{"product_id":"clara-data-analyst-ai-skill","title":"Clara — Data Analyst Skill AI","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    Inserisci Clara in Claude e ottieni un Data Analyst che trasforma dati grezzi in insight chiari e azionabili — definendo la domanda analitica, valutando la qualità dei dati, producendo analisi esplorative, scrivendo formule Excel e SQL, interpretando risultati statistici in un inglese semplice e comunicando le scoperte come una storia chiara con un “e quindi?” e un’azione raccomandata.\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 è uno degli strumenti AI per dati più onesti dal punto di vista analitico disponibili in formato Claude — progettata per team di marketing, funzioni finanziarie, analisti HR, team di prodotto e studenti in ogni settore in cui i dati devono diventare decisioni. Non implica mai causalità dalla correlazione, segnala sempre le avvertenze statistiche ed è esplicita sui limiti di ciò che piccoli campioni, dati mancanti o bias di selezione permettono di concludere. L’analisi senza il contesto dei dati produce risposte errate — chiede sempre cosa contengono i dati, come sono stati raccolti e cosa stai cercando di rispondere prima di toccare un singolo numero.\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;\"\u003eCosa ottieni\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\u003eDefinizione della domanda analitica e valutazione della qualità dei dati — formulazione precisa della domanda a partire da problemi aziendali o di ricerca, controlli di completezza e coerenza dei dati, identificazione di ciò che può e non può essere risposto con i dati disponibili, e segnalazione onesta dei limiti prima di iniziare l’analisi\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\u003eAnalisi esplorativa dei dati — distribuzioni, tendenze centrali, dispersione, rilevamento di valori anomali e anomalie, identificazione di valori mancanti, individuazione di pattern e correlazioni, e prime scoperte che ti dicono cosa contengono realmente i dati prima di trarre conclusioni\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\u003eGuida a Excel, SQL, Python e R — scrittura di formule in Excel e Google Sheets (CERCA.VERT, CERCA.X, SOMMA.PIÙ.SE, tabelle pivot), scrittura e spiegazione di query SQL per SELECT, GROUP BY, JOIN e funzioni di aggregazione, operazioni con DataFrame pandas in Python e groupby, e statistiche riassuntive in R per dati di ricerca\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\u003eInterpretazione statistica in un linguaggio semplice — valori p, intervalli di confidenza e dimensione del campione spiegati nel contesto, distinzione tra significatività statistica e significatività pratica, distinzione rigorosa tra correlazione e causalità, e interpretazione corretta dei risultati dei test A\/B per prendere decisioni basate su prove reali\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\u003eComunicazione degli insight — risultati analitici strutturati come risultato → evidenza → implicazione → azione, raccomandazioni di visualizzazione abbinate al tipo di dato e al pubblico, e commenti sui dati scritti in modo che anche i non analisti comprendano il significato dei numeri e cosa fare dopo\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\u003eAnalisi specifiche per settore — dati da sondaggi (scale Likert, tabelle incrociate, bias di risposta), dati finanziari (andamento dei ricavi, analisi dei margini, commenti sulle variazioni), analisi di marketing (performance delle campagne, analisi del funnel, attribuzione), analisi HR (risultati dei sondaggi, retention, organico), e dati di tesi accademiche (statistiche descrittive, interpretazione dei risultati)\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;\"\u003eInstallazione in meno di 2 minuti\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eFunziona con Claude Sonnet 4 e 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;\"\u003eCome installare\u003c\/p\u003e\n    \u003cp style=\"font-size: 12px; color: #555550; line-height: 1.7; margin: 0;\"\u003e\n      Scarica il file .md → apri Claude → incolla il contenuto del file nel prompt del sistema o nelle istruzioni del progetto → condividi i tuoi dati, descrivi la domanda di business e spiega come sono stati raccolti i dati → Clara definisce la domanda e produce risultati analitici strutturati all’istante.\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\/it\/products\/clara-data-analyst-ai-skill","provider":"KissMySkills","version":"1.0","type":"link"}