Inhoud Data & Business Analytics

EQI - DBA video

Postacademische opleiding

Inleiding

Onze postacademische opleiding Data & Business Analytics stelt beginnende en gevorderde analisten in staat inzichten te halen uit data, nieuwe bedrijfskansen te ontdekken en door ‘analytics’ onderbouwde beslissingen te nemen.

Het vermogen om analytics in te kunnen zetten voor bedrijfsvraagstukken wordt steeds belangrijker. De beschikbare hoeveelheid data groeit exponentieel en bevat informatie over gedragingen, voorkeuren en relaties op talloze gebieden: van finance, gezondheidszorg en economie tot sociale netwerken.

De postacademische opleiding Data & Business Analytics leert u diverse geavanceerde analysetechnieken om meerwaarde te halen uit data; niet alleen door het distilleren van informatie en het herkennen van kansen, maar ook door het nemen van gerichte data-gedreven beslissingen. De eenjarige opleiding wordt gekenmerkt door een hands-on benadering zodat u echt grip krijgt op grote gegevensstromen en de analysetechnieken daadwerkelijk kunt inzetten voor uw dagelijkse praktijk.

Het Data & Business Analytics curriculum is speciaal ontwikkeld op basis van jarenlange ervaring uit de bestaande Econometrie en Management Science programma’s die aan de Erasmus Universiteit Rotterdam worden gegeven. Het curriculum bevat daarnaast onderdelen op het gebied van data science, computer science en privacyrecht.

Naar boven  

Doelgroep

De opleiding is bedoeld voor IT'ers, econom(etrist)en, bedrijfskundigen, bestuurskundigen, bedrijfseconomen, IT'ers en analisten van andere disciplines die affiniteit hebben met kwantitatief onderzoek en beschikken over een afgeronde academische opleiding op master niveau.

Naar boven

Toelatingseisen

Om deel te nemen aan de opleiding dienen kandidaten te beschikken over een afgeronde academische opleiding op master niveau*. Daarnaast dienen kandidaten enige affiniteit te hebben met kwantitatieve onderzoeksmethoden (in ieder geval voorkennis van elementaire wiskundige begrippen als kansverdeling, een functie, een variabele, een vector en een matrix).

Kandidaten kunnen worden uitgenodigd voor een intakegesprek. Verzoeken om vrijstellingen worden per deelnemer bekeken door de Academic Director.

*Kandidaten met een bachelor in een technische discipline (bijvoorbeeld bedrijessbiskunde, techniek of informatica) kunnen ook in aanmerking komen.

Naar boven

Resultaat & Leerdoelen

Na deelname aan de opleiding bent u in staat om:

  • Te begrijpen welke (bedrijfs)vraagstukken zich lenen voor analytische data-gedreven oplossingen en dergelijke vraagstukken te identificeren;
  • Relevante analytische onderzoeksvragen te formuleren aan de hand van een (bedrijfs)vraagstuk en de benodigde aannames daarbij te begrijpen;
  • Effectief om te gaan met de verwerving en verwerking van (big) data ten behoeve van het oplossen van analytische onderzoeksvragen;
  • Vast te stellen welke analysemethode(n) geschikt is/zijn om de onderzoeksvragen te beantwoorden met inachtneming van de beschikbare data;
  • Zelf kwantitatieve modellen op te stellen en (data-)analyses uit te voeren, gebruikmakend van state-of-the-art software programma’s;
  • De kwaliteit en betekenis van de verkregen resultaten te beoordelen.

Deelnemers die de opleiding succesvol afronden ontvangen een certificaat van de Erasmus Universiteit Rotterdam. Na afloop kunt u eveneens deelnemen aan het INFORMS examen voor de internationaal erkende titel Certified Analytics Professional (CAP)*.

*N.B. Voor CAP certificering is minimaal 3 jaar relevante werkervaring vereist.

Naar boven  

Opzet

De opleiding start 7 september 2018 in Rotterdam, duurt één jaar en bestaat uit 5 blokken in 35 dagen. De collegedagen staan gepland op vrijdagen van 9:30-16:30 uur. Daarnaast wordt uitgegaan van circa 8 uur zelfstudie per week. De opleiding wordt aangeboden in het Nederlands*.

* De voertaal van het programma is hoofdzakelijk Nederlands. Binnen enkele onderdelen kan echter wel gebruik gemaakt worden van Engelstalig lesmateriaal en enkele colleges kunnen in het Engels verzorgd worden.

Tijdens de collegedagen wordt een combinatie aangeboden van interactieve colleges en tutorials. De colleges worden verzorgd door ervaren docenten op het gebied van business analytics, econometrie en computer science.

Na uitvoerige theoretische behandeling wordt ieder onderdeel/methode direct gevolgd door een sessie waarin u zelf aan de slag gaat met een (eigen) vraagstuk en dataset. U maakt daarbij gebruik van specialistische software om de analyses uit te voeren. Bij elke module zal er een toetsing plaats vinden, veelal op basis van in te leveren opdrachten.

Gedurende de hele opleiding ligt de nadruk op een hands-on benadering. Hoewel de theorie ruimschoots aan bod komt, is het belangrijkste doel om deelnemers in staat te stellen de business analytics methoden en technieken in de praktijk te gebruiken.  

Naar boven

Programma

Het programma bestaat uit een ochtend- en middag programma. De dag start om 09.00 uur met ontvangst en eindigt om 16.30/17.00 uur. 

Hieronder ziet u welke thema’s per blok aan de orde komen.


Blok 1

Introduction to Data & Business Analytics

Het programma begint met een algemene inleiding op het gebied van Data & Business Analytics. We staan uitgebreid stil bij het identificeren / formuleren van bedrijfsvraagstukken en business cases op het gebied van data analytics.  

Statistics for Data Science
Data Science draait om het op een geschikte en efficiënte wijze verzamelen, analyseren, interpreteren en presenteren van data. Dit vereist kennis en wetenschap van statistische technieken. Deze module behandelt theorie en toepassingen van een aantal veel gebruikte statistische technieken binnen data science. Na afronding van deze module kunnen datasets op een adequate manier geanalyseerd worden.

Programming & Visualization for Business Analytics
Goede programmeervaardigheden en kennis van database theorie zijn onontbeerlijk binnen business analytics. Deze module leert u te programmeren in de veelzijdige open-source programmeertaal R. U zult niet alleen effectief gebruik leren te maken van de reeds aanwezige statistische en visualisatie packages, maar ook zelf technieken leren implementeren. De programmeervaardigheden in R zullen bij alle andere modules in de opleiding ingezet worden. 

Blok 2

Predictive Modeling: Forecasting
Predictive modelling is het proces om op basis van data een wiskundig model op te stellen om zo accuraat mogelijke voorspellingen te maken over de toekomst. Predictive modelling kan toegepast worden binnen breed scala aan beslissingsvraagstukken. Deze module richt zich specifiek op het vertalen van data in statistische modellen en het maken van voorspellingen over de toekomst. In het bijzonder wordt stil gestaan bij technieken om met grote hoeveelheden gegevens/variabelen om te gaan.

Artificial Intelligence: Machine learning for Business Analytics
Datasets bevatten vaak waardevolle verborgen informatie. Vanwege de toenemende grootte van de datasets zijn traditionele analyse technieken veelal echter niet meer afdoende  om deze informatie te extraheren. Machine Learning technieken zijn specifiek ontwikkeld om automatisch patronen te ontdekken in grote gegevensbestanden. In dit vak zullen state-of-the-art machine learning algoritmes voor classificatie, regressie en clustering behandeld worden in een toegepaste setting. Daarnaast wordt aandacht besteed aan visualisatie van (verbanden binnen) data en voorspellingen.

Blok 3

Predictive Modeling: Simulation
In veel beslissingsvraagstukken is er de wens om te weten wat het effect is van beslissingen of beleidsmaatregelen op toekomstige gebeurtenissen. Predictive modelling is het proces om op basis van data een wiskundig model op te stellen om zo accuraat mogelijke voorspellingen te maken over de toekomst. Deze module richt zich specifiek op het construeren van data-gedreven simulatiemodellen. Simulatietechnieken kunnen gebruikt worden om een antwoord te vinden op een breed scala aan bedrijfs- of maatschappelijke vraagstukken. We geven een overzicht van de meest relevante simulatie technieken en doen hiermee ervaring op door ze toe te passen op datasets met behulp van de programmeertaal R.

Databases, Text Mining & Web Analytics
Datasets bevatten veelal naast gestructureerde ook ongestructureerde data zoals vrije tekstvelden. In dit onderdeel worden technieken behandeld om uit deze ongestructureerde tekst informatie te extraheren met behulp van natuurlijke taalverwerking (NLP) algoritmen. In aanvulling daarop worden technieken behandeld om de informatie interpreteerbaar te maken voor computers. Ook gaat deze module in op essentiële onderdelen van database theorie en query language.

Blok 4

Prescriptive Analytics: Optimization
Prescriptive Analytics gaat over het nemen van beslissingen. Veel (complexe) beslissingsvraagstukken in het bedrijfsleven kunnen beschouwd worden als optimalisatieproblemen, waar het zaak is om een gegeven doel te minimaliseren of te maximaliseren. Voorbeelden zijn supply chain design  en portfolio optimalisatie, waarbij een groot aantal klanten bediend moet worden of assets gekozen moet worden. Een ander voorbeeld is benchmarking over meerdere criteria. In dit onderdeel wordt aandacht besteed aan technieken uit de optimalisatie en de tools om oplossingen te genereren voor velerlei praktische beslissingsvraagstukken.

Deep Learning & Reinforcement Learning
Deep Learning is een vorm van kunstmatige intelligentie waarbij diepe patronen in de data ontsloten kunnen worden door het gebruik van gelaagde modellen. Reinforcement learning draait om het trainen van computersystemen om de beste beslissingen te nemen. Deze module richt zich op de mogelijkheden om Deep Learning en Reinforcement Learning in te zetten voor het oplossen van bedrijfsvraagstukken.

Blok 5

Digital Leadership: Competing in the Digital Age

Deze module gaat in op de effecten van het innovatieve gebruik van Data Analytics en digitale, sociale en mobiele technologie voor bedrijfsmodellen. Hoe kunnen organisaties meer intelligent gemaakt worden en concurreren in het digitale tijdperk?

Privacy & Data Governance
Deze module gaat in op verschillende juridische en privacy aspecten die komen kijken bij het verwerken en analyseren van data.

Statistical Data Disclosure

Deze module gaat in op statistische technieken om de privacy bij data analyse te waarborgen.

Project Data & Business Analytics
In deze module worden de opgedane technieken uit de andere modules toegepast op een groot (eigen) vraagstuk en dataset.

Naar boven  

Docenten

De modules worden verzorgd door topwetenschappers uit hun vakgebied. Hieronder een selectie van docenten die aan deze opleiding zijn verbonden

  • Prof.dr.ir. Rommert Dekker

    Professor Quantitative Logistics, Operations Research and IT

    Rommert Dekker is in het bijzonder expert op het gebied van Maritieme en Container logistiek, Groene logistiek (CO2 emissie berekeningen), Groen Supply Chain Ontwerp, Retour Logistiek (hergebruik en recycling van gebruikte goederen), Onderhoudsoptimalisatie en Logistiek, Voorraadbeheer, Reservedelenbeheer, Transportoptimalisatie (robuuste trein- en vaarschema's), Gezondheidsoptimalisatie (vaccinatie optimalisatie, capaciteitsberekeningen). Projecten binnen dit onderzoeksveld heeft hij uitgevoerd voor Vopak, Shell Int., Fokker Services, ECT Container Terminal, Henkel, Maersk Line, Shell Pernis Refinery, SBM Offshore, Van Uden  Transport, Philips Medical en Philips Consumer Electronics.

  • Prof.dr. Dennis Fok

    Professor Applied Econometrics

    Dennis Fok is gespecialiseerd in het ontwerpen van modellen om beslissingen van consumenten te beschrijven, te verklaren en te voorspellen. In zijn onderzoek werkt hij regelmatig samen met bedrijven. Zijn technische interesses zijn onder andere het modelleren van verschillen in het gedrag van consumenten, marketing econometrie en Bayesiaanse statistiek. Het onderzoek van Dennis is gepubliceerd in verscheidene academische tijdschriften. Hij heeft vele studenten econometrie begeleid bij hun master scriptie onderzoek voor vele verschillende organisaties.

  • Prof.dr. Philip Hans B.F. Franses

    Professor Applied Econometrics and Marketing Research

    Philip Hans Franses is sinds 2006 de Decaan van de Erasmus School of Economics. Zijn onderzoek betreft de ontwikkeling en toepassing van econometrische methoden die relevant

    zijn voor vraagstukken in de marketing, finance en macro-economie.

     

  • Prof.dr. Patrick J.F. Groenen

    Professor Statistics

    Patrick Groenen zijn onderzoeksinteresse omvat visualisatie methoden, algoritmische methoden voor data-analyse, data science, multivariate analyse, classificatie, data mining en toepassingen in deze gebieden. Hij is coauteur van vier monografieën en van meer dan vijftig wetenschappelijke artikelen.

Naar boven  

Kosten & Bijzonderheden

De kosten voor de opleiding bedragen € 17.750 vrij van btw. Dit is inclusief cursusmateriaal, lunches, koffie/thee en parkeerkaarten. Het is mogelijk om vrijstelling te krijgen voor modules. Deze vrijstelling wordt verrekend met het collegegeld. 

Verzoeken om vrijstelling worden per deelnemer bekeken door de Academic Director.

Cursisten worden geacht in bezit te zijn van een laptop waarop zij analyse programma’s kunnen draaien. Het is mogelijk te werken met eigen datasets.

  • Erasmus Q-Intelligence is als onderwijsinstelling erkend door de NBA (Nederlandse Beroepsorganisatie van Accountants) en is daardoor gerechtigd PE-uren toe te kennen aan onderwijsactiviteiten.

    Deze gehele leergang bestaat uit 193 PE-uren.

Naar boven

Inschrijfformulier & Brochure

Het collegejaar 2018-2019 start op 7 september 2018. U kunt zich hiervoor aanmelden door middel van het inschrijfformulier dat u hieronder kunt downloaden. Hier vindt u ook de brochure.
 

Naar boven  

Contact

Voor alle praktische zaken en nadere informatie omtrent de opleiding kan men zich richten tot Program Manager Dr. Kristiaan M. Glorie.

  • Kristiaan Glorie is gepromoveerd in de Operations Research en gespecialiseerd in het ontwerpen en toepassen van schaalbare optimalisatiealgoritmen voor het oplossen van praktische vraagstukken. In het bijzonder gaat zijn interesse uit naar toepassingen op het snijvlak van Operations Research en Data Science. Kristiaan heeft gewerkt met een variëteit aan cliënten in de publieke en private sector.

Postadres

Erasmus Q-Intelligence
Kamer M6-09
Postbus 1738
3000 DR Rotterdam

Bezoekadres

Kamer M6-09
Burg. Oudlaan 50
3062 PA Rotterdam

 

 

Telefoon

010 - 408 1168

E-mail

opleiding-eqi@ese.eur.nl

Naar boven