De meest gebruikte opbouw in business intelligence, predictive analitics en analytics modellen is de moeilijkheidsgraad: 1) descriptive, 2) diagnostic, 3) predictive en 4) prescriptive. Deze schaal vertelt iets over de volwassenheid van het gebruik van data door de organisatie. Een model dat niet op zichzelf staat en een achterliggende methode kent is de data driehoek van EDM (Figuur 1), welke in dit artikel zal worden toegelicht.
LINK
Hoe meer data er beschikbaar komt, des te meer de beslissing verbeterd kan worden. Hoe beter (slimmer) de beslissing wordt gemaakt, des te meer waarde de beslissing heeft voor uw organisatie. Dit wordt het data-netwerk-effect genoemd. Vaak wordt het data-netwerk-effect gerealiseerd door het gebruik van data van onbewuste data-donoren. In dit artikel wordt een ander soort data-donor belicht: de bewuste data-donor.
LINK
Collectie van voorbeelden van (data)fysicalisatie - fysieke, tastbare representaties van data. Onderdeel van KIEM project Zichtbaar slimmer.
DOCUMENT
Big data heeft niet alleen geleid tot uitdagende technische vraagstukken, ook gaat het gepaard met allerlei nieuwe ethische en morele kwesties. Om verantwoord met big data om te gaan, moet ook over deze kwesties worden nagedacht. Want slecht datagebruik kan nadelige gevolgen hebben voor grote groepen mensen en voor organisaties. In de slotaflevering van deze serie verkennen Klaas Jan Mollema en Niek van Antwerpen op een pragmatische manier de ethische kant van big data, zonder te blijven steken in de negatieve effecten ervan.
DOCUMENT
In dit rapport worden de activiteiten van Big Data Value Center in het project ‘Databoeren met boerendata in de aardappelsector’, een POP3 project, beschreven. Het BDVC heeft samen met Geronimo een proof of concept ontwikkeld op automatische voorzet ‘MijnPrecelen’ in RVO. Trefwoorden: digitalisering boerenbedrijf, pop3, databoeren, Proof of Concept, MijnPercelenRVO zaaknummer: 17717000042
DOCUMENT
In de accountancybranche heersen een aantal kenmerken die ervoor hebben gezorgd dat de adoptie van automatisering, digitalisering en data-analyse achterloopt. Dit heeft een aantal redenen: door de hoge werkdruk is er soms geen kans om te innoveren; de omzet is toereikend, waardoor de nut en noodzaak niet worden gezien; door het grote personeelstekort is er geen personeel voor een innovatietraject; MKB-accountants vinden het te risicovol om te investeren in digitalisering met het oog op pensionering en de verkoop van het eigen accountantskantoor. Onderzoekers van de Hogeschool van Amsterdam, Hogeschool Rotterdam en Hogeschool Utrecht hebben onderzocht hoe de mkb-accountant data-analyses kan inzetten in zijn beroepspraktijk, zodat beter aan de wensen van zijn mkb-klanten op het gebied van performance en directere sturing wordt voldaan, en de bedrijfsvoering en werkprocessen van de klanten efficiënter worden. De digitalisering biedt de accountant namelijk mogelijkheden om mkb-ondernemers op basis van data nog beter te adviseren. Het kan daarbij om financiële zaken gaan, maar ook over andere zaken die bij ondernemerschap horen. Denk bijvoorbeeld aan adviezen over voorraden, personeelszaken, procesverbeteringen, verkoopcijfers, duurzaamheid, etc. Op 6 oktober 2022 heeft de onderzoeksgroep de eindresultaten van het onderzoeksproject gepresenteerd op het mini-congres “Data science en mkb-accountants” bij de NBA in Amsterdam. Eén van de tools die het projectteam voor de mkb-accountantskantoren heeft ontwikkeld is een Data Analyse Protocol (hierna DAP). Het DAP geeft de accountant inzicht in vragen die bij mkb-ondernemers kunnen leven en waarbij de accountant kan helpen deze vragen te beantwoorden
DOCUMENT
Vanuit Fontys Hogescholen wordt veel onderzoek gedaan, met name door onderzoekers van de verschillende lectoraten. Vanzelfsprekend worden er binnen deze onderzoeken veel data verzameld en verwerkt. Fontys onderschrijft het belang van zorgvuldige omgang met onderzoeksdata en vraagt daarom van onderzoekers dat zij hun Research Data Management (RDM) op orde hebben. Denk hierbij aan veilige opslag en duurzame toegankelijkheid van data. Maar ook (open access) publiceren en archiveren van onderzoeksdata maken onderdeel uit van RDM. Hoe je hier als onderzoeker invulling aan geeft kan soms best een zoektocht zijn, mede doordat nog niet iedereen even bekend is met het onderwerp RDM. Met dit boek hopen we onderzoekers binnen Fontys de belangrijkste informatie te bieden die nodig is om goed invulling te geven aan Research Data Management en daarbij ook te wijzen op de ondersteuning die op dit gebied voorhanden is.
DOCUMENT
Hoe overbruggen we de kloof tussen accountant en dataspecialist? Deel 1 van een drieluik over data-analyse. In dit eerste deel worden zes typen van data-analyse belicht.
DOCUMENT
Dit project poogt een bijdrage te leveren aan het versterken van “de kennisketen van de gastvrijheidseconomie” middels de volgende projectdoelstellingen: • SWOT-analyse van huidige situatie, vanuit verschillende stakeholderperspectieven: kijkend vanuit de ontwikkelopgaves die men ziet, aan welke data over de customer journey is behoefte (inventarisatie)? Wat zijn de bijbehorende sterktes, zwaktes, kansen en bedreigingen (analyse)? • Versterken van de kennisketen via: hoe kunnen we kennisketen versterken met nieuwe technieken en door slim organiseren? • Een overzicht van strategische opties: welke strategische opties zijn er om 1.) sterktes te benutten om kansen te pakken en bedreigingen af te wenden en 2.) zwaktes op te lossen door kansen te pakken en gevaren te voorkomen die met bedreigingen meekomen • Input leveren voor 2.0 versie van het manifest van Gastvrij Overijssel en de beoogde oprichting van een “Data Hub” (waarvoor nog geen officiële werktitel) In de opvolgende hoofdstukken en paragrafen gaan we in op de aanpak (hoofdstuk 2) en de uitkomsten (hoofdstuk 3).
DOCUMENT
