TOPsamenvatting op basis van LESNOTITIES + BOEK
Deze samenvatting bevat alles wat je moet weten om te SLAGEN voor het examen. Het is een overzichtelijke weergave in chronologische volgorde volgens de lessen.
Er is een gigantische hoeveelheid en variëteit aan data beschikbaar. Deze data kan verzameld worden
in verschillende bronnen zoals via het internet en binnen een bedrijvensysteem. Er zijn allerlei
technologische vooruitgangen gebeurd zoals:
- Computers worden sterker
- Betere algoritmes waardoor data juister kan geanalyseerd worden
- Netwerken die een gigantische connectiviteit creëren.
1.1.1 FROM BIG DATA 1.0 TO BIG DATA 2.0
Big Data 1.0 en Big Data 2.0 kan je vergelijken met Web 1.0 en Web 2.0
Web 1.0
= Gaat over de basistechnologie die nodig is om internet uit te bouwen. Bedrijven zijn gaan nadenken
over hoe ze actief konden zijn op het internet door websites te maken. Op die manier kwam e-
commerce tot stand. Dit kan je vergelijken met Big Data 1.0
We zijn vandaag in staat om grote hoeveelheden data te verwerken en op een efficiënte
manier te verwerken.
Web 2.0
= We spreken over end-user content bij Web 2.0. Dit betekent dat eindgebruikers informatie kunnen
toevoegen aan websites bijvoorbeeld sociale media. Je kan dit vergelijken met Big Data 2.0.
In welke mate zou data kunnen bijdragen aan de manier waarop bedrijfsvoering wordt gedaan.
Wat kan die data doen voor de bedrijfsvoering? Wat kan ik beter doen?
1.1.2 REGELGEVING
Het is belangrijk voor bedrijven dat ze aan een bepaalde regelgeving voldoen
1.1.2.1 BASEL II
Banken moeten bijvoorbeeld bewijzen dat ze aan BASEL II voldoen. Ze moeten instaat om een
risicomodel uit te bouwen voor hun krediet of operationele werking. Hiervoor kunnen banken gebruik
maken van de analyses van data die voor hen beschikbaar is.
1.1.2.2 SOLVENCY II
Solvency II wordt voornamelijk gebruikt door verzekeringsmaatschappijen. Ze moeten kunnen
aantonen dat de polissen die ze dekken, effectief kunnen uitbetalen. Aan de hand van data analyse
kunnen ze aantonen dat ze voldoen aan deze regelgeving.
1
,1.1.3 APPLICATIES
Er zijn allerlei applicaties van data mogelijk die inzetbaar zijn in bedrijven zoals:
- Marketing
- Customer relationship management
- Finance
- Operationele management
- Market analyses
1.1.3.1 MARKETING
Targeted marketing
= op voorhand bepalen welke doelgroepen je wilt bereiken. Dit is sterk gerelateerd aan online
advertising waarbij een bedrijf gericht ervoor kan zorgen dat bepaalde groepen jouw advertentie te
zien krijgen.
Recommendations for cross selling
= Klanten kopen product x en hebben ook interesse voor product y en z. Je kan de klanten overtuigen
om ook andere producten, die te koop zijn op een andere website, te gaan bekijken.
1.1.3.2 CUSTOMER RELATIONSHIP MANAGEMENT
De relatie naar de klant toe kan je verbeteren door data beter te analyseren. Je kan bijvoorbeeld:
- Kijken naar hoe een klant zich gedraagt;
- Voorspellen hoeveel keer een klant een helpdesk zou kunnen gebruiken om te bepalen
hoeveel hij zal moeten betalen om die helpdesk te mogen gebruiken.
- Nadenken over de verwachte waarde die een klant zou kunnen opbrengen
Een tweede voorbeeld is het manage churn.
Churn betekent dat klanten ervoor kiezen om een contract niet te verlengen wanneer het
afloopt, maar naar de concurrent gaat.
Aan de hand van data science en data analytical thinking kan je nadenken over het probleem
en proberen te identificeren welke klanten er potentieel naar de concurrentie kunnen gaan.
Op die manier kan er gerichte campagne gevoerd worden om deze klanten te binden.
Dit voorbeeld wordt gebruikt doorheen de cursus. Het is de bedoeling om tot een model te komen dat
voorspelt welke klant zal gaan churnen en wat de kans is dat de klant dit gaat doen.
1.1.3.3 FINANCE
- Het toekennen van kredieten aan de hand van data mining.
- Het gebruiken van data thinking om beursvoorspellingen te sturen.
2
,1.1.3.4 OPERATIONELE MANAGEMENT
- Fraude detecteren aan de hand van data analyses.
- Workforce managen om op de juiste manier aan analyses te doen.
- Nadenken over corporate performance management.
Vb. Hoe een bedrijf zichzelf op de markt positioneert of de manier waarop een bedrijf in staat is haar
doelstelling te behalen.
1.1.3.5 MARKT ANALYSES
Markt analyses kunnen ook gebruik maken van Big Data. Je zou die kunnen inzetten om fusies tussen
bedrijven te stroomlijnen of om de globalisering te vereenvoudigen.
Operationele management en markt analyses lukken pas wanneer men beschikt over meer data uit
verschillende bronnen. Tegelijkertijd moeten we in staat zijn deze data nog sneller te doen evolueren.
DATA-ANALYTICAL THINKING EN DATA SCIENCE: VOORBEELDEN
1.2.1 HURRICANE FRANCES (WALMART)
De orkaan Frances ging aan land gaan in de VS. Winkelketen Walmart beschikte over veel data van hun
klanten via een getrouwheidskaart. Het bedrijf onderzocht welke producten voornamelijk gekocht
werden wanneer weerberichten voorspelden dat er een orkaan op komst is. Walmart kon gebruik
maken van Data Science om producten te vinden die niet voor de hand liggend zijn, maar wel plots
“populair” zijn wanneer er een orkaan opkomst is.
Vb: Bier
1.2.2 PREGNANCY PREDICTION (TARGET)
Pregnancy prediction probeert te voorspellen wanneer een vrouw zwanger is alvorens de aankoop van
de eerste pamper. Het idee dat erachter volgt is dat het aankoopgedrag veranderd van een koppel
wanneer ze kinderen krijgen. Hiervoor heeft Target goed moeten nagaan welke data men beschikbaar
had. Deze moest men vergelijken met de data tijdens de zwangerschap.
Vb: Men gaat slechts maar 1 keer in de week boodschappen doen i.p.v. 3 keer in de week.
1.2.3 CHURN PREDICTION (MEGATELCO)
Megatelco kwam tot de ontdekking dat de markt voor mobiel telecommunicatie verzadigd was
aangezien iedereen een GSM-abonnement heeft. De enige manier om klanten te vinden, is door ze
weg te snoepen bij de concurrentie. Wanneer een klant op het einde van zijn contract/abonnement
beslist om naar de concurrentie te trekken, spreken we over Churn.
Megatelco heeft proberen te voorspellen welke klanten potentieel kunnen overstappen. Nadien gaan
ze proberen gericht marketing te doen om op die manier de klant opnieuw te binden en het contract
voor een bepaalde termijn te verlengen.
Vb: Het aanbieden van een gratis gsm.
3
, VERVOLG
Tijdens deze cursus gaan we modellen opstellen waarbij we vertrekken vanuit een hypothese: “Zouden
we dit probleem kunnen oplossen aan de hand van data?”
WAT IS DATA-ANALYTICAL THINKING
Data-analytical Thinking kan antwoord geven op volgende vragen:
- Kan het helpen bij het oplossen van bedrijfsproblemen?
- Indien het bedrijfsprobleem kan worden opgelost: “Kunnen we dit systematisch herhalen?”
Kunnen we dus een model bouwen zodanig dat we bij een nieuwe ingave van data in staat
zijn dezelfde besluiten te nemen zoals van de data die we reeds kennen.
- Mensen overtuigen om te investeren in Data of in modellen die uitgebouwd zijn via Data-
analytical Thinking.
4
, BUSINESS PROBLEMS AND DATA SCIENCE SOLUTIONS (1.2)
Er zijn verschillende taken die te maken hebben rond “data mining”. Binnen dit onderdeel worden
enkele taken toegelicht.
DIFFERENT DATA-MINING TASKS
Om een datamining probleem op te lossen, beschik je over fundamentele onderdelen die samen een
resultaat geven. De bedoeling is om die onderdeeltjes te bespreken en op te bouwen naar een groot
resultaat. Een uniek probleem kan enkel opgelost worden door de kleine deeltjes te koppelen aan
elkaar zodat je erin slaagt om het probleem op te lossen.
Voorbeeld: Churn @ Megatelco
➔ Op zoek naar klanten waarvan ze dachten dat ze de grootste kans maakte om hun contract niet te
verlengen.
➔ We spreken over een kans en het inschatten hiervan
Opmerking: Je kan zeggen dat dit niet uniek is aangezien elk bedrijf geconfronteerd kan worden met
het feit dat klanten op het eind van een contract naar de concurrent kunnen gaan.
• Het unieke is dat Megatelco beschikt over data die ze hebben over de klanten en op basis van die
data gaan ze het probleem van Churnen proberen op te lossen.
o Vb: Telefoongesprekken
• De andere bedrijven beschikken over andere soort data en zullen dus op zoek moeten gaan naar
ander oplossing.
Bedoeling: op zoek gaan naar kleine onderdeeltjes die een antwoord kunnen geven op dit probleem
2.1.1 CLASSIFICATION & CLASS PROBABILITY
= Proberen te voorspellen in welke mate een bepaald iets voldoet aan een bepaalde populatie
Dit kan op 2 manieren:
• Voorspellen of ze voldoen aan de populatie met antwoord “JA” of “NEEN”
• Voorspellen in welke mate ze voldoen aan de populatie ➔ voorbeeld een kans
Bijvoorbeeld: de kans dat A behoort tot de populatie B is 70%
5
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur Rechten4life. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €10,49. Vous n'êtes lié à rien après votre achat.
