Data Analytics
Maak data analyse transparant en beheersbaar waarbij het proces centraal staat.
Analyticsbox
Het data-analyseproces start met een analysevraag en eindigt met een concreet resultaat , zoals een rapport of dashboard.
Om daartoe te komen, gebeuren er twee zaken tijdens het analyseproces:
1. de uitkomsten bij de gestelde analysevraag vinden
2. de data transformeren naar een vorm die gepresenteerd kan worden in het gewenste product.
Waarom is data-analyse noodzakelijk?
Als organisatie wil je in de huidige markt vooroplopen. Eén van de beste manieren om dat te bereiken is datagedreven werken. Dit vereist nauwkeurig en gericht analyseren van je bedrijfs- en klantgegevens. Zo onthul je inzichten die eerder verborgen bleven.
Met een goede analyse ben je als organisatie in staat betere besluiten te nemen over de volgende stap.
Data science maakt het mogelijk namelijk om inzichten vanuit een analyse om te zetten naar voorspellingen. Zo’n voorspelling geeft je een beeld wat je als bedrijf in de nabije en verdere toekomst te wachten staat. Hier kun je vervolgens gericht op inspelen, waardoor je (onnodige) kosten bespaart en meer opbrengsten kunt creëren.
Wat doet de analyticsbox?
De Novalinq analyticsbox is een analyse framework dat data-analisten helpt bij het uitvoeren van reproduceerbare en schaalbare analyses. De transparantie van de analyse en de beheersbaarheid van het proces staan hierbij centraal.
Hoe werkt de analyticsbox?
De analyticsbox omvat het volledige analyseproces vanaf de analysevraag tot het eindproduct. Het proces bestaat uit zeven fasen, verdeeld over 3 scopes:
1. de data scope met drie fasen;
2. de definition scope met één enkele fase;
3. de product scope met wederom drie fasen.
Iedere fase is bovendien onderverdeeld in twee onderdelen:
- een analyserende subfase, gericht op het analysevraagstuk en
- een transformerende subfase, gericht op het product.
.png)
>_Data scope
>_01 Data collection & data import
Dit is de start van iedere data-analyse. Centraal staat het inventariseren van databronnen zoals applicaties of andere registratiesystemen die gebruikt worden binnen de procescontext van de analysevraag.
Data collection:
- selecteren van relevante databronnen passend bij de analysevraag;
- verzamelen van documentatie en contactgegevens van bronbeheerders, business unit owners en andere betrokkenen rondom de bronnen en processen.
Data import:
- opzetten werkomgeving;
- credential management;
- ontsluiten van databronnen;
- eventueel anonimiseren/pseudonimiseren van gevoelige gegevens.
>_02 Data validation & pre processing
De validatie en pre-processing fase is bedoeld om de technische staat van de ruwe data te onderzoeken en verbeteren.
Validation:
- validatie en assessment van de datastructuur en registratiemethodiek;
- validatie van de technische datakwaliteit.
Pre-processing:
- datareductie en denormalisatie;
- data cleansing.
>_03 Data exploration & data curation
Tijdens de exploration & curation fase gaat het om het inhoudelijke deel van de data.
Het is belangrijk om de hoofdvraag op te splitsen in kleinere deelvragen. Zo kunnen we inzichten en informatie via deeluitkomsten verzamelen. Daarnaast is het belangrijk definities te ontwikkelen en toe te passen, zodat de data als betrouwbare en bruikbare informatiebron kan dienen.
Exploration:
- exploratory data analysis en datavisualisatie;
- data mining.
Curation:
- toepassen business rules en definities;
- feature engineering;
- aggregatie;
- history tracking.
>_Definition scope
>_04 product definition & setup
De product definition & setup fase vormt het keerpunt tussen de data scope en de product scope.
Hiervoor is het belangrijk om conclusies te vormen op basis van de analyses uit de eerdere fasen en de transformaties samen te vatten.
Product definition:
- conclusies en gevolgtrekkingen op basis van inzichten uit eerdere fasen;
- ontwikkelen schrijfplan rapport, wireframe dashboard, etc.
Setup:
- implementeren transformaties uit eerdere fasen in datamart of reporting tool.
>_Product scope
>_05 design & build
Tijdens deze fase wordt de content, zoals de visualisaties, modellen, teksten en toelichtingen van het product, ontwikkeld en geïmplementeerd. Daarnaast is het belangrijk om eventuele beperkingen op leesrechten te implementeren in het product.
Design:
- design visualisaties, teksten en andere contentelementen;
- design authorisation levels en gebruikersgroepen.
Create:
- ontwikkelen content;
- toepassen lees- en eventuele schrijfrechten.
>_06 Consolidation & formatting
In deze fase wordt de content van het product samengevat en samengevoegd tot één geheel.
Consolidation:
- samenvatten en reduceren content;
- eventueel UI/UX design.
Formatting:
- verbeteren contentelementen;
- toepassen corporate identity;
- UI/UX development.
>_07 checking & Export
In de laatste fase wordt het product gecontroleerd en eventueel verbeterd, om daarna gepubliceerd te kunnen worden.
Controle:
- controle/testing inhoud en techniek;
- verbeteren waar nodig.
Export:
- eventuele inrichting van gebruikersaccounts;
- export en publicatie.
Eenvoudig naar datagedreven beslissingen
Het opbreken van het data-analyseproces in stappen, verbetert de analysevraag. Het gevolg is een beter resultaat waar je als organisatie direct mee aan de slag kan.
Met de analyticsbox haal je het maximale uit je data. Het rapport of dashboard deel je eenvoudig in een overzichtelijk format met collega’s en management.
Een boost voor de innovatiekracht van je organisatie!
Van vraag naar datagedreven beslissing met Novalinq
Heb je het gevoel dat je niet uit je data haalt wat erin zit? Of beschik je al over allerlei online rapportages, maar zijn ze zó ingewikkeld dat je ze niet gebruikt?
Novalinq helpt je betere beslissingen te maken op basis van inzichten uit data.
Interesse?
Of je nu al een hele datastrategie hebt staan, of dat je nog moet starten, wij denken graag met je mee in het realiseren van een datagedreven organisatie. Laat je naam en telefoonnummer achter en wij nemen snel contact met je op.
Bedankt voor het invullen! We bellen je zo spoedig mogelijk terug.
Oops! Something went wrong while submitting the form.
Novalinq. Kickstart je data.
Ontdek hoe wij waarde toevoegen met de overvloed aan digitale informatie.
Wij kickstarten, adviseren, bieden ondersteuning of nemen een data project van A tot Z voor je uit handen. Met data science management helpen wij het fundament van je dataprocessen op orde te brengen en te borgen.
Wil je zelf leren hoe je meer waarde uit je data haalt? Dan verzorgen we opleidingen of op maat gemaakte leertrajecten voor jou, je team of hele organisatie.
.svg)
