SAP Werkgroep

Datamining

Algemene inleiding
Een intelligente organisatie stelt zich open voor relevante signalen van binnen en buiten de organisatie en vertaalt deze op slimme wijze naar informatie en kennis die aanzet tot actie, wat kan leiden tot effectiever gedrag en meer doordachte handelswijzen. Met effectieve business intelligence kunnen organisaties veel tijd en gericht aandacht besteden aan het beslissen, organiseren en innoveren zelf. De activiteiten en bedrijfsprocessen van de organisatie kunnen soepeler gaan lopen en worden steeds beter op elkaar afgestemd.
Datamining is het intelligent en doelgericht gebruiken van beschikbare data. Datamining analyseert die actuele en historische feiten om voorspellingen te maken van toekomstige gebeurtenissen.
 

Leerdoelen
Het ontwerpen en gebruik maken van een architectuur waarin de gegevens uit interne en externe informatiesystemen worden verzameld, vastgelegd en als informatie beschikbaar gesteld worden aan het hoger management en andere belanghebbenden binnen een organisatie (Business Intelligence), ten behoeve van het analyseren van procesprestaties.
Door datamining toe te passen op databases van bijvoorbeeld klanten, transacties of gebeurtenissen, kan snel diepgaand inzicht worden verschaft en kunnen modellen worden gebouwd die typische eigenschappen herkennen en individueel gedrag kunnen voorspellen. Deze optimale informatiepositie resulteert in betere beslissingen en meer effectiviteit op strategisch, tactisch en operationeel niveau. De gemeente kan aan de hand van deze techniek de WOZ waarde van individuele woningen berekenen.
 

Werkvormen

  • Hoorcollege
  • Daarna practicum aan de hand van de lesopdrachten
  • Gastdocent college
  • Samenwerking met bedrijfspartners

 

Studiematerialen

  • Studiemateriaal wordt beschikbaar gesteld via de portal.
  • Leendictaten

 

 

Modulewijzer: 

Les Werkvorm Inhoud
Les 1 Hoorcollege
Practicum
Inleiding datamining
Casus taxeren van woningen
Les 2 Hoorcollege
Practicum
Crisp Data Mining fase 1:
Business Understanding 
- Data mining opdrachten
Les 3 Hoorcollege
Practicum
Crisp Data Mining fase 2:
Data understanding 
-Data mining opdrachten
Les 4 Hoorcollege
Practicum
Crisp Data Mining fase 3: Data preparative 
- Data mining opdrachten
Les 5 Hoorcollege
Practicum
Verkoopproces uitvoeren
Crisp Data Mining fase 4: Modellering - Data mining opdrachten
Les 6 Hoorcollege
Practicum
Crisp Data Mining fase 5: Evaluation  - Data mining opdrachten
Les 7 Hoorcollege
Practicum
Datamining eindopdracht voor een bedrijf
Les 8 Practicum Bedrijfsopdracht