Data Analytics voor Managers
Van reporting naar forecasting

Data Analytics voor Managers

Inleiding

De thema’s: big data en data-analytics zijn populair. Veel mensen praten erover en ondernemingen willen zich maar al te graag omvormen tot een meer data-gedreven organisatie. Data is het nieuwe goud, zegt men. Maar is dat wel zo?

Het is een tijd waarin data-analisten en IT-ers een grote rol spelen. Snelle computers en machine learning maken het mogelijk om real time te sturen op basis van allerhande data. Maar data-analyse is alleen dan succesvol als niet de IT-ers en analisten maar juist de managers begrijpen hoe de data-driven wensen van het bestuur en/of de directie kunnen worden omgezet in toegevoegde waarde.

Wij komen veel bedrijven tegen die investeren in data-architectuur en IT, maar die nog niet veel verder komen dan het maken van mooiere en meer actuele rapporten. Wij weten dat er veel meer mogelijk is en willen die kennis doorgeven aan managers die hun onderneming op een hoger data-gedreven niveau willen brengen. Door te beslissen op basis van data kunnen bedrijfs- en verdienmodellen veranderen. Hierdoor groeit niet alleen de manager, die leert wat wel en niet mogelijk is met data en op welke manier data moet worden ingezet in de onderneming, ook de onderneming zelf verandert.

Dit is het doel van de cursus Data Analytics voor Managers. De cursus geeft een introductie in data-analyse door te laten zien wat er mogelijk is, welke vragen u kunt stellen en wat machine learning inhoudt, om vervolgens daarmee de wensen van het bestuur en/of de directie te kunnen omzetten in acties die leiden tot een meer data-gedreven onderneming.

Naar boven 


Doelgroep 

Dit executive programma is er voor managers die te maken hebben met data, maar die zelf geen specialist zijn in (big) data-analyse. 

Welke voorkennis is vereist?
De cursus richt zich op managers die hun organisatie op een hoger data-gedreven niveau willen brengen. Een deelnemer heeft geen specifieke voorkennis nodig. De cursus gaat niet te diep in op methodes en algoritmes; het biedt een beeld van wat er onder de motorkap gebeurt en inspireert door veel toepassingen te laten zien.

Naar boven

Programma

We tonen een aantal voorbeelden op het terrein van marketingmanagement, management van risico’s (verzekeringsmanagement), fraudedetectie, management van call-centers, gedrag van financiële en commoditymarkten, retail- en webshop-management.

College 1 (op locatie): Hoe te beginnen met data-analyse?

Het komt vaak voor dat managers zich afvragen: wat kunnen we met de data die ons bedrijf heeft doen? Het is moeilijk om te bedenken waar je zou moeten starten. Deze sessie richt zich erop hoe je de vragen kunt identificeren die je met data kunt oplossen. We zien het proces andersom: niet van data naar vragen, maar van strategische onderwerpen en daarvan afgeleide vragen naar data. Daarbij komt dat het toepassen van data analytics in ondernemingen niet altijd voldoet aan de verwachtingen. Het kan zijn dat de data niet toereikend is of dat er weinig informatie in data zit. In dit college leert u een realistisch beeld te vormen van wat wel en van wat niet mogelijk is. 

College 2 (online): patroonherkenning bij een call-center

Dit college gaat in op regressie-analyse om daarmee patronen te modelleren. Aan de hand van de logica van de kleinste kwadratenmethode wordt een patroon gemodelleerd dat het aantal binnenkomende telefoongesprekken voorspelt op basis van het verleden. Deze analyse wordt uitgevoerd in Excel.

Naast het voorbeeld laat het college zien hoe u op een methodologische manier data analyseert. Het geeft een beeld van wat machine learning inhoudt: het speuren in data om patronen te herkennen die kunnen worden gebruikt om een verschijnsel te voorspellen.

College 3 (online): fraude-detectie

Dit college gaat over de vraag of er iets ongewoons is in (transactie)data dat doet vermoeden dat er sprake is van fraude. Dit doen we aan de hand van Benford’s Law. Vervolgens wordt uitgelegd hoe door profielen te herkennen, een oplossing gevonden kan worden om tijdig een mogelijk frauduleuze transactie te herkennen.

College 4 (online): enquêtes, (sensor)data en digital twins

Big data maakt het mogelijk om continu data te verzamelen en te gebruiken van binnen en buiten de onderneming om daarmee betere beleids- en operationele beslissingen te kunnen nemen.

Het eerste deel van het college gaat over hoe op basis van enquêtes met zorgvuldig bedachte vragen risico’s ingeschat kunnen worden in financiële- en commoditymarkten. De uit enquêtes verkregen gegevens zijn een vorm van sensordata waarmee veranderingen in voorkeuren en percepties worden waargenomen.

Het college gaat vervolgens in op digital twins. Dit betreft in feite een visualisatie van data die real-time een bepaald proces of een machine nabootst. Dit maakt het mogelijk om adequaat en snel te kunnen inschatten wat er zal gebeuren. Het college toont verschillende praktijkvoorbeelden.

College 5 (online): machine learning

Data-analyse is niet alleen krachtig omdat computers tegenwoordig snel zijn en veel geheugen hebben, maar ook omdat we algoritmes kunnen gebruiken die vroeger niet toepasbaar waren. Dit college toont verschillende voorbeelden van machine learning algoritmen. Er worden voorbeelden getoond in R over hoe machine learning methoden patronen herkennen i) tussen de declaraties en persoonlijke doch anonieme kenmerken van verzekerden, en ii) in teksten zodat berichten geclassificeerd kunnen worden als spam of niet.

Het college behandelt eveneens hoe de men kan vaststellen of de resultaten betrouwbaar genoeg zijn om toe te passen in een organisatie.

College 6 (online): dynamic pricing toegepast bij een webshop

Dit college laat zien hoe een webshop “optimale” prijzen bepaalt op basis van historische data van aankopen. Aan de hand van die data worden vraagcurves geschat rekening houdende met het feit dat meerdere producten tegelijk op de website worden getoond. Vervolgens wordt getoond hoe de optimale prijzen bepaald kunnen worden.

College 7 (op locatie): inspiratie uit verschillende toepassingen

Tijdens dit college presenteren managers over hun ervaringen met ondernemen op basis van data. Niet methodisch, maar meer over hoe de ondernemingen waarvoor zij werken zijn veranderd door big data en ook tot welke veranderingen dat voor hen persoonlijk heeft geleid.
 

Rooster najaar 2020

College 16 oktober 2020Hotel Van der Valk Rotterdam Blijdorp
(van 10:00 -13:00 met lunch)                               
College 213 oktober 2020online
College 327 oktoberonline
College 43 november 2020online
College 510 november 2020online
College 617 november 2020online
College 724 november 2020Hotel Van der Valk Rotterdam Blijdorp


Naar boven

Resultaat & Leerdoelen

Wat kan een deelnemer verwachten?

Na afronding van deze cursus bent u in staat om: 

  • Beter te kunnen inschatten wat uw onderneming met data kan bereiken;
  • Een start te maken met het toepassen van data analytics door de juiste vragen te stellen;
  • Uit te leggen wat machine learning is en verschillende voorbeelden ervan te geven;
  • Te begrijpen hoe met software als R machine learning algoritmes worden uitgevoerd;
  • In te schatten in hoeverre de resultaten van data analytics van toegevoegde waarde kunnen zijn;
  • Een betere partner te zijn in gesprekken met data-analisten en data-engineers;
  • Beter een dataproject te kunnen beheersen.

Naar boven

Docenten

De colleges worden verzorgd door dr. Ronald Huisman en door verschillende executive teachers die geselecteerd zijn op basis van hun achtergrond, kennis en ervaring met het managen van een data-gedreven onderneming. 

  • Dr. Ronald Huisman 
    Program Director
    Ronald Huisman is een ervaren ondernemer op het gebied van energy finance en universitair hoofddocent bij de afdeling bedrijfseconomie aan de Erasmus School of Economics van de Erasmus Universiteit Rotterdam. Ook is hij medeoprichter van Energy Global en medeoprichter van het Energy Finance Institute. Ronald is gespecialiseerd in onderzoek op het gebied van commodity hedging, energy finance and behavioral finance. Hij heeft meerdere prijzen gewonnen op het gebied van onderwijs, waaronder de Erasmus Universiteit onderwijsprijs voor innovaties in het onderwijs met behulp van ICT-oplossingen. Verder is hij auteur van talrijke publicaties in internationale wetenschappelijke tijdschriften.

Naar boven  

Kosten & Inschrijven

De deelnamekosten zijn € 2.500,- vrij van BTW. Dit bedrag is inclusief lesmateriaal, koffie/thee en parkeerkaarten.

Contact

Voor alle praktische zaken en nadere informatie omtrent de opleiding kan men zich richten tot Program Director Dr. Ronald Huisman:

Postadres

Erasmus Q-Intelligence
Postbus 1738
3000 DR Rotterdam

Bezoekadres

Burg. Oudlaan 50
3062 PA Rotterdam

Telefoon

010 - 408 1168

E-mail

opleiding-eqi@ese.eur.nl

Kristiaan Glorie in gesprek met Ronald Huisman over Data Analytics

dr. Ronald Huisman over de inzet van Data Analytics

  • 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. Dit programma bestaat uit 15 PE-uren.