Je vertaalt vragen van de business naar queries en de uitkomsten terug naar een verhaal. Op deze pagina staan alle taken waar AI je als data-analist bij helpt, met per taak een stappenplan en een prompt op maat — plus de privacyregels die voor jouw werk gelden.
Je vertaalt vragen van de business naar queries en de uitkomsten terug naar een verhaal. AI helpt een data-analist vooral bij schrijf-, lees- en organiseerwerk rond dashboards-toelichtingen, analyserapporten, SQL-queries: e-mails schrijven, lange teksten samenvatten, notuleren en actielijsten maken, offertes en voorstellen schrijven. Werk met placeholders; datasets bevatten vaak persoonsgegevens; gebruik geanonimiseerde voorbeelden.
Een data-analist kan AI gebruiken om een analysevraag scherper te formuleren voordat er code wordt geschreven. Beschrijf de kolommen, definities en gewenste uitkomst zonder echte records te delen. Laat het model aangeven welke velden nodig zijn en welke onduidelijkheden de interpretatie kunnen beïnvloeden. Een klein fictief voorbeeld is vaak bruikbaarder dan een groot bestand waarvan de context ontbreekt.
Bij een SQL-query of script is de controle op aannames belangrijker dan de overtuigende uitleg eromheen. Vraag wat er gebeurt met ontbrekende waarden, dubbele records, tijdzones en afwijkende categorieën. Test het voorstel op zelfgemaakte gevallen waarvan je de uitkomst vooraf kent. Een query die zonder foutmelding draait, kan nog steeds het verkeerde gemiddelde of een onbedoelde selectie produceren.
Voor het rapporteren van resultaten kan AI helpen een technisch stuk begrijpelijk te maken. Lever de bevindingen en beperkingen zelf aan en laat het model geen oorzakelijk verband suggereren dat niet is onderzocht. Houd observatie, hypothese en aanbeveling apart. De analyse wordt pas deelbaar nadat jij de berekening, betekenis en privacy van de gebruikte gegevens hebt gecontroleerd.
Beoordeel deze fictieve analysevraag en kolomdefinities. Noteer ontbrekende definities, mogelijke dubbeltellingen en vragen over null-waarden. Bereken niets en verzin geen gegevens. Vraag en schema: [tekst].Stel fictieve testrecords voor waarmee ik deze SQL-query kan controleren op dubbelen, ontbrekende waarden en datumgrenzen. Geef de verwachte uitkomst per geval met uitleg. Query: [code]. Schema: [tekst].Documenten die je als data-analist veel maakt: dashboards-toelichtingen, analyserapporten, SQL-queries. Per taak vind je een stappenplan, een kant-en-klare prompt en de valkuilen.
Privacy: werk zonder namen. Bij het werk van een data-analist geldt: datasets bevatten vaak persoonsgegevens; gebruik geanonimiseerde voorbeelden. Een naam vervangen door [naam] of cliënt A maakt een tekst niet automatisch anoniem. Ook de combinatie van gebeurtenissen, functies, datums en andere kenmerken kan iemand herkenbaar maken. Gebruik fictieve voorbeelden als je de herleidbaarheid niet kunt uitsluiten. Een zakelijk abonnement, training uitzetten of een verwerkersovereenkomst is op zichzelf geen toestemming om persoonsgegevens te delen. Laat je organisatie vooraf doel, grondslag, noodzakelijkheid, beveiliging en eventuele extra regels voor gevoelige gegevens beoordelen. Lees ook AI, AVG en privacy.
Bronnen: EDPB: anonimiseren en pseudonimiseren en AP: verantwoord gebruik van generatieve AI.
Alle beroepen.
De basis in een uur.
Wat mag wel en niet.