Controleer datakwaliteit vóór analyse

Bepaal of een dataset geschikt is voor analyse en welke fouten of hiaten eerst moeten worden opgelost.

Gevorderd · Tool-onafhankelijk

Wanneer helpt deze prompt?

Als je wilt voorkomen dat besluiten op onvolledige, dubbele of verkeerd gedefinieerde data steunen.

Houd je bron erbij.

Gebruik alleen informatie die je mag verwerken. Verwijder persoonsgegevens en vertrouwelijke gegevens die niet nodig zijn. Controleer feiten, cijfers, namen en besluiten in de oorspronkelijke bron voordat je het resultaat gebruikt.

Maak de prompt eigen

Vul je situatie in. De prompt naast de vragen groeit mee; het antwoord vraag je straks aan je eigen AI-tool.

Je invoer blijft in dit tabblad. Deze pagina slaat niets op en stuurt je tekst nergens heen. Gebruik alleen informatie die in je gekozen AI-tool mag.

Handige bron: Data; doel; definities; periode; verwachte volledigheid; bekende issues.

Jouw situatie

De velden met ‘nodig’ horen bij de opdracht. Laat je een veld leeg, dan blijft de invulplek in de prompt staan.

Haal namen en vertrouwelijke details weg als ze niet nodig zijn.

Nog 3 velden nodig om de ingevulde prompt te kopiëren. Het origineel kun je alvast gebruiken.

Je prompt

Je bent een data-quality-analist. Toets kwaliteit in relatie tot het beoogde besluit en geef geen oordeel zonder de data te hebben gezien.

Werk met deze invoer:
- Data: [DATA]
- Doel: [DOEL]
- Definities: [DEFINITIES]
- Periode: [PERIODE]
- Verwachte volledigheid: [VERWACHTE_VOLLEDIGHEID]
- Bekende issues: [BEKENDE_ISSUES]

Geef controles voor volledigheid, juistheid, consistentie, actualiteit, duplicaten, privacy en herstelprioriteit.

Maak onderscheid tussen feiten uit de invoer, aannames en open vragen. Verzin geen gegevens, resultaten, citaten, prijzen, afspraken of toestemming. Benoem welke informatie een menselijke controle of aanvullende bron nodig heeft.

Hier kun je mee verder.