In dit hoofdstuk maak je kennis met het kader voor datagedreven beslissingen. Je leert meer over verschillende typen data-analyse en hun doelen. Aan het einde kun je zien waar elke beslissing in het kader past.

Welkom!

Typen analytische projecten

Verkennend

Verklarend

Voorspellend

Een data-gedreven probleem structureren

Opties

Data

Methode

Resultaten

Een analyse doorgronden

Analyse als een reis

Options

Cost vs benefit

Risk  vs reward

Supply vs demand

Analytische volwassenheid

Veelvoorkomende valkuilen

De methoden en doelstellingen toepassen

Bepaal de methode

Bepaal het doel

Voorspellend: kosten vs. baten

Verklarend: aanbod vs. vraag

Verkennend: risico vs. beloning

De rest van de cursus indelen

Kader voor datagedreven besluitvorming

Laten we de datagedreven beslissing toepassen in een marketingcontext. Je gebruikt data om advertentiebudget te optimaliseren, arbitragemogelijkheden voor websiteverkeer te identificeren en zelfs om nieuwe productlanceringen te forecasten met beperkte maar relevante data.

Marketingvoorbeelden

Het beste model vinden

Focus op groei

Focus op efficiënte acquisitie

Focus op winstgevendheid

Advertentie-arbitrage

Voorbeelden van arbitrage herkennen

Identificeer de arbitragemogelijkheid

Bereken de winst

Data-gedreven productforecasting

Kies de juiste P, Q & M-analogen

Diffusiemodel-dashboard

Data toepassen om marketing te sturen

Leren hoe je data gebruikt om beslissingen in finance te onderbouwen kan zowel bevredigend als winstgevend zijn. In dit hoofdstuk beoordeel je investeringskansen met data in consumentenkrediet, vastgoed en zelfs in een niet-traditionele markt van verzamelobjecten.

Traditioneel beleggen: risico versus rendement

Wat heb je aan de risicovrije rente?

Gebruik een CAPM-achtige grafiek om je investering te kiezen

Andere traditionele beleggingen in activa

Bruto huuropbrengst berekenen

Beoordeel de beste investering op basis van cap rate

Kies de beste investeringskans

Niet-traditioneel beleggen: Magic the Gathering

Een simulatie definiëren

Bepaal de maximale prijs die je wilt betalen

Bereken de verwachte winst

Kansen in finance signaleren met data

In het laatste hoofdstuk pas je data toe om een total addressable market-berekening voor een startup te maken, leer je over vraag- en aanbodelijnen die worden gebruikt voor personeelsplanning, en hoe je klantgestuurde verbeterpunten spot. Dit geeft je praktische ervaring in het herkennen van optimalisatiekansen en het ondersteunen van bestaande bedrijfsprocessen.

Totale adresseerbare markt

TAM: top-down marktomvang

TAM: bottom-up marktomvang

Vraagcurve: maaltijden en drankjes

Fast (& furious) food-vraag

Een voorspelling kritisch bekijken

Aanbodcurve: bedienend personeel voor je restaurant

De Erlang-C onder de loep

Neem een datagedreven roosterbeslissing!

Input van klanten om je operatie te verbeteren

Data om inspanning en training te richten (1)

Data om inzet en training te focussen (2)

Afronding

Datagedreven bedrijfsvoering

Datavaardigheid is een essentiële skill voor elke rol binnen een organisatie—niet alleen voor data scientists en analisten. Nu bedrijven meer data dan ooit verzamelen, is het cruciaal dat iedereen die data efficiënt kan lezen en analyseren. In deze cursus leer je de basis van datagedreven besluitvorming en pas je deze skills toe op drie realistische voorbeelden uit finance, marketing en operations. Je ontdekt ook hoe je nieuwe inzichten en kansen blootlegt met behulp van kaders voor vraag en aanbod, kosten en baten, en risico en beloning—en zo praktische skills opdoet om te floreren in de nieuwe datagedreven wereld.

<h2>Ontdek de basis van datageletterdheid</h2>
Datageletterdheid is een essentiële vaardigheid voor elke functie binnen een organisatie—niet alleen voor datawetenschappers en analisten. Nu bedrijven meer data verzamelen dan ooit, is het cruciaal dat iedereen die data efficiënt kan lezen en analyseren. 
<br><br>
<h2>Pas datagedreven besluitvorming toe</h2>
In deze cursus leer je de basis van datagedreven besluitvorming en pas je deze vaardigheden toe aan de hand van drie praktijkvoorbeelden uit de wereld van financiën, marketing en bedrijfsvoering. Je ontdekt ook hoe je nieuwe inzichten en kansen kunt ontdekken door modellen voor vraag en aanbod, kosten en baten, en risico en rendement toe te passen. Zo ontwikkel je praktische vaardigheden waarmee je succesvol kunt zijn in de nieuwe datagedreven wereld.

Machine Learning for Business

Ontdek hoe je betere zakelijke beslissingen neemt met praktische data frameworks, zonder coderen.

Datagedreven beslissingen nemen voor bedrijven

Ontdek hoe je betere zakelijke beslissingen neemt met praktische dataframeworks—zonder te programmeren.

Veelvoorkomende valkuilen

Datagedreven beslissingen nemen voor bedrijven

Interactieve oefening met praktijkervaring