MHBO Praktijkcursus – Data-analyse

Je verzamelt, analyseert en visualiseert data en past statistische methoden toe op praktijkgerichte vraagstukken.

1. 1 Introductie data-analyse Je verkent verschillende soorten data, hun waarde en hoe data-analyseprocessen in organisaties verlopen.
   5 lessen

   1. Begrip van data en informatiewaardeJe onderzoekt wat data zijn en hoe je de informatiewaarde van data bepaalt.
   2. Verschil tussen gestructureerde en ongestructureerde dataJe onderscheidt gestructureerde en ongestructureerde data aan de hand van voorbeelden.
   3. Toepassingen van data-analyse in organisatiesJe bekijkt hoe organisaties data-analyse inzetten voor verschillende bedrijfsdoelen.
   4. Data-analyseprocessen en workflowsJe doorloopt de stappen van een data-analyseproces en leert workflows herkennen.
   5. Basisbegrippen: datasets, variabelen, statistiekenJe maakt kennis met datasets, variabelen en basisstatistieken.
2. 2 Dataverzameling en bronnen Je leert waar je data kunt vinden, hoe je data verzamelt en beoordeelt op kwaliteit en ethiek.
   5 lessen

   1. Interne en externe databronnen identificerenJe identificeert interne en externe bronnen voor het verzamelen van relevante data.
   2. Methoden van dataverzamelingJe past verschillende methoden toe om data te verzamelen voor analyse.
   3. Data-import en opslagformaten (CSV, Excel, databases)Je importeert data en kiest het juiste opslagformaat, zoals CSV, Excel of een database.
   4. Kwaliteitscontrole van verzamelde dataJe controleert de kwaliteit van verzamelde data en signaleert mogelijke fouten.
   5. Ethische aspecten bij dataverzamelingJe beoordeelt ethische aspecten bij het verzamelen en gebruiken van data.
3. 3 Data opschonen en voorbereiden Je maakt data geschikt voor analyse door fouten te corrigeren, te standaardiseren en te documenteren.
   5 lessen

   1. Detecteren van ontbrekende of onjuiste gegevensJe spoort ontbrekende of foutieve gegevens op in een dataset.
   2. Normalisatie en standaardisatie van dataJe past normalisatie en standaardisatie toe om data vergelijkbaar te maken.
   3. Verwijderen van duplicaten en inconsistentiesJe verwijdert dubbele of inconsistente gegevens uit de dataset.
   4. Omzetten van data naar bruikbare formatenJe zet data om naar formaten die geschikt zijn voor analyse.
   5. Documenteren van opschoningsprocesJe documenteert de stappen die je neemt tijdens het opschonen van data.
4. 4 Exploratieve data-analyse Je voert verkennende analyses uit, berekent statistieken en herkent patronen in data.
   5 lessen

   1. Basisstatistieken berekenen (gemiddelde, mediaan, modus)Je berekent gemiddelde, mediaan en modus in een dataset.
   2. Visualisatie van data met grafieken en tabellenJe visualiseert data met grafieken en tabellen voor meer inzicht.
   3. Patronen en trends herkennenJe signaleert patronen en trends in de beschikbare data.
   4. Detecteren van afwijkingen en outliersJe ontdekt afwijkingen en outliers in datasets.
   5. Interpretatie van bevindingenJe interpreteert de resultaten van je verkennende analyse.
5. 5 Gebruik van analysetools Je werkt met verschillende analysetools en kiest de juiste toepassing voor jouw analysevraag.
   5 lessen

   1. Werken met Excel voor data-analyseJe voert data-analyses uit met Excel en gebruikt functies voor verwerking.
   2. Introductie tot databasemanagementsystemenJe maakt kennis met databasemanagementsystemen voor het beheren van data.
   3. Basis van Python of R voor data-analyseJe gebruikt basisfuncties van Python of R voor eenvoudige data-analyses.
   4. Gebruik van BI-tools (bijv. Power BI, Tableau)Je past BI-tools toe om data te visualiseren en te analyseren.
   5. Selectie van de juiste tool per analysebehoefteJe selecteert de meest geschikte tool op basis van de analysebehoefte.
6. 6 Statistische basisprincipes Je past statistische basisprincipes toe, zoals kansrekening, correlatie en hypothesetesten.
   5 lessen

   1. Kans en statistische verdelingenJe berekent kansen en herkent verschillende statistische verdelingen.
   2. Correlatie en regressieJe voert correlatie- en regressieanalyses uit op datasets.
   3. Hypothesetesten en betrouwbaarheidsintervallenJe past hypothesetesten toe en werkt met betrouwbaarheidsintervallen.
   4. Data-sampling en representativiteitJe beoordeelt de representativiteit van data met samplingtechnieken.
   5. Interpretatie van statistische resultatenJe interpreteert de uitkomsten van statistische analyses.
7. 7 Data visualisatie en rapportage Je presenteert data op een duidelijke manier en leert resultaten te communiceren aan betrokkenen.
   5 lessen

   1. Keuze van grafiektype passend bij de dataJe kiest passende grafiektypen voor verschillende soorten data.
   2. Dashboards ontwerpen voor inzichtelijke presentatieJe ontwerpt dashboards die inzicht geven in de belangrijkste resultaten.
   3. Gebruik van kleuren en labels voor duidelijkheidJe gebruikt kleuren en labels om grafieken overzichtelijk te maken.
   4. Vertalen van data naar begrijpelijke conclusiesJe vertaalt analyse-uitkomsten naar begrijpelijke conclusies.
   5. Communicatie van resultaten aan stakeholdersJe communiceert resultaten effectief naar collega’s en stakeholders.
8. 8 Trend- en voorspellende analyse Je onderzoekt trends in data en voert eenvoudige voorspellende analyses uit.
   5 lessen

   1. Herkennen van seizoensgebonden patronenJe herkent seizoenspatronen in datasets en benoemt deze.
   2. Introductie tot voorspellende modellenJe maakt kennis met de basis van voorspellende modellen.
   3. Scenarioanalyse en simulaties uitvoerenJe voert scenarioanalyses en simulaties uit met beschikbare data.
   4. Risicoanalyse op basis van dataJe voert risicoanalyses uit op basis van datasetinformatie.
   5. Praktische toepassing van voorspellingenJe past voorspellingen toe in praktijkvoorbeelden.
9. 9 Datakwaliteit en governance Je bewaakt datakwaliteit, beheert datasets en houdt rekening met privacy en beveiliging.
   5 lessen

   1. Datakwaliteit meten en verbeterenJe meet en verbetert de kwaliteit van data in een dataset.
   2. Beheer van datasets en versiecontroleJe beheert datasets en past versiecontrole toe.
   3. Toepassing van bedrijfsregels op dataJe past bedrijfsregels toe op data voor consistentie.
   4. Data privacy en beveiligingJe houdt rekening met privacy en beveiliging bij het werken met data.
   5. Audit en documentatie van analysesJe legt analyses vast en documenteert het proces voor controle.
10. 10 Praktische projecten en casestudies Je past data-analyse toe in praktijkopdrachten en evalueert je eigen analyseproces.
    5 lessen

    1. Analyse van verkoop- en klantdataJe analyseert verkoop- en klantdata aan de hand van een casus.
    2. Optimalisatie van bedrijfsprocessen met dataJe onderzoekt hoe data bedrijfsprocessen kunnen optimaliseren.
    3. Benchmarking en vergelijking van datasetsJe vergelijkt datasets en voert benchmarking uit.
    4. Presentatie van bevindingen aan team/leidingJe presenteert je bevindingen aan je team of leidinggevende.
    5. Evaluatie van analyseproces en resultatenJe evalueert het analyseproces en de behaalde resultaten.