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.

Yapay zekâ ile güçlendirilmiş analist

The Daily Grind'i tanı

Aynı istem, farklı yanıt

İşe yarayan komutlar yazmak

İstem parçaları

Goal

Context

Scope

Example

GCSE ile bir istemi parçalarına ayır

Belirsiz vs. yapılandırılmış istem

Verine bağlanma

Masandaki istekler

Düz dosya yükleme

Anlamsal katman

Düz dosya, MCP mi, yoksa anlamsal katman mı?

Bağlam anlamı açığa çıkarır

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

AI'ı günlük veri analizi işinde bir iş arkadaşı olarak nasıl kullanacağını keşfet. Bu kursta AI'ı analistin tüm iş akışına entegre edeceksin: gerçek öneriler üreten istemler yazmak, AI'ı verine bağlamak, kaliteyi sorgulamak, ham alanları türetilmiş metriklerle zenginleştirmek, peşine düşmeye değer içgörüler bulmak, haftalar yerine saatlerde panolar kurmak ve kararları harekete geçiren hikâyeler anlatmak. Bu süreçte, cilalı görünüp gerçekte doğru olmayan AI hatalarını da tanımayı öğreneceksin — olasılıksal sapma, dalkavukluk, hayal ürünü çıktılar (hallucinations) ve hatalı aritmetiğe dayanan panolar. Her tekniği bir AI sohbet asistanıyla bizzat uygulayıp, ardından hepsini eksiksiz bir bitirme analizinde bir araya getireceksin.

<h2>Yapay Zeka Destekli Veri Analizi İçin Pratik Rehberiniz</h2> Yapay zeka, veri analistlerinin çalışma şeklini değiştiriyor ve bu kurs, onu etkili bir şekilde nasıl kullanacağınızı gösteriyor. Analiz iş akışınızın her aşamasına, ham verileri sorgulamaktan liderliğin harekete geçeceği içgörüler sunmaya kadar, bir yapay zeka asistanını nasıl entegre edeceğinizi öğreneceksiniz. DataCamp, ilk dersten itibaren gerçek veri kümeleri üzerinde alıştırma yapabilmeniz için yerleşik bir Yapay Zeka Veri Asistanı sunar. Teknik bir geçmişe veya harici bir yapay zeka aboneliğine gerek yoktur. <br><br> <h2>Savunulabilir Analiz Elde Eden Komutlar Yazın</h2> Belirsiz komutlar belirsiz çıktı üretir. Bu kurs, açık uçlu iş sorularını yapay zekânın uygulayabileceği net talimatlara dönüştürmek için GCSE çerçevesini (Hedef, Bağlam, Kapsam, Örnek) öğretir. Bir kahve zinciri, bir SaaS destek masası ve bir perakende alıcısının ofisi genelinde gerçekçi senaryolar üzerinde alıştırma yapacak ve gösterişli görünen yanıtların içinde gizlenen yapay zekâ risklerini nasıl fark edeceğinizi öğreneceksiniz: olasılıksal değişkenlik, halüsinasyon, dalkavukluk ve eksik bağlam. <br><br> <h2>Veri Kalitesini Denetleyin, Alanları Zenginleştirin ve Takip Etmeye Değer İçgörüler Bulun</h2> Çoğu yapay zeka demosu, işin karmaşık orta kısmını atlar. Bu kurs yapmaz. Gerçek veri kümeleri üzerinde analist döngüsünü adım adım işleyeceksiniz: verileri belirsiz kopyalar, imkânsız zaman damgaları ve eksik değerler açısından inceleyecek; ham alanları, yapay zekâyı hem uygulayıcı olarak (işi yürütmek için) hem de danışman olarak (öncelikle neyin yapılmaya değer olduğuna karar vermek için) kullanarak zenginleştirecek; ardından eğilimler, dağılımlar, farklılıklar ve aykırı değerler genelinde içgörüleri ortaya çıkaracaksınız. Her bulgu, bir paydaşa ulaşmadan önce sıkı bir şekilde test edilir. <br><br> <h2>İnsanların Benimsediği Hikâyeler Anlatın, Ardından Yayına Almadan Önce Doğrulayın</h2> Bir gösterge paneli ya da tek paragraflık bir hikâye, arkasındaki doğrulama kadar iyidir. Gösterge paneli keşfi ve prototipleme sürecini haftalardan bir öğleden sonraya indirmeyi, veri hikâyelerini hedef kitleye ve önünüzdeki karara göre uyarlamayı ve S.P.O.T. çerçevesini (Örnekle ve izle, Akran değerlendirmesi, Büyüklük mertebesi kontrolü, Sınırları test etme) kullanarak, cilalı ama hatalı çıktıları yönetime ulaşmadan önce yakalamayı öğreneceksiniz. Capstone, bir ABD perakende zinciri üzerinde uçtan uca bir AI-first analiz yürütür ve ardından Snowflake ekibinden Snowflake Cortex üzerine bonus bir dersle tamamlanır. <br><br> Bu kursu tamamladığınızda, komuttan gösterge paneline ve yazılı öneriye kadar analiz sürecinin her aşamasında yapay zekâyı kullanmak için tekrarlanabilir bir çerçeveye ve sonuca ne zaman güveneceğinizi, ne zaman doğrulama yapacağınızı ve ne zaman itiraz edeceğinizi bilme becerisine sahip olacaksınız.

Veri analizinizi her aşamada yapay zeka ile geliştirin: Keskin komutlar yazın, veri kalitesini denetleyin.

Veri Analistleri için AI

Gelecek ay öne çıkarılacak en iyi üç içeceği öner.

Q1 gelirini içecek kategorisine göre tahmin et.

Edinburgh'da 4 şubeli bir kahve zinciriyiz; kahvaltı ve öğleden sonra yoğun saatlerimiz var.

Fiyat artışından sonra ekim ayında latte satışlarımız %8 düştü.

Yalnızca geçen çeyrekte en az 100 satışı olan içecekleri dahil et.

Analize mobil sipariş işlemlerini dahil etme.

Çıktıyı, her içecek için bir satır olacak şekilde sıralı bir liste olarak biçimlendir: ad, satış, öneri gerekçesi.

Paylaştığım öneri notunun yapısını eşle: giriş, en iyi seçimler, riskler.

GCSE ile bir istemi parçalarına ayır

Veri Analistleri için AI

Uygulamalı etkileşimli egzersiz