{"product_id":"clara-data-analyst-ai-skill","title":"Clara — Datenanalystin AI Skill","description":"\u003cdiv style=\"font-family: 'DM Sans', sans-serif; color: #1A1A18; max-width: 680px;\"\u003e\n\n  \u003cp style=\"font-size: 16px; font-weight: 600; color: #1A1A18; line-height: 1.5; margin: 0 0 8px 0;\"\u003e\n    Fügen Sie Clara in Claude ein und erhalten Sie einen Datenanalysten, der Rohdaten in klare, umsetzbare Erkenntnisse verwandelt — definiert die analytische Fragestellung, bewertet die Datenqualität, erstellt explorative Analysen, schreibt Excel- und SQL-Formeln, interpretiert statistische Ergebnisse in verständlichem Deutsch und kommuniziert die Ergebnisse als klare Geschichte mit einem „Was nun?“ und einer empfohlenen Handlung.\n  \u003c\/p\u003e\n\n  \u003cp style=\"font-size: 13px; font-weight: 400; color: #555550; line-height: 1.7; margin: 0 0 28px 0;\"\u003e\n    Clara ist eines der analytisch ehrlichsten AI-Datentools im Claude-Format — entwickelt für Marketingteams, Finanzabteilungen, HR-Analysten, Produktteams und Studierende in allen Branchen, in denen Daten zu Entscheidungen werden müssen. Sie suggeriert niemals Kausalität aus Korrelation, weist stets auf statistische Vorbehalte hin und macht deutlich, welche Schlussfolgerungen kleine Stichproben, fehlende Daten oder Selektionsverzerrungen zulassen. Analyse ohne Datenkontext führt zu falschen Ergebnissen — sie fragt immer, was die Daten enthalten, wie sie erhoben wurden und welche Frage beantwortet werden soll, bevor sie eine einzige Zahl anfasst.  \n  \u003c\/p\u003e\n\n  \u003cdiv style=\"background: #E8F6F9; border-radius: 12px; padding: 24px 28px; margin-bottom: 24px;\"\u003e\n    \u003cp style=\"font-size: 10px; font-weight: 600; color: #1A8FA8; letter-spacing: 0.08em; text-transform: uppercase; margin: 0 0 16px 0;\"\u003eWas Sie erhalten  \u003c\/p\u003e\n    \u003cul style=\"margin: 0; padding: 0; list-style: none;\"\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eDefinition analytischer Fragestellungen und Bewertung der Datenqualität — präzise Formulierung von Fragen aus Geschäfts- oder Forschungsproblemen, Überprüfung der Datenvollständigkeit und -konsistenz, Feststellung dessen, was mit den verfügbaren Daten beantwortet werden kann und was nicht, sowie ehrliche Kennzeichnung von Einschränkungen vor Beginn der Analyse  \u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eExplorative Datenanalyse — Verteilungen, zentrale Tendenzen, Streuung, Erkennung von Ausreißern und Anomalien, Identifikation fehlender Werte, Muster- und Korrelationsanalyse sowie erste Erkenntnisse, die zeigen, was die Daten tatsächlich enthalten, bevor man voreilige Schlüsse zieht  \u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eExcel-, SQL-, Python- und R-Anleitungen — Formelerstellung in Excel und Google Sheets (SVERWEIS, XVERWEIS, SUMMEWENN, Pivot-Tabellen), SQL-Abfragen und Erklärungen zu SELECT, GROUP BY, JOIN und Aggregatfunktionen, Python pandas DataFrame-Operationen und groupby sowie R-Zusammenfassungsstatistiken für Forschungsdaten\u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eStatistische Interpretation in klarem Deutsch — p-Werte, Konfidenzintervalle und Stichprobengröße im Kontext erklärt, Unterscheidung zwischen statistischer und praktischer Signifikanz, Korrelation vs. Kausalität ohne Ausnahme durchgesetzt und A\/B-Test-Ergebnisse korrekt interpretiert, damit Entscheidungen auf echten Belegen basieren\u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eKommunikation von Erkenntnissen — analytische Ergebnisse strukturiert als Erkenntnis → Beleg → Bedeutung → Handlung, Visualisierungsempfehlungen passend zum Datentyp und Publikum sowie Datenkommentare, die auch Nicht-Analysten verstehen, was die Zahlen bedeuten und was als Nächstes zu tun ist\u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eBranchenspezifische Analyse — Umfragedaten (Likert-Skalen, Kreuztabellen, Antwortverzerrung), Finanzdaten (Umsatztrends, Margenanalyse, Abweichungskommentare), Marketing-Analysen (Kampagnenleistung, Trichteranalyse, Attribution), HR-Analysen (Umfrageergebnisse, Mitarbeiterbindung, Personalbestand) und akademische Abschlussarbeit-Daten (beschreibende Statistik, Ergebnisinterpretation)\u003c\/span\u003e\n      \u003c\/li\u003e\n    \u003c\/ul\u003e\n  \u003c\/div\u003e\n\n  \u003cdiv style=\"display: flex; align-items: center; gap: 20px; background: #FFFFFF; border: 1px solid #E8E6E0; border-radius: 8px; padding: 14px 20px; margin-bottom: 24px;\"\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780; font-family: monospace;\"\u003e📄 clara-data-analyst.md\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eInstallation in unter 2 Minuten\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eFunktioniert mit Claude Sonnet 4 \u0026 Claude Cowork\u003c\/span\u003e\n  \u003c\/div\u003e\n\n  \u003cdiv style=\"border-left: 3px solid #1A8FA8; padding-left: 16px;\"\u003e\n    \u003cp style=\"font-size: 10px; font-weight: 600; color: #1A8FA8; letter-spacing: 0.08em; text-transform: uppercase; margin: 0 0 6px 0;\"\u003eSo installieren Sie\u003c\/p\u003e\n    \u003cp style=\"font-size: 12px; color: #555550; line-height: 1.7; margin: 0;\"\u003e\n      Laden Sie die .md-Datei herunter → öffnen Sie Claude → fügen Sie den Dateinhalt in Ihren System-Prompt oder die Projektanweisungen ein → teilen Sie Ihre Daten, beschreiben Sie die Geschäftsfrage und erklären Sie, wie die Daten erhoben wurden → Clara definiert die Frage und liefert sofort strukturierte analytische Ergebnisse.\n    \u003c\/p\u003e\n  \u003c\/div\u003e\n\n\u003c\/div\u003e","brand":"Kissmyskills","offers":[{"title":"Default Title","offer_id":57639969980680,"sku":null,"price":29.0,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1036\/1444\/7880\/files\/02_clara-data-analyst.png?v=1776867672","url":"https:\/\/kissmyskills.com\/de\/products\/clara-data-analyst-ai-skill","provider":"KissMySkills","version":"1.0","type":"link"}