in. Leer waar AI past binnen de vijf fasen van de analysecirkel, beheers het GCSE-promptsjabloon om vage vragen om te zetten in uitvoerbare aanbevelingen, en kies de juiste manier om AI te verbinden met je data: flat files, MCP of een beheerde semantische laag.

Exercise 1: De AI-aangevulde analist Exercise 2: Maak kennis met The Daily Grind Exercise 3: Zelfde prompt, ander antwoord Exercise 4: Prompts schrijven die werken Exercise 5: Haal een prompt uit elkaar met GCSE Exercise 6: Vage vs. gestructureerde prompt Exercise 7: Verbinding maken met je data Exercise 8: Flat file, MCP of semantic layer?Exercise 9: Context ontsluit betekenis

Ga van ruwe data naar verdedigbare inzichten. Onderzoek datakwaliteit op vage duplicaten, ontbrekende waarden en onmogelijke tijdstempels; verrijk ruwe velden met AI als zowel uitvoerder als adviseur; vind vervolgens inzichten die de moeite waard zijn over trends, verdelingen, verschillen en uitschieters, en verifieer elk inzicht voordat het een stakeholder bereikt.

Exercise 1: De ondervragingsfase: datakwaliteit Exercise 2: Wat kan AI zelf signaleren?Exercise 3: Onderzoek de koffiehuisdata Exercise 4: Onderzoek de deduplicatie van de AI Exercise 5: Je data verrijken Exercise 6: Haal intents uit supporttickets Exercise 7: Doer of adviseur?Exercise 8: Inzichten vinden die je kunt vertrouwen Exercise 9: Waar zou je beginnen met verkennen?Exercise 10: Zoom in op een bevinding

Zet bevindingen om in dashboards en verhalen die binnenkomen. Breng de tijd voor dashboardontdekking en -prototyping terug van weken naar een middag, stem dataverhalen af op je publiek en de beslissing die voorligt, en bescherm jezelf tegen gelikt-maar-fout output met het S.P.O.T.-verificatieraamwerk.

Exercise 1: Dashboards bouwen met AI Exercise 2: Van interviews naar user stories Exercise 3: Prototypen en itereren Exercise 4: Dataverhalen vertellen met AI Exercise 5: Dezelfde data, twee verhalen Exercise 6: Eerlijke framing vs. misleidend Exercise 7: Verhaal voor de CFO Exercise 8: Verifieerbaarheid en vertrouwen Exercise 9: Welke S.P.O.T.-check pakt dit op?Exercise 10: Voelt dit getal goed aan?Exercise 11: Herken het gelikte-maar-foute dashboard

Voer een complete AI-first-analyse uit op Board and Beyond, een Amerikaanse retailketen. Audit de datakwaliteit, identificeer de verrijkingen die een category manager echt zou gebruiken, haal een headline-bevinding naar boven en verifieer die, bouw een dashboard dat een uitbreidingsbeslissing ondersteunt, en lever een verhaal van één alinea aan het leiderschap.

Exercise 1: Capstoneproject: Board and Beyond Exercise 2: Maak kennis met Board and Beyond Exercise 3: Welke puinhoop kan niet wachten?Exercise 4: Wat zou een category manager echt gebruiken?Exercise 5: Verifieer een opvallende bevinding Exercise 6: Waar moeten we uitbreiden?Exercise 7: Vertel het verhaal aan de directie Exercise 8: Gefeliciteerd!Exercise 9: Bonus: Gegevensanalyse met Snowflake Cortex

Huidige oefening