DATA-ANALYSE MET CLAUDE
Claude gebruiken bij data-analyse: CSV's, SQL-query's en rapporten
Het spreadsheet wordt niet kleiner. Je eerste ronde erdoorheen wel.
Claude van Anthropic is een capabele vervanger voor het eerste uur van elke datataak: een CSV lezen, een schema uit elkaar trekken, velden uit een stapel pdf's halen, of een berg onderzoek samenvatten. Deze pagina laat zien hoe je Claude in de praktijk gebruikt bij data-analyse, welke prompts werken, en welke controles een verkeerd getal uit een rapport houden.
Claude gebruiken bij data-analyse betekent dat je Claude van Anthropic een CSV, een databaseschema of een stapel documenten geeft en vraagt om patronen te vinden, SQL-query's te schrijven, gestructureerde data op te halen of een rapport in gewone taal op te stellen. Claude leest grote bestanden in één gesprek, legt onderweg zijn redenering uit en schrijft code wanneer dat het betere middel is, maar voert geen code uit en bevraagt je live database niet zelf; je controleert de uitvoer aan de hand van de brondata, een steekproefberekening of een tweede ronde voordat het ergens in de buurt van een beslissing komt.
Gepubliceerd · Laatst gecontroleerd
Gratis les · geen account nodigDe IteratielusBeheers de Basis6 minStart de gratis lesBelangrijkste punten
- Claude analyseert CSV-bestanden door geplakte of geüploade data direct in het gesprek te lezen; voor een eerste ronde is geen apart BI-tool nodig.
- Claude schrijft SQL-query's op basis van een schemabeschrijving, inclusief joins, window functions en CTE's, en legt uit wat elk onderdeel doet.
- Claude haalt gestructureerde data uit rommelige tekst, e-mails, pdf's en webpagina's, in een JSON- of CSV-schema dat jij bepaalt.
- Claude voert geen code uit en maakt geen verbinding met een live database, dus elk getal dat Claude produceert heeft een controlestap nodig voordat het gebruikt wordt.
- Rapporten die op de analyse van Claude zijn gebaseerd, hebben nog steeds een mens nodig om de onderliggende data te bevestigen en op te merken wanneer een vraag verkeerd is geformuleerd.
Wat Claude direct doet versus wat jij nog moet doen
| Taak | Wat Claude direct doet | Wat nog een menselijke check nodig heeft |
|---|---|---|
| CSV-analyse | Leest geplakte of geüploade data, vindt trends, signaleert afwijkingen en vat samen in gewone taal. | Controleer totalen aan de hand van een draaitabel of een tweede berekening voordat je ze rapporteert. |
| SQL-query's | Schrijft en legt joins, CTE's en window functions uit op basis van een schemabeschrijving. | Voer de query zelf uit en controleer het aantal rijen en edge cases zoals nulls en duplicaten. |
| Gestructureerde extractie | Haalt velden uit rommelige tekst in een JSON- of CSV-schema dat jij bepaalt. | Controleer steekproefsgewijs een aantal records tegen het brondocument, vooral bij ambigue velden. |
| Rapporten opstellen | Zet data en bevindingen om in een verhaal met een duidelijke hoofdbevinding en aanbevelingen. | Controleer dat elk getal in het concept herleidbaar is tot de brondata voordat het wordt verstuurd. |
| Onderzoekssynthese | Leest meerdere bronnen in één gesprek en brengt overeenkomsten, tegenstrijdigheden en hiaten naar boven. | Controleer dat geciteerde claims daadwerkelijk in het bronmateriaal staan, en niet slechts een plausibele samenvatting zijn. |
Kopiëren en plakken
Prompts die je vandaag kunt gebruiken
Trends en afwijkingen in een CSV vinden
Hier is een CSV met maandelijkse verkoopcijfers voor [aantal] producten over [periode]. Bepaal welk product de sterkste groeitrend heeft, welke seizoenspatronen er over het jaar voorkomen, in welke maanden alle producten tegelijk ondermaats presteerden, en de vijf belangrijkste individuele afwijkingen, met voor elk een verklaring van één zin.
Plak de ruwe CSV-tekst, of beschrijf de kolommen en een representatieve steekproef als het bestand te groot is om volledig te plakken.
Een SQL-query genereren op basis van een schema
Mijn schema is: users (id, email, created_at), orders (id, user_id, amount, status, created_at). Schrijf een [Postgres]-query die de maandelijkse omzet per aanmeldcohort over de afgelopen [12] maanden teruggeeft, inclusief de maand-op-maand groei, en leg uit wat elk onderdeel van de query doet.
Vul je eigen tabel- en kolomnamen in, en benoem je database-engine zodat de syntax klopt.
Gestructureerde data uit ongestructureerde tekst halen
Haal de volgende velden uit deze vacature als JSON: role_title, company, location, salary_range (null als niet vermeld), required_years_experience, tech_stack als array, en remote_policy. Als een veld ambigu is, voeg een extraction_notes-veld toe dat de inschatting toelicht. Vacature: [plak tekst]
Definieer het exacte schema dat je terug wilt; Claude past dit consistent toe over een batch documenten.
Een rapport opstellen uit ruwe data
Hier is onze data van [kwartaal] voor [afdeling]. Schrijf een executive summary van één pagina: begin met de allerbelangrijkste bevinding, laat de drie belangrijkste metrics zien met genoeg context om ze te interpreteren, signaleer één risico, en sluit af met twee aanbevolen vervolgstappen. Gewone taal, geen jargon.
Geef Claude de doelgroep en de gewenste lengte; Claude past het register daarop aan.
Rommelige data omzetten in een onderzoeksplan
Ik heb [aantal] maanden aan klantenservice-ticketdata met velden voor ticket_id, created_at, category, resolution_time_hours, CSAT_score, agent_id en product_area. Ik weet nog niet precies waar ik naar moet zoeken. Stel de vijf waardevolste analyses voor die ik op deze dataset zou kunnen uitvoeren, wat elke analyse me zou vertellen, en waarom dat voor het team belangrijk is.
Handig wanneer je wel data hebt maar nog geen hypothese; Claude helpt je eerst de juiste vraag te formuleren.
Claude een query laten uitleggen die je niet zelf hebt geschreven
Leg stap voor stap uit wat deze SQL-query doet, inclusief eventuele joins, subqueries of window functions. Vertel me vervolgens of er een eenvoudigere of snellere manier is om hem te schrijven, en signaleer elk onderdeel dat dubbele of ontbrekende rijen zou kunnen opleveren. Query: [plak SQL]
Handig voor overgenomen queries of bij het reviewen van de pull request van een teamgenoot.
GRATIS LESSEN
Begin met de redeneergewoonten achter goede data-analyse
Een data-analist en iemand die nog nooit een terminal heeft geopend, beginnen op dezelfde plek: leren om Claude context te geven en het werk te controleren.
WORKFLOWS
Zes datataken die Claude goed aanpakt
Dit zijn de taken die het vaakst voorkomen in een gewone analyseweek.
CSV- en spreadsheetanalyse
Plak ruwe CSV-data of beschrijf de kolommen, en vraag om beschrijvende statistieken, trendlijnen, afwijkingsdetectie of een cohortvergelijking in gewone taal.
SQL-query's schrijven
Beschrijf je schema en de vraag die je beantwoord wilt zien; Claude schrijft de query, inclusief joins, aggregaties en window functions, en legt elke stap uit.
Gestructureerde dataextractie
Geef Claude ongestructureerde tekst, zoals e-mails, pdf's, vacatures of artikelen, en definieer het JSON- of CSV-schema dat je terug wilt.
Onderzoekssynthese
Plak meerdere papers of rapporten en vraag Claude om bevindingen te vinden die in meerdere bronnen terugkomen, tegenstrijdigheden te signaleren en de hiaten te benoemen.
Rapporten genereren
Geef Claude ruwe data en een doelgroep; Claude schrijft het verhaal, haalt de belangrijkste metrics eruit en stelt een executive summary op die je kunt bewerken.
Verkennende datagesprekken
Wanneer je een dataset hebt maar nog geen duidelijke vraag, helpt Claude je te bepalen wat de moeite waard is om te analyseren en waarom.
AAN DE SLAG
Kan Claude een CSV-bestand analyseren?
Ja. De meest directe manier om Claude te gebruiken bij data-analyse is een CSV rechtstreeks in het gesprek te plakken, of het bestand te uploaden, en er een specifieke vraag over te stellen. Claude leest het volledige bestand dat je geeft in context, in plaats van een paar rijen te bemonsteren, waardoor het elke maand, elke productlijn of elk klantsegment in één keer kan vergelijken.
Plak bij een groot bestand de headerrij plus een representatieve steekproef, en beschrijf het totale aantal rijen en eventuele bijzonderheden: ontbrekende waarden, inconsistente datumformaten, een kolom die eigenlijk twee samengevoegde velden is. Claude redeneert dan over de volledige dataset op basis van die beschrijving, maar de betrouwbaarheid daarvan is net zo goed als de steekproef en de beschrijving die je geeft: een vertekende steekproef levert een vertekend beeld op.
Claude opent geen live spreadsheet en voert je bestand niet uit; het werkt met wat je plakt of uploadt. Als je een bestand moet verwerken dat groter is dan je kunt plakken, of dezelfde analyse elke week op een nieuw bestand wilt uitvoeren, schrijft Claude daarvoor de Python- of SQL-code, in plaats van te proberen de hele dataset in een chat te houden.
SQL
Kan Claude SQL-query's schrijven?
Ja, en dit is een van de betrouwbaardere toepassingen van Claude bij data-analyse. Beschrijf je schema, inclusief tabelnamen, kolomnamen en de relaties tussen tabellen, en formuleer de zakelijke vraag die je beantwoord wilt zien. Claude schrijft de query en loopt, als je dat vraagt, door wat elke clausule doet en waarom.
Claude gaat prima om met joins, subqueries, common table expressions en window functions zonder dat je er veel voor hoeft te doen, en het optimaliseert of vereenvoudigt ook een query die je ergens anders vandaan plakt. Het schema is belangrijker dan de formulering van je vraag: hoe preciezer je je tabellen beschrijft, hoe minder Claude moet raden naar kolomnamen of datatypes.
Claude maakt geen verbinding met je database en kan niet bevestigen dat de query werkt of de juiste getallen teruggeeft. Voer elke query zelf uit voordat je de uitvoer vertrouwt, en controleer het aantal rijen tegen wat je zou verwachten: een query die nul rijen of twee keer zoveel als verwacht teruggeeft, vertelt je iets.
EXTRACTIE
Kan Claude gestructureerde data uit documenten halen?
Ja. Definieer de exacte velden die je wilt, benoem het type van elk veld, en vertel Claude wat het moet doen als een veld ontbreekt of ambigu is: op null zetten, signaleren, of een beste inschatting maken en dat aangeven. Claude past dat schema consistent toe, of je nu gestructureerde data uit één document of uit vijftig documenten haalt, wat het bruikbaar maakt voor vacatures, facturen, contracten of gescrapete webpagina's.
Let vooral op een veld dat overtuigend ingevuld lijkt, maar in werkelijkheid is afgeleid in plaats van letterlijk in de bron genoemd. Vraag Claude om een notes-veld toe te voegen voor alles wat het heeft moeten afleiden, en controleer steekproefsgewijs een deel van de uitvoer tegen de originele documenten voordat je deze ergens verderop in het proces gebruikt.
NAUWKEURIGHEID
Hoe nauwkeurig is Claude in data-analyse, en hoe controleer je dat?
Claude redeneert goed over statistiek en vangt zelf veel voorkomende fouten op: het signaleert wanneer een trend door één uitschieter wordt gedreven, wanneer een steekproef te klein is om te generaliseren, of wanneer je twee getallen wilt vergelijken die eigenlijk niet vergelijkbaar zijn. Maar het kan ook een verkeerd getal noemen met dezelfde overtuigende toon als een juist getal, vooral wanneer het werkt met een deelsteekproef of een beschrijving van data in plaats van de volledige dataset.
De oplossing is niet om alles wat Claude produceert te wantrouwen, maar om een paar controles in te bouwen in de manier waarop je het gebruikt. Vraag Claude om zijn werk te laten zien, niet alleen de conclusie, zodat je kunt zien waar een getal vandaan komt. Controleer ten minste één berekening handmatig of aan de hand van een bron die je vertrouwt. En wanneer een bevinding opvallend is, vraag Claude om tegen zijn eigen conclusie te argumenteren voordat je die accepteert. Een korte pre-mortem op een getal is vaak genoeg om een verkeerde aanname op te vangen.
Behandel het eerste antwoord van Claude als een sterk concept, niet als een afgeronde analyse. Die gewoonte is het verschil tussen data-analyse met Claude en data-analyse waar Claude toevallig bij betrokken is.
AAN DE START
Moet je Python kennen om data te analyseren met Claude?
Nee. Alles hierboven werkt in een gewoon gesprek: plak data, stel een vraag, krijg een antwoord in natuurlijke taal. Je hoeft geen regel code te schrijven om een trendanalyse, een SQL-query of een gestructureerde extractie uit Claude te krijgen.
Python wordt nuttig zodra je een analyse elke week op een nieuw bestand wilt herhalen, een dataset wilt verwerken die te groot is om te plakken, of een herbruikbaar script aan een teamgenoot wilt overdragen. In dat geval vraag je Claude om de pandas-, SQL- of plotcode voor je te schrijven en uit te leggen wat die doet. Je schrijft de code nog steeds niet zelf, maar je krijgt wel iets dat buiten het chatvenster draait.
CONTEXT
Claude de context geven die analyse nuttig maakt
Prompts voor data-analyse werken beter met meer context, niet minder. Voor CSV's betekent dat kolomdefinities en bekende dataproblemen. Voor SQL-query's betekent het het werkelijke schema, niet een parafrase daarvan. Voor gestructureerde dataextractie betekent het het exacte outputschema en wat te doen met edge cases. Voor rapporten betekent het de doelgroep en welke beslissing het rapport moet ondersteunen.
De les De Iteratielus in Beheers de Basis behandelt dit direct: behandel het eerste antwoord als een concept, corrigeer dan de context en stel de vraag opnieuw, in plaats van opnieuw te beginnen met een langere prompt. Bij datawerk is de correctie meestal een ontbrekend stukje schema of een bijzonderheid in de data die je vergat te vermelden, niet een gebrek in hoe je de vraag formuleerde.
BEPERKINGEN
Is het veilig om zakelijke data naar Claude te uploaden, en wat zijn de beperkingen?
Behandel alle data die je plakt of uploadt zoals je data in een e-mail zou behandelen: neem niets op waarvan je het niet prettig zou vinden dat de systemen van een leverancier het verwerken, en controleer het databeleid van je organisatie voordat je klantgegevens, financiële details of iets met persoonlijke informatie uploadt. Verwijder bij twijfel identificerende kolommen, of werk met een geaggregeerde versie van de dataset.
De grotere beperking is niet privacy, maar verificatie. Claude heeft geen toegang tot je live database, je BI-dashboard of je daadwerkelijke spreadsheetbestand, tenzij je de data direct geeft, dus het kan goed redeneren over wat je hebt laten zien, maar niet zelfstandig bevestigen dat een getal klopt. Elk rapport, elke grafiekbeschrijving of kerncijfer dat uit een gesprek met Claude komt, moet herleidbaar zijn tot een bron voordat het een klant, een student of een collega bereikt.
Dit is net zoveel een kwestie van professionele verantwoordelijkheid als een technische kwestie: degene die het rapport verstuurt, is verantwoordelijk voor de inhoud, niet het hulpmiddel dat heeft helpen opstellen.
WAAR TE BEGINNEN
Een startpad voor datawerk met Claude
Beheers de Basis is de snelste weg hierin. De les De Iteratielus leert de kerngewoonte achter elke workflow hierboven: behandel de eerste poging van Claude als een concept, verbeter die met betere context, en stel de vraag opnieuw in plaats van helemaal opnieuw te beginnen. Documentanalyse behandelt hoe Claude een bestand dat je aanreikt leest en erover redeneert, wat precies gebeurt wanneer je een CSV of een stapel rapporten plakt. Onderzoek en Denken behandelt het samenbrengen van meerdere bronnen tot één duidelijk antwoord, dezelfde vaardigheid die achter onderzoekssynthese en rapportschrijven zit.
Die drie lessen behandelen, in die volgorde, de redeneergewoonten achter elke dataworkflow op deze pagina. Vanaf daar zijn de prompts hierboven sjablonen die je kunt aanpassen aan je eigen schema, je eigen dataset en je eigen rapportformaat.
Ga praktisch aan de slag met data-analyse
Lezen over prompts voor CSV's en SQL is iets anders dan ze daadwerkelijk op je eigen data uitvoeren. Het gratis curriculum van Nightschool AI begint met De Iteratielus, de gewoonte die elke dataprompt op deze pagina de tweede keer beter laat werken.
Veelgestelde vragen
Kan Claude een CSV-bestand analyseren?
Ja. Plak de CSV direct in een gesprek of upload het, en stel een specifieke vraag over trends, afwijkingen of vergelijkingen. Claude leest het volledige bestand dat je geeft in één keer, in plaats van rijen te bemonsteren, waardoor het cijfers over een hele dataset in één keer kan vergelijken. Beschrijf bij bestanden die te groot zijn om te plakken in plaats daarvan de kolommen en een representatieve steekproef.
Kan Claude SQL-query's schrijven?
Ja. Beschrijf je databaseschema, inclusief tabel- en kolomnamen, en formuleer de vraag die je beantwoord wilt zien. Claude schrijft query's die joins, aggregaties, subqueries en window functions afhandelen, en kan elk onderdeel uitleggen of een query die je al hebt optimaliseren. Je moet de query nog wel zelf uitvoeren om te bevestigen dat hij de juiste rijen teruggeeft.
Hoe nauwkeurig is Claude in data-analyse?
Claude redeneert goed over statistiek en herkent vaak zelf problemen zoals kleine steekproefgroottes of een misleidende vergelijking. Maar het kan een onjuist getal noemen met dezelfde overtuigende toon als een juist getal, vooral wanneer het werkt met een deelsteekproef. Behandel het eerste antwoord als een sterk concept en controleer belangrijke getallen voordat je ze gebruikt.
Kan Claude gestructureerde data uit documenten halen?
Ja. Definieer de exacte velden en het formaat dat je wilt, zoals een JSON-schema, en Claude past dit consistent toe op e-mails, pdf's, contracten of webpagina's. Vraag Claude om alles te signaleren wat het heeft moeten afleiden in plaats van letterlijk aangetroffen, en controleer steekproefsgewijs een deel van de uitvoer tegen de brondocumenten.
Hoe controleer ik de analyse van Claude op fouten?
Vraag Claude om het werk te laten zien in plaats van alleen een conclusie, zodat je kunt zien waar elk getal vandaan komt. Controleer ten minste één berekening handmatig of aan de hand van een vertrouwde bron. Vraag bij opvallende bevindingen aan Claude om tegen zijn eigen conclusie te argumenteren voordat je die accepteert. Dat alleen al vangt veel verkeerde aannames op.
Is het veilig om zakelijke data naar Claude te uploaden?
Controleer het databeleid van je organisatie voordat je klantgegevens, financiële details of persoonlijke informatie uploadt, en overweeg om identificerende kolommen te verwijderen of de data eerst te aggregeren. Claude houdt geen zelfstandige toegang tot je systemen buiten wat je in het gesprek deelt, maar de verantwoordelijkheid voor welke data je deelt, is van jou.
Moet ik Python kennen om data te analyseren met Claude?
Nee. Alles van trendanalyse tot het genereren van SQL tot gestructureerde extractie werkt in een gewoon gesprek zonder code te schrijven. Python wordt nuttig als je een analyse automatisch op nieuwe bestanden wilt herhalen of een herbruikbaar script wilt overdragen, en Claude kan die code voor je schrijven wanneer je dat nodig hebt.
Kan Claude grafieken of visualisaties van data maken?
Claude kan de code schrijven om een grafiek te genereren, zoals een plotscript in Python, maar het voert die code niet zelf uit en toont zelf geen grafiek binnen het gesprek. Vraag Claude om de grafiekcode en een beschrijving van wat de grafiek moet laten zien, en voer die vervolgens in je eigen omgeving uit.
Begin waar de gewoonte ontstaat
De prompt wordt beter zodra de gewoonte dat doet.