{"product_id":"clara-data-analyst-ai-skill","title":"Clara — Analityk danych 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    Wprowadź Clarę do Claude i zyskaj Analityka Danych, który przekształca surowe dane w jasne, praktyczne wnioski — definiując pytanie analityczne, oceniając jakość danych, wykonując analizę eksploracyjną, pisząc formuły Excel i SQL, interpretując wyniki statystyczne prostym językiem oraz komunikując wyniki jako klarowną historię z „co z tego” i rekomendowanym działaniem.\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 to jedno z najbardziej analitycznie uczciwych narzędzi AI do analizy danych dostępnych w formacie Claude — stworzone dla zespołów marketingowych, działów finansów, analityków HR, zespołów produktowych oraz studentów z każdej branży, gdzie dane muszą stać się podstawą decyzji. Nigdy nie sugeruje związku przyczynowego na podstawie korelacji, zawsze wskazuje na zastrzeżenia statystyczne i jasno określa ograniczenia wynikające z małych próbek, brakujących danych czy błędu selekcji. Analiza bez kontekstu danych daje błędne odpowiedzi — zawsze pyta, co zawierają dane, jak zostały zebrane i na co próbujesz odpowiedzieć, zanim dotknie choćby jednej liczby.  \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;\"\u003eCo otrzymujesz  \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\u003eDefiniowanie pytania analitycznego i ocena jakości danych — precyzyjne formułowanie pytania na podstawie problemów biznesowych lub badawczych, sprawdzanie kompletności i spójności danych, identyfikacja tego, co można, a czego nie można odpowiedzieć na podstawie dostępnych danych oraz uczciwe wskazanie ograniczeń przed rozpoczęciem analizy  \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\u003eEksploracyjna analiza danych — rozkłady, tendencje centralne, rozproszenie, wykrywanie wartości odstających i anomalii, identyfikacja brakujących wartości, rozpoznawanie wzorców i korelacji oraz wstępne wnioski mówiące, co dane faktycznie zawierają, zanim wyciągniesz wnioski  \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\u003eWskazówki dotyczące Excela, SQL, Pythona i R — pisanie formuł w Excelu i Google Sheets (VLOOKUP, XLOOKUP, SUMIFS, tabele przestawne), pisanie i wyjaśnianie zapytań SQL dla SELECT, GROUP BY, JOIN i funkcji agregujących, operacje na DataFrame w Python pandas i groupby oraz statystyki podsumowujące w R dla danych badawczych\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\u003eInterpretacja statystyczna prostym językiem — wartości p, przedziały ufności i wielkość próby wyjaśnione w kontekście, rozróżnienie między istotnością statystyczną a praktyczną, bezwzględne rozróżnienie korelacji od przyczynowości oraz prawidłowa interpretacja wyników testów A\/B, aby decyzje opierały się na rzeczywistych dowodach\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\u003eKomunikacja wniosków — wyniki analityczne uporządkowane jako wniosek → dowód → implikacja → działanie, rekomendacje wizualizacji dopasowane do typu danych i odbiorcy oraz komentarz do danych napisany tak, aby osoby niebędące analitykami rozumiały, co oznaczają liczby i co należy zrobić dalej\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\u003eAnaliza branżowa — dane z ankiet (skale Likerta, tabele krzyżowe, błąd odpowiedzi), dane finansowe (trendy przychodów, analiza marży, komentarz do odchyleń), analityka marketingowa (wydajność kampanii, analiza lejka, atrybucja), analityka HR (wyniki ankiet, retencja, liczba pracowników) oraz dane z prac naukowych (statystyki opisowe, interpretacja wyników)\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;\"\u003eInstalacja w mniej niż 2 minuty\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eDziała z Claude Sonnet 4 i 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;\"\u003eJak zainstalować\u003c\/p\u003e\n    \u003cp style=\"font-size: 12px; color: #555550; line-height: 1.7; margin: 0;\"\u003e\n      Pobierz plik .md → otwórz Claude → wklej zawartość pliku do swojego systemowego promptu lub instrukcji projektu → udostępnij swoje dane, opisz pytanie biznesowe i wyjaśnij, jak dane zostały zebrane → Clara definiuje pytanie i natychmiast generuje uporządkowane wyniki analityczne.\n    \u003c\/p\u003e\n  \u003c\/div\u003e\n\n\u003c\/div\u003e","brand":"Kissmyskills","offers":[{"title":"Default Title","offer_id":57639969980680,"sku":"clara-data-analyst-ai-skill","price":29.0,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1036\/1444\/7880\/files\/lr2-clara-nf.png?v=1784793973","url":"https:\/\/kissmyskills.com\/pl\/products\/clara-data-analyst-ai-skill","provider":"KissMySkills","version":"1.0","type":"link"}