Summary Data Science 1 Inleiding Wouter Deketelaere

Data Science 1 Inleiding Wouter Deketelaere Data Science 1 Inleiding Wouter Deketelaere Kris Demuynck Herwig De Smet Roeland De Meester Maarten Heylen Quote van de week “All data has its beauty, but not everyone sees it” Damian Mingle Agenda • Waarom data Science? • Het vak Data Science • Situering • Klassiek (statistisch) onderzoek: onderzoeksfasen • Data Science - Aanpak • Software “Data Science - deel 1” Oefeningen Waarom Data Science? Als IT-er ondersteun je de business: • veel data zit in databanken: koopgedrag, tweets, zoektermen, cookies, surfgedrag, app-gebruik, ... • meer en meer real-time data • noodzaak om trends, verbanden,… te zoeken in data om aan de beslissingsnemers business relevante informatie te leveren. • basiskennis van Big Data, Data Management, Business Intelligence, Data Analytics,… zijn hierbij essentieel (zie volgende slide). • schrijven van de juiste query’s • prepareren van data • uitvoeren van berekeningen op de data • … Bron: AnalyticsWeek and Business Over Broadway (2015) Voorbeelden van business vragen: • de verkoop daalt plots sterk in een bepaalde regio. Hoe komt dit? Wat kunnen we eraan doen? • welke strategie moeten we volgen om een bepaald product meer te laten opbrengen? • op welke manier moeten we bepaalde klanten benaderen om ze een bepaald product aan te prijzen? • hoeveel moeten we produceren van ieder product om de meeste winst te boeken? • kunnen we voorspellen wat onze winst zal zijn als we bepaalde acties ondernemen? • bestaat er een verband tussen de verkoop van bepaalde producten? Als IT-er heb jezelf behoefte aan informatie vb. bij systeem- en netwerkbeheer (welk systeem is het beste? gebruiksstatistieken, actieve monitoring,…) Als IT-er bied je services aan aan je interne en externe klanten/gebruikers. Hierover werden er afspraken gemaakt en dien je te rapporteren o.a.: • respecteren van Service Level Agreements, • behalen van objectieven (gemeten a.d.h.v. Key Performance Indicators –KPI’s-) Als IT-er dien je de IT services geleverd door jouw IT-leveranciers op te volgen  de underpinning contracts Om op deze vragen en behoeften antwoord te bieden zijn data science technieken nodig: • kengetallen van data vinden • smart data uit Big data halen • data visualiseren, filteren • toetsing van hypothesen • regresssie-analyse • correlaties zoeken • interpolatie en extrapolatie • optimalisatie • beslissingsbomen • clustering • forecasting • machine learning • ... Factchecking, fake news en jouw wereldbeeld • Surf naar • Doe de Gapminder Test! • Bestudeer de website eens en leer bij. Het vak Data Science  Lessen  Examen