Session 7 – KI für Datenanalyse

Auswählen und Vorbereiten deines KI-Tools

Für diese Sitzung verwenden wir Perplexity KI – eine leistungsstarke konversationelle KI mit Datei-Lesefunktion. Aber das Tool, das du verwendest, ist weniger wichtig als die Art und Weise, wie du es verwendest. Die meisten generativen KI-Tools folgen einer ähnlichen Logik.

Bewährte Vorgehensweise: Verwende zwei KI-Tools parallel. Wenn eines eine schwache oder eingeschränkte Antwort liefert, gleiche es mit einem anderen ab. Viele professionelle Analysten wechseln je nach Rate Limits und Kontext zwischen Tools.

Vor dem Start:

• Lade das Amazon-Datenset hoch
• Überprüfe, ob die KI die Datei korrekt gelesen hat. Du kannst die KI so auffordern:

  „Lies diese CSV-Datei und sag mir die Anzahl der Zeilen und Spalten. Liste außerdem die Spaltennamen auf.“

Perplexity kann die Datei zunächst falsch interpretieren – und nur wenige Zeilen anzeigen. Das passiert häufiger, als man denkt.

Bewährte Vorgehensweise: Gehe niemals davon aus, dass die KI deine Daten korrekt gelesen hat. Bitte sie immer, die Struktur zusammenzufassen, und überprüfe sie manuell mit deinem Original-Datensatz.

Sobald du bestätigt hast, dass alle 1.465 Zeilen und 16 Spalten korrekt gelesen werden, bist du bereit.

 

Erkundung der Kundenzufriedenheit

Beginne mit einer breiten, aber gezielten Frage:

„Was kannst du mir über die Kundenzufriedenheit anhand des vollständigen Datensatzes sagen?“

Die KI identifiziert die relevanten Variablen — rating, review_title, review_text, rating_count — und skizziert Schritte für die Analyse:

• Durchschnittliche Bewertungen berechnen

• Top- und schlecht bewertete Produkte identifizieren

• Verteilung untersuchen (z. B. mit Histogrammen)

• Textanalyse von Rezensionen durchführen

Dies ist ein professioneller Ausgangspunkt. Selbst ohne Erfahrung in diesem Bereich kannst du dich mit diesem KI-gestützten Rahmen schnell orientieren.

Bewährte Vorgehensweise: Nutze KI, um eine analytische Strategie vorzuschlagen, aber überprüfe und passe diese Strategie an geschäftliche Anforderungen und dein eigenes fachliches Urteilsvermögen an.

 

Konkrete Fragen = umsetzbare Erkenntnisse

Wechsel von der Theorie zur Praxis. Frage:

„Was sind die am besten und am schlechtesten bewerteten Produktkategorien? Verwende den vollständigen Datensatz.“

Perplexity gibt die durchschnittlichen Bewertungen pro Kategorie zurück, bestätigt deine vorherige manuelle Analyse und hebt hervor, welche Kategorien durchgehend gut oder schlecht abschneiden.

Außerdem weist die KI auf eine wichtige Nuance hin: Eine geringe Anzahl an Bewertungen kann Durchschnittswerte verzerren. Eine einzelne schlechte Bewertung sollte nicht eine gesamte Produktlinie definieren.

Bewährte Vorgehensweise: Lege Mindestschwellen für Bewertungen fest, bevor du Erkenntnisse ableitest. Zum Beispiel: „Nur Produkte mit >10 Bewertungen berücksichtigen“

 

Korrelationsanalyse – die quantitative Stärke der KI

Kann KI einen Zusammenhang zwischen Preis und Bewertungen erkennen?

Wie du im Video-Tutorial sehen kannst, hat das KI-Tool zunächst einen Fehler gemacht – es hat nur die ersten 5 Zeilen analysiert. Du korrigierst das und stellst die Anfrage erneut:

„Analysiere den vollständigen Datensatz. Gibt es eine Korrelation zwischen dem tatsächlichen Preis und der Kundenbewertung?“

Perplexity:

• bereinigt und verarbeitet numerische Daten
• führt eine Korrelationsanalyse durch
• kommt zu dem Schluss, dass kein signifikanter linearer Zusammenhang besteht

Dies stimmt mit deiner vorherigen manuellen Arbeit überein und bestätigt:

• Kundenzufriedenheit korreliert nicht immer mit dem Preis
• Andere Faktoren (z. B. Qualität, Haltbarkeit, Erwartungen) sind wichtiger

Bewährte Vorgehensweise: Bitte die KI immer, ihre Vorangehensweise zu erklären. Wenn sie nicht erwähnt, dass fehlende Werte behandelt oder die Daten bereinigt wurden, überspringt sie Schritte.

 

Ursachenanalyse schlechter Bewertungen

Jetzt gehst du tiefer:

„Welche Produkte im vollständigen Datensatz haben Bewertungen unter 3, und was sind die Gründe dafür?“

Perplexity identifiziert 5 solcher Produkte und – hier zeigt sich die Stärke der KI – sie liest und fasst Rezensionstexte zusammen:

• funktionale Probleme (z. B. „nach einer Woche nicht mehr funktioniert“)

• schlechte Verarbeitungsqualität („zerbrechlich“, „Material von geringer Qualität“)

• irreführende Erwartungen („nicht wie beschrieben“)

Diese Art der automatisierten thematischen Analyse würde einen Menschen Stunden kosten – und ist extrem wertvoll für Produktteams, Marketing oder Kundenservice.

Anwendungsfall: Analysten für soziale Medien und E-Commerce-Teams können ähnliche Erkenntnisse aus Amazon-Bewertungen, Reddit-Threads oder App-Store-Feedback gewinnen.

 

Automatisch einen Stakeholder-Bericht erstellen

Du kannst nun fragen:

„Erstelle eine Präsentationsfolien-Zusammenfassung dieser Analyse zur Kundenzufriedenheit.“

Perplexity erstellt:

• eine Zusammenfassung für das Management

• Wichtige Erkenntnisse

• eine Visuelle Struktur für Top- und Flop-Produkte

• Strategische Empfehlungen (z. B. „niedrig bewertete Kategorien untersuchen“, „Produktbeschreibungen verbessern“)

Falls Platzhalter verwendet werden, kannst du erneut anfragen:

„Fülle die Platzhalter mit konkreten Daten aus der Datei.“

Die endgültige Präsentation entspricht dem, was du manuell erstellen würdest – jedoch in einem Bruchteil der Zeit.

Bewährte Vorgehensweise: Überprüfe und passe KI-generierte Präsentationen immer an. Füge bei Bedarf Diagramme hinzu. Entferne schwache oder zu allgemeine Empfehlungen.

 

Zusammenfassung: Was ist gerade passiert?

In dieser einzelnen Sitzung hast du deine gesamte Analyse der Kundenzufriedenheit mithilfe von KI nachgebildet – von:

• Datenimport und Validierung
• explorativer und statistischer Analyse
• Sentiment-Auswertung
• Berichtserstellung

Du hast all das in Minuten statt Stunden erledigt.

 

Ethik und strategische Leitplanken

KI ist schnell – aber nicht fehlerfrei.

Du bist weiterhin verantwortlich für die Genauigkeit und Vertrauenswürdigkeit dessen, was du weitergibst.

Immer beachten:

• Keine vertraulichen oder personenbezogenen Daten in Drittanbieter-Tools hochladen
• Alle von der KI gelieferten Zahlen überprüfen – insbesondere Aggregationen oder Korrelationen
• Bessere Fragen stellen: Die Qualität der KI-Ausgabe hängt von der Qualität deiner Prompts ab

 

Reflection: What AI Can—and Can’t—Do

KI ist ein Multiplikator deiner Fähigkeiten, kein Ersatz. Sie ist nur dann leistungsfähig, wenn sie mit deinem Geschäftsverständnis, deinem kritischen Denken und deinem ethischen Blickwinkel kombiniert wird.

 

Finale Botschaft

„KI ist der Beschleuniger, der Stunden an Arbeit in Minuten verwandelt.
Aber du – dein Urteilsvermögen, deine Fragen, deine Ethik –
sind der Grund, warum diese Minuten Bedeutung haben.“

 

Blick nach vorne

Effektive Datenanalyse ist eine Fähigkeit, die sich über Zeit entwickelt. Jeder Datensatz, jede Interaktion mit Stakeholdern, jeder Bericht, den du erstellst, ist eine Gelegenheit, deinen Ansatz zu verfeinern und Glaubwürdigkeit bei Stakeholdern aufzubauen. Während du dich in deiner Karriere im Bereich Datenanalyse weiterentwickelst, wird deine Fähigkeit, Erkenntnisse klar und überzeugend zu kommunizieren, zu einem deiner wertvollsten beruflichen Vermögenswerte.

Die Techniken, die du in diesem Tutorial gelernt hast, werden dir branchen- und rollenübergreifend nutzen. Ob du Führungskräften präsentierst, mit Produktteams zusammenarbeitest oder Erkenntnisse mit Kunden teilst – die Prinzipien bleiben konstant: Verstehe dein Publikum, strukturiere deine Geschichte klar und verbinde Daten immer mit umsetzbaren Geschäftsergebnissen.

 

Aber hier ist die Frage:

Bist du bereit, all das in deine nächste Gelegenheit zu übertragen?

Wenn du es ernst meinst mit deiner nächsten Rolle – oder deine Positionierung im Markt schärfen willst – können wir dir helfen, es besser und schneller zu machen.

 

Dem Lumen Job Search Accelerator beitreten

Hier trifft deine technische Fähigkeit auf strategische Sichtbarkeit.

Das geht nicht nur über Lebensläufe. Es geht darum, dich als den Analysten zu positionieren, den Unternehmen bereits suchen.

 

Du erhältst:

• Ein einfaches, aber wirkungsvolles Portfolio oder einen Nachweis deiner Arbeit
• Einen personalisierten, KI-optimierten Lebenslauf und ein Anschreiben, abgestimmt auf deine Ziele und Zielunternehmen
• Ein verbessertes LinkedIn-Profil und einen intelligenten Networking-Tracker
• Eine kuratierte Liste echter Personen, mit denen du dich vernetzen kannst
• Ein fokussiertes, wiederholbares Bewerbungs-System
• Vier Live-Coaching-Sitzungen für direktes Feedback und Review
• War Room – eine Live, praxisnahe Sitzung, um das zu bearbeiten, was für dich am wichtigsten ist: Bewerbungen auf Rollen, das Feilen an deinem Portfolio oder deinen nächsten LinkedIn-Post. Du gehst mit Momentum hinaus – nicht mit weiteren To-do-Listen.

 

Programm zur Jobsuche erkunden →

Du hast die tiefe Arbeit geleistet. Jetzt lass uns sicherstellen, dass die Welt sie sieht.

 

Möchtest du noch tiefer gehen, bevor du startest?

Wenn du erst noch mehr Sicherheit und Grundlagen aufbauen möchtest, bevor du in den Arbeitsmarkt einsteigst, gibt dir unser Datenanalyse Programm 6–12 Monate Elite-Training und Mentoring – von Excel über SQL und Tableau bis Python, von Dashboards bis Storytelling. Du baust deine Marke auf, entwickelst Business-Verständnis und erhältst gleichzeitig KI-Kompetenz.

 

Vollständiges Datenanalyse Programm erkunden →