nov 20
Stel je voor: je krijgt de kans om een van de meest beroemde rampen uit de geschiedenis te analyseren. Wat als we met moderne technologie de overlevingskansen van de Titanic-passagiers kunnen doorgronden? Welke patronen zouden we ontdekken? Wie waren de passagiers, en hoe beïnvloedden hun klasse, leeftijd of familiebanden hun lot?
Gelukkig hebben we geen onderzoeksinstituut nodig – alleen de Titanic-dataset – https://hbiostat.org/data/repo/titanic3.xls , wat nieuwsgierigheid, en Microsoft Copilot in Excel, PowerPoint en Chat. Klaar om op dit data-avontuur te gaan? Laten we duiken in de wereld van analyse en AI.
Stap 1: De Titanic-dataset ontrafelen met Copilot in Excel
In de Titanic dataset staat onder andere data over of de passagier de ramp heeft overleefd. Ook is er de passagiersklasse (1 = 1e, 2 = 2e, 3 = 3e), de volledige naam van de passagier. Het geslacht van de passagier wordt aangeduid, en hun leeftijd. Verder is er data over het aantal broers en zussen/echtgenoten en ouders/kinderen aan boord aangeven, het ticketinformatie en in welke haven de passagier is opgestapt.
Wanneer je Excel opent, vind je Copilot in de rechter bovenhoek. Als je erop klikt, opent zich een zijpaneel. Daarin staan gelijk een aantal verzoeken, zogeheten ‘prompts’, die je kunt doen aan de Excel-Copilot.
In dit chatvenster kun je bijvoorbeeld vragen: ‘Average age per sex for each Pclass as a chart’. Als je daaraan toevoegt: ‘add to a new sheet’, dan zie je onderstaande staafdiagram verschijnen in een nieuw tabblad. Zo kan je heel makkelijk de analyses uitvoeren die je wil.
n dit chatvenster kun je bijvoorbeeld vragen: ‘Average age per sex for each Pclass as a chart’. Als je daaraan toevoegt: ‘add to a new sheet’, dan zie je onderstaande staafdiagram verschijnen in een nieuw tabblad. Zo kan je heel makkelijk de analyses uitvoeren die je wil.
Hypothese 1: Passagiers uit de eerste klasse hadden een hogere overlevingskans.
Hypothese 2: Vrouwen overleefden vaker dan mannen. .
Hypothese 3: Leeftijd speelde een rol in de overlevingskansen.
Hypothese 4: De instaphaven beïnvloedde de overlevingskansen.
Stap 2: Diepere analyses met Microsoft Copilot Chat
De Microsoft Copilot Chat kent al jouw werk. Het heeft toegang tot je OneDrive, je Outlook, Teams en met jou gedeelde SharePoint folders. Handig hiervan is dat je vragen kunt stellen over een aankomende meeting. Deze Copilot kan dan voor jou de bijhorende documenten kan opzoeken zodat je je kunt voorbereiden.
Wat ook kan, is vragen stellen over documenten. Voor de presentatie die je maakt, wil je bijvoorbeeld weten: wat is eigenlijk het verhaal achter dit bestand?
Stap 3: Inzichten presenteren met Copilot in PowerPoint
Nu we zoveel spannende inzichten hebben verzameld, is het tijd om ze te delen. Met Copilot in PowerPoint wordt dit een fluitje van een cent.
Het antwoord gebruiken we om slides te genereren. Op het Copilot icoontje in PowerPoint naast de slide kiezen we ‘Replace with presentation about…’
Hier plakken we de tekst die we over onze file. Op basis hiervan genereert de PowerPoint-Copilot een presentatie outline. Deze kun je eventueel aanpassen. Als je tevreden bent, kies dan voor ‘Generate slides’. Dat genereert slides in jouw huidig gekozen pptx-thema – in ons geval de Dynamic People huisstijl.
De grafieken die je hebt gemaakt in de Excel moet je nog wel handmatig toevoegen. En… check ALTIJD zelf de door AI gegenereerde content! Er kunnen fouten in zitten.
Conclusie: Wat we kunnen leren van de Titanic
Door hypotheses op te stellen en Copilot te gebruiken om deze te testen, zien we hoe data niet alleen getallen zijn, maar verhalen vertellen. Het lot van de Titanic-passagiers werd beïnvloed door factoren zoals klasse, leeftijd, geslacht, en zelfs de haven van vertrek.
Wat zouden jouw volgende vragen zijn? Welke mysteries kun je met Copilot ontrafelen? Misschien is de Titanic slechts het begin van een eindeloze reis door data-analyse.
Meer weten hoe je Copilot kan toepassen in je organisatie? Neem contact met ons op!