設定你的 AI 強化分析師工具箱。了解 AI 在五階段分析循環中的定位，熟悉將模糊需求轉化為可執行建議的 GCSE 提示框架，並選擇把 AI 連結到資料的正確方式：平面檔、MCP，或是受治理的語意層。

AI 加值的資料分析師

認識 The Daily Grind

同樣的提示，不同的答案

寫出有效的提示詞

提示片段

Goal

Context

Scope

Example

用 GCSE 拆解一段提示

含糊 vs. 結構化提示

連接到你的資料

你桌上的需求

Flat-file upload

Semantic layer

Flat file、MCP，還是 semantic layer？

脈絡解鎖意義

用 AI 強化資料分析

從原始資料走到你能據以辯護的洞見。檢視資料品質中的模糊重複、遺漏值與不可能的時間戳；同時把 AI 作為執行者與顧問來豐富原始欄位；接著在趨勢、分佈、差異與離群值之間找出值得追蹤的洞見，並在送到利害關係人前逐一驗證。

資料盤點階段：資料品質

AI 能自行標記哪些問題？

檢視咖啡店資料

審視 AI 的去重邏輯

豐富你的資料

從支援工單萃取意圖

Doer 還是 Advisor？

找出值得信任的洞見

你會從哪裡開始探索？

深入挖掘一項發現

探索資料並發展洞見

把發現轉化為能落地的儀表板與故事。將儀表板探索與雛形製作從數週壓縮到一個下午，依受眾與面前的決策量身打造資料故事，並用 S.P.O.T. 驗證框架防範那些「看起來漂亮但其實不對」的輸出。

用 AI 建立儀表板

從訪談到使用者故事

製作雛型並反覆迭代

用 AI 說好資料故事

同一份資料，兩種敘事

誠實的框架 vs. 誤導的框架

寫給 CFO 的故事

可驗證性與信任

哪一種 S.P.O.T. 檢查能抓到這個問題？

這個數字感覺合理嗎？

揪出「看起來很精美但其實有錯」的儀表板

視覺化敘事與行動化洞見

在美國零售連鎖 Board and Beyond 上完成一個 AI 優先的完整分析。稽核資料品質、找出類別經理實際會用的豐富化項目、提出並驗證一個醒目的重點發現、打造支撐拓點決策的儀表板，並向高層交付一段式的故事敘述。

總結專案：Board and Beyond

認識 Board and Beyond

哪一團亂不能等？

類別經理實際會用到什麼？

驗證一個關鍵發現

我們該擴張到哪裡？

向高層說故事

恭喜！

加碼：使用 Snowflake Cortex 進行資料分析

壓軸專案：完整的 AI 優先分析

學習如何把 AI 作為你日常資料分析工作的協作夥伴。這門課會帶你在完整的分析師工作流程中整合 AI：撰寫能產出具體建議的提示、把 AI 連結到你的資料、檢視品質、以衍生指標豐富原始欄位、找出值得追蹤的洞見、將儀表板從以週為單位縮短到以小時計、並用能推動決策的故事來呈現。過程中，你也會學會辨識那些看起來精緻但其實有問題的 AI 失誤——例如機率漂移、阿諛迎合、幻覺，以及建立在錯誤運算上的儀表板。你將用 AI 聊天助理動手練習每個技巧，最後在完整的壓軸分析中整合起來。

【選修】：「Snowflake 加碼專案」(https://www.snowflake.com/en/developers/guides/build-an-ai-powered-analytics-app-with-nl/?utm_source=datacamp&utm_campaign=aiforanalysts) 要求你更進一步，使用 Snowflake 的原生能力打造一個可運作的 AI 驅動分析應用程式。

在數據分析的每個階段使用AI：撰寫精準提示、審核數據質量、發現有價值的見解。

AI 加值的資料分析師

Create Your Free Account