Claude IA pour analyser des données et générer des synthèses

Ce que vous saurez faire à la fin

1. Importer un fichier Excel ou CSV dans Claude pour analyse.
2. Demander des analyses statistiques pertinentes (moyennes, distributions, corrélations).
3. Générer des synthèses exécutives en 1 page à partir de données brutes.
4. Préparer des dataviz textuelles ou des spécifications de graphiques.
5. Intégrer Claude dans un workflow data-to-report mensuel.

Durée : 3h pour devenir efficace. Pré-requis : Claude Pro (avec uploads de fichiers, 20 USD/mois), fichiers de données Excel ou CSV propres, Excel ou Sheets pour vérifier les calculs, capacité à formuler des questions claires.

Étape 1 — Préparer le fichier de données

Avant d’importer dans Claude, nettoyez :

• 1 ligne d’en-tête seulement (pas de cellules fusionnées)
• 1 valeur par cellule (pas de « 12 (validé) » mais 2 colonnes)
• Format date uniforme (AAAA-MM-JJ recommandé)
• Pas de cellules vides en milieu de tableau (mettez « N/A » ou « 0 »)
• Encodage UTF-8 si CSV
• Supprimez les données ultra-confidentielles (anonymisez)

Étape 2 — Choisir entre upload Excel/CSV ou copier-coller

Sur Claude.ai :

• Upload (préférable) : bouton trombone, choisissez fichier Excel ou CSV. Claude lit la structure et les données complètes (jusqu’à plusieurs Mo).
• Copier-coller : bon pour < 100 lignes. Format markdown table préservé.
• Capture d’écran : Claude OCR la table, mais erreurs possibles sur les chiffres. À éviter pour analyses précises.

Étape 3 — Premier prompt : décrire et explorer

[Upload de ventes_2025.xlsx]

Examine ce fichier de ventes 2025. Réponds-moi :
1. Combien de lignes et de colonnes ?
2. Quelles sont les colonnes et leurs types (texte, nombre, date) ?
3. Y a-t-il des valeurs manquantes ? Combien et où ?
4. Y a-t-il des doublons évidents ?
5. Quelle est la période couverte (1ère et dernière date) ?
6. Trois premières et trois dernières lignes pour exemple.
N'invente rien : si tu n'es pas sûr, dis-le.

Étape 4 — Analyses statistiques de base

À partir du fichier importé, calcule et présente sous forme de tableau :
1. Statistiques descriptives par colonne numérique :
   - moyenne, médiane, écart-type, min, max, Q1, Q3
2. Distribution par catégorie (top 10) pour chaque colonne texte
3. Top 10 et bottom 10 par chiffre d'affaires
4. Évolution mensuelle (tableau Mois / Total)
5. Saisonnalité : mois le plus fort et le plus faible
Vérifie tes calculs en explicitant les formules utilisées.

Étape 5 — Détecter les anomalies (outliers)

Identifie dans le fichier les anomalies potentielles :
1. Valeurs aberrantes : > 3 écarts-types de la moyenne
2. Doublons partiels (mêmes client + date + montant)
3. Dates incohérentes (futur, antérieures à 2020)
4. Montants négatifs s'ils ne devraient pas l'être
5. Catégories rares (apparaissant moins de 3 fois)

Pour chaque anomalie, explique pourquoi tu l'as identifiée et propose
une action : corriger, vérifier en source, ignorer.

Étape 6 — Calculer des corrélations

Analyse les corrélations entre :
- Volume de commandes et chiffre d'affaires (attendu : forte)
- Région et panier moyen (différence significative ?)
- Source d'acquisition (Organic / Ads / Social) et taux de conversion
- Jour de la semaine et performance

Pour chaque paire, indique :
- Corrélation forte (> 0,7) / moyenne (0,3-0,7) / faible (< 0,3)
- Direction (positive / négative)
- Insight actionnable

Étape 7 — Générer une synthèse exécutive

À partir de toutes les analyses précédentes, rédige une synthèse exécutive
de 1 page maximum, à destination du CEO :

1. SYNTHÈSE EN 3 PHRASES
2. 3 CHIFFRES CLÉS (avec variation YoY si possible)
3. 5 INSIGHTS MAJEURS (1 phrase chacun, hiérarchisés par impact)
4. 3 RECOMMANDATIONS D'ACTION (chacune chiffrée et avec ROI estimé)
5. 2 RISQUES IDENTIFIÉS À SURVEILLER

Ton : factuel, sans superlatif, sans jargon technique inutile.
Format : markdown, 400 mots max.

Étape 8 — Préparer les spécifications de graphiques

Propose 5 graphiques à construire pour un dashboard exécutif sur ces données.
Pour chaque graphique :
- Type recommandé (ligne / barres / heatmap / nuage / donut)
- Axes X et Y avec colonnes source
- Filtres conseillés
- Insight que le graphique doit révéler en 5 secondes
- Pièges à éviter (mauvaise échelle, biais visuel)

Format markdown table.

Vous pouvez ensuite construire ces graphiques dans Excel, Power BI ou Looker Studio.

Étape 9 — Comparer 2 datasets (avant / après)

[Upload ventes_2024.xlsx + ventes_2025.xlsx]

Compare ces 2 années en répondant à :
1. Évolution du CA total et par catégorie
2. Croissance des nouveaux clients vs récurrents
3. Changement du panier moyen
4. Nouvelles régions actives en 2025
5. Catégories qui s'effondrent
6. Conclusions : ce qui marche, ce qui casse

Présente sous forme de tableau de bord textuel.

Étape 10 — Construire des cohortes

À partir des données clients (tables clients + commandes), construis une
analyse de cohortes :
- Cohorte = mois de première commande
- Pour chaque cohorte, taux de réachat à M+1, M+3, M+6, M+12
- Identifie la meilleure et la pire cohorte
- Hypothèse : qu'est-ce qui explique l'écart ?

Présente sous forme de tableau triangulaire (cohortes en lignes, mois en colonnes).

Étape 11 — Demander un script Python pour répliquer l’analyse

Génère un script Python (pandas + matplotlib) qui reproduit toutes les analyses
ci-dessus à partir d'un fichier ventes_2025.xlsx.

Spécifications :
- Code commenté et lisible
- Utilise pandas pour les manipulations
- matplotlib ou seaborn pour les graphiques
- Sauvegarde des graphiques en PNG dans /output
- Génère un rapport HTML final
- Code testé en local possible (sans dépendance ésotérique)

Vous pouvez ensuite l’exécuter en local avec Anaconda ou Google Colab pour répéter chaque mois.

Étape 12 — Intégrer Claude dans un workflow mensuel

Workflow type pour un reporting mensuel :

1. Export depuis CRM ou ERP en Excel le 1er du mois
2. Nettoyage rapide (5 min)
3. Upload dans Claude avec prompt template enregistré
4. Génération synthèse + spécifications graphiques (10 min)
5. Construction graphiques dans Looker Studio ou PowerPoint (30 min)
6. Validation par DAF (10 min)
7. Présentation au comité de direction le 7 du mois

Temps total : 1h vs 1 journée auparavant.

Étape 13 — Vérifier les chiffres de Claude

Claude peut se tromper sur des calculs. Vérifications systématiques :

• Recalculer manuellement 2-3 chiffres clés (somme, moyenne) dans Excel
• Comparer un total avec une source officielle (CRM, ERP)
• Demander à Claude d’expliciter sa formule pour chaque calcul
• Faire un sanity check (les % somment à 100, les totaux concordent)
• Sur les anomalies détectées, vérifier 2 ou 3 lignes à la main

Étape 14 — Sécuriser et conformer l’usage

Règles RGPD-équivalent :

• Ne jamais uploader des données nominatives non anonymisées
• Pseudonymiser : remplacez « Awa Diop » par « Client_001 »
• Supprimer numéros de téléphone, emails, RIB
• Pour les données financières : tronquez les chiffres très détaillés
• Vérifiez les CGU Anthropic : pas de retraining sur vos données pour Claude (Pro / Team / Enterprise)
• Supprimez la conversation après usage si données sensibles

Erreurs courantes en analyse de données avec Claude

• Demander tout en 1 prompt : dispersé, peu fiable. Décomposez.
• Ne pas vérifier les chiffres : 1 erreur sur 50 calculs = crédibilité détruite.
• Données nominatives : risque conformité majeur.
• Pas de versionning des prompts : impossible de répliquer le rapport mois suivant.
• Dépendance complète à Claude : sans script Python répliquant, vous êtes prisonnier de l’IA.

Checklist analyse de données avec Claude

✓ Fichier de données nettoyé et anonymisé
✓ Format Excel ou CSV correctement structuré
✓ Premier prompt d'exploration testé
✓ Statistiques descriptives validées
✓ Anomalies détectées et traitées
✓ Corrélations calculées et interprétées
✓ Synthèse exécutive 1 page rédigée
✓ Spécifications de 5 graphiques formalisées
✓ Comparaison année N-1 réalisée
✓ Cohortes construites
✓ Script Python répliquant disponible
✓ Workflow mensuel documenté
✓ Vérification croisée des chiffres clés
✓ Conformité RGPD-équivalent respectée