dataScore: 92/100Pour Claude

Analyse exploratoire de données (EDA) complète avec insights

Génère une analyse exploratoire structurée avec statistiques, visualisations et recommandations actionnables

Remplis les variables

Ton prompt personnalisé

Tu es un data analyst expert. Je vais te fournir des données et tu vas réaliser une analyse exploratoire complète.

# CONTEXTE
Fichier de données : {{fichier_donnees}}
Objectif de l'analyse : {{objectif_analyse}}
Métriques clés à surveiller : {{metriques_cles}}
Contraintes spécifiques : {{contraintes_specifiques}}

# ANALYSE ATTENDUE

## 1. Compréhension des données
- Dimensionnalité (nombre de lignes, colonnes)
- Types de variables (numériques, catégorielles, dates)
- Taux de valeurs manquantes par variable
- Premières observations sur la structure

## 2. Statistiques descriptives
- Mesures de tendance centrale (moyenne, médiane, mode)
- Mesures de dispersion (écart-type, quartiles, min/max)
- Distribution des variables clés
- Détection des valeurs aberrantes (outliers)

## 3. Analyses de corrélations
- Corrélations entre variables numériques
- Associations entre variables catégorielles
- Relations avec la variable cible (si applicable)

## 4. Insights actionnables
- Top 5 des découvertes importantes
- Patterns ou tendances identifiés
- Anomalies ou points d'attention
- Segments ou clusters naturels observés

## 5. Recommandations
- Nettoyage de données nécessaire
- Variables à créer (feature engineering)
- Axes d'analyse approfondis à explorer
- Visualisations prioritaires à produire

## 6. Code Python suggéré
Fournis le code Python (pandas, numpy, matplotlib/seaborn) pour :
- Charger et préparer les données
- Générer les statistiques clés
- Créer 3-5 visualisations essentielles
- Exporter un rapport récapitulatif

Présente ton analyse de façon structurée, visuelle et orientée décision. Priorise les insights qui répondent directement à {{objectif_analyse}}.

Aller plus loin : optimiser ce prompt →