Data Science en Business Analytics

Programma

DATA SCIENCE & BUSINESS ANALYTICS – LESPROGRAMMA
De 10-daagse Data Science & Business Analytics training bestaat uit 5 lesblokken van elk 2 aaneengesloten dagen. De eerste lesdag van elk lesblok wordt afgesloten met een diner.

Het programma bestaat uit de volgende herkenbare onderdelen:

• Reguliere modules die het kernprogramma van deze training vormen; hierbij wordt een algemene case gebruikt om de theorie toe te passen
• Een aantal verdiepende modules vanuit een academische insteek, verzorgd door een hoogleraar of universitair docent, bijvoorbeeld over Machine Learning (ML) of ethiek
• Gastsprekers die over de toepassingen van data en data science in de praktijk/hun organisatie spreken
• Een practicum/case waarin met tools en data gewerkt wordt
• Een certificeringscase waarbij de aanpak en voortgang van individuele cases worden gepresenteerd en besproken

LESBLOK I – De Business Data Scientist en de organisatie
Het doel van dit lesblok is thematisering. Waarom is data science in al haar facetten zo actueel? Wat zijn de uitdagingen en problemen? Naast een algemene introductie komen onder meer aan de orde:

• De rol van data in organisaties
• De opbouw van het programma
• Toelichting op de structuur van het programma, de case, de eindopdracht en certificering
• Het 3-assen model
• De uitdagingen bij het goed implementeren van data science in organisaties
• Waarde creëren met data science
• Data science: de fundamenten
• Wat is data science?
• Wat zijn data, informatie, kennis en intelligence en hoe verhouden deze zich tot elkaar?
• Data science: een procesmatige benadering waardoor u grip krijgt op uw werkgebied

In dit blok wordt een start gemaakt met de generieke case. Deze vormt de rode draad binnen de training. Deze case wordt gebruikt om de geleerde theorie toe te passen.

LESBLOK II – DATA
In dit lesblok wordt veel aandacht besteed aan het werken met data. Data is een belangrijke productiefactor voor organisaties en dient daarom gericht georganiseerd te worden. In dit tweede lesblok staan de toepassing van data en data science centraal, zoals data analyse en tooling. Dit komt tot uitdrukking in de algemene case, waaraan in kleine groepen wordt gewerkt. Aan de orde komen o.m.:

• Introductie data science
• Overview van data analytics, data science en big data
• Data, data exploratie, data visualisatie, data analyse en tooling
• Verschillende soorten data
• Het proces van dataverwerving en dataverwerking
• Soorten analyses, tools en toepassingen
• Het maken van keuzes: wanneer zet je welke techniek in?
• De relatie tussen bedrijfskundige waardeproblemen, tools en data (science): hoe creëert u deze waarde?
• Stakeholder analyse
• Critical thinking
• Machine Learning (ML) en voorspellende modellen
• Big data en architectuur
• Data beleid en de rol van het Data Office/de Chief Data Officer (CDO)

LESBLOK III – BUSINESS VALUE
Dataverwerking en data analyse leiden tot nieuwe data, maar nog zeker niet tot inzichten, juiste interpretaties en business value. In dit lesblok staat de relatie met 'de business' centraal. U leert tijdens dit blok te redeneren vanuit verschillende business analyse vraagstukken en u leert hoe u dataverwerkingsproblemen kunt inrichten, sturen en aanpakken. Tevens maken we een start met uw persoonlijke werk-/ontwikkelingsplan. In dit blok gaat u namelijk een waardecase formuleren voor uw eigen organisatie waarbij met behulp van data bedrijfskundige waarde wordt gecreëerd. Onderwerpen van dit blok zijn o.a.:

• Introductie bedrijfskundige waarde en analyse
• Practicum data science
• Business analytics
• Waarde cases
• Data visualisatie
• De toolbox van de analist
• Business modellen
• Typology van data gedreven business modellen

Huiswerkopdracht 
U wordt gevraagd om een eerste pitch voor uw cerficeringscase voor te bereiden: opdrachtformulering en briefing.

LESBLOK IV – TOOLS & TACTICS VAN DE DATA SCIENTIST (1)
Blok IV staat in het teken van de praktijk van de data scientist. Vandaar dat in dit blok de generieke case gebruikt wordt om alle geleerde theorie toe te passen. Dit gebeurt groepsgewijs en iedere groep presenteert zijn eigen uitwerking. Aan bod komen o.m. de 'gereedschapskist', de verschillende tools en aanpakken die de data scientist kan toepassen. Het realiseren van toegevoegde waarde met data staat centraal en dit lesblok gaat m.n. in op de individuele tools die de data scientist kan inzetten om waarde te creëren met geproduceerde kennis. Belangrijk is dat de uiteindelijke toegevoegde waarde van data ontstaat in de sociaal interactieve context van opinievormers en beslissers. In een dergelijke context moet de data scientist namelijk kennis produceren en op basis daarvan doelgerelateerd voorstellen 'verkopen'. Naast de inhoudelijke context komt derhalve ook de sociale context van besluitvorming aan bod. Daarbij wordt een onderscheid gemaakt tussen methoden en technieken voor het presenteren van data/kennis (infographics) en het beargumenteren/debatteren, wat een rol speelt in de sociaal interactieve context van de presentatie. In dit blok vindt ook de eerste pitch plaats van de individuele cases. De onderwerpen van dit blok zijn:

• Introductie tools en tactics: framework voor tactics van de data scientist
• Critical thinking (analytical reasoning, social mapping, convincing presentations)
• Toepassingen: digitale marketing, Artificial Intelligence (AI), robotics en fraude
• Verandermanagement
• Innovatiemodellen en marktpositie
• Roadmap en business case
• Afronding generieke case (groepsopdracht)
• Eerste pitch eigen case: waarde creëren met data in de eigen organisatie (individuele opdracht)

Huiswerkopdracht
U werkt uw eigen case verder uit en bereidt een presentatie voor: probleemstelling, context, stakeholders, beoogde aanpak en de eerste versie van het Business Model Canvas (BMC). De BMC wordt in lesblok V besproken. Het plan dient diverse invalshoeken te hebben, waaronder data, bedrijfskundige waarde en organisatorische impact/verandering (individuele opdracht).

LESBLOK V – TOOLS & TACTICS VAN DE DATA SCIENTIST (2)
Ook blok V staat in het teken van de praktijk. Dit gebeurt wederom groepsgewijs en iedere groep rondt zijn case af met een eindpresentatie. Dit lesblok gaat m.n. in op de organisatorische maatregelen die moeten worden genomen om in organisaties structureel data tot waarde te brengen. Welke inrichtingsmodellen passen bij welke organisatie (of stadium van de organisatie ontwikkeling)? Groeimodellen worden behandeld, maar ook condities waarmee organisaties rekening moeten houden (privacy wetgeving/Europese wetgeving en bescherming van persoonsgegevens). Verder wordt aandacht besteed aan de ethiek van dataverwerking en -gebruik. Met name de veranderende grenzen van consumenten en gebruikers worden hier besproken als contingente factoren voor het werk van de data scientist. De geleerde theorie wordt tevens verder toegepast, maar nu op uw eigen praktijk. U geeft in dit blok namelijk een update over de voortgang van uw eigen case. Tevens heeft u een individueel gesprek met uw docenten over de opzet en voortgang van uw eigen case, ter voorbereiding op de afronding van uw case in blok VI. Tijdens dit blok komen o.m. de volgende onderwerpen aan de orde:

• Ethiek en privacy
• Privacy wetgeving: de General Data Protection Regulation (GDPR) en bescherming van persoonsgegevens
• Embedding data science: strategic alignment
• Growth en maturity models
• Implementatie van data science
• De toolbox van de data scientist
• Het maken van keuzes: welke techniek zet u wanneer in?

Gedurende de gehele training vormt, naast de generieke case die in groepsverband wordt uitgewerkt, uw eigen praktijkcase de rode draad. Het doel van deze individuele case is om per onderwerp/les praktisch te oefenen met de stof. In dit lesblok komt de individuele opdracht waaraan u tijdens de opleiding heeft gewerkt tot een einde. De databewerkingen en data analyses die in de context van uw opdracht hebben plaatsgevonden, dient u voor uw docenten en medecursisten te presenteren. Uw case en eindpresentatie worden geëvalueerd en u ontvangt uw certificaat.

Docent(en)

Uw docenten zijn experts op het vakgebied data science in relatie tot het data value proces. U krijgt van hen de nodige theoretische bagage, maar u zult vooral profiteren van hun enorme praktische vakkennis.