Prompts voor Analyse en Werken met Data
Veeg om het menu te tonen
Je hoeft geen data-analist te zijn om AI te gebruiken voor analytisch werk. En als je dat wel bent, kan AI de onderdelen van je workflow die veel tijd kosten maar niet analytisch complex zijn, aanzienlijk versnellen.
Dit hoofdstuk behandelt hoe je AI kunt aansturen om data te interpreteren, analytisch denken te structureren en resultaten te produceren die beslissingen ondersteunen — op elk technisch vaardigheidsniveau.
Voor niet-technische gebruikers: cijfers omzetten in een verhaal
Als je werkt met rapporten, dashboards of spreadsheets maar geen data-achtergrond hebt, is de meest directe waarde van AI vertaling — het omzetten van een tabel met cijfers in een duidelijk verhaal dat uitlegt wat de data daadwerkelijk betekent.
Wat je eerst moet doen: plak de data als tekst in de prompt. Je kunt een tabel uit Excel kopiëren, cijfers uit een rapport plakken of de belangrijkste getallen intypen. Het model kan geen bestanden of screenshots zien — de data moet in de prompt staan.
Standaard prompt-sjabloon voor verhalen:
Hier is een tabel van [wat de data weergeeft]:
[plak hier de data]
Schrijf een executive summary van 3 zinnen waarin het volgende wordt geïdentificeerd:
- De meest significante trend of bevinding;
- Eén punt van zorg of onderprestatie;
- Eén specifieke aanbeveling op basis van de data.
Doelgroep: [wie dit leest — hun rol en waar ze om geven]. Gebruik eenvoudige taal — geen jargon.
Voor analisten: Versnellen van de workflow
Als je al professioneel met data werkt, neemt AI de onderdelen van je workflow over die formulematig maar tijdrovend zijn:
SQL genereren vanuit gewone taal:
Write a SQL query that [describe what you want to extract in plain language]. The table is called [table name] and has the following columns: [list columns and data types].
Return the results sorted by [column], limited to [number] rows.
Onbekende code of formules uitleggen:
Leg uit wat deze [SQL query / Excel-formule / Python-script] doet, regel voor regel. Gebruik eenvoudige taal — ga ervan uit dat de lezer de data begrijpt, maar niet de syntaxis.
[plak hier de code]
Een analyseframework structureren:
Ik moet [zakelijk probleem of vraag] analyseren.
Voordat ik data ga verzamelen, help mij nadenken over het raamwerk. Wat zijn de belangrijkste vragen die ik moet beantwoorden? Langs welke dimensies moet ik de data analyseren? Hoe zou een volledige analyse van dit probleem eruitzien?
Denk hier stap voor stap over na.
Een Kritische Beperking: Garbage In, Garbage Out
AI valideert je data niet. Het verwerkt alles wat je aanlevert en genereert overtuigend klinkende output, ongeacht of de onderliggende cijfers kloppen.
Als je onjuiste, verouderde of verkeerd opgemaakte data plakt, lijkt de analyse netjes en gezaghebbend — maar is gebaseerd op een gebrekkige basis.
Voordat je AI gebruikt om data te interpreteren of samen te vatten:
- Controleer of de bron actueel is en correct geëxporteerd;
- Kijk of de cijfers overeenkomen met wat er in je originele systeem staat;
- Bevestig dat eventuele berekeningen of aggregaties in de data kloppen voordat je deze plakt.
AI is een krachtig hulpmiddel om te communiceren wat data betekent. Het valideren van de juistheid van de data blijft jouw verantwoordelijkheid.
Oefening: Van Data Naar Verhaal In Minder Dan Twee Minuten
Neem een willekeurige tabel of cijferreeks waarmee je recent hebt gewerkt — een verkooprapport, een projectmetriek, een budgetoverzicht. Plak deze in een willekeurige grote AI-tool als platte tekst.
Schrijf een prompt die specificeert:
- Wat de data weergeeft;
- Voor wie de samenvatting bedoeld is;
- Welke drie zaken je wilt extraheren (trend, aandachtspunt, aanbeveling);
- De lengte en het formaat van de output.
Bekijk het resultaat. Noteer wat accuraat is, wat onnauwkeurig is, en of het model iets signaleerde wat je zelf niet had opgemerkt. Probeer vervolgens de extractiecriteria aan te passen en observeer hoe de output verandert.
1. Welke uitspraken beschrijven best practices voor het gebruik van AI om gegevens om te zetten in een verhaal voor niet-technische gebruikers
2. Welke uitspraken beschrijven nauwkeurig het belang van gegevensvalidatie bij het gebruik van AI voor data-analyse of samenvatting
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
