Samenvatting Methoden en technieken
Topic 1 – Probleemstelling en onderzoeksvraag:
Probleemstelling: een concrete formulering van de vraag van de opdrachtgever
Voorbeeld van probleemstelling:
“Hoe kan stad Leuven meer ontspanning aanbieden aan de inwoners van de stad?“
“Als stad Leuven de buurt aan de vaart wil opwaarderen en terug meer leven wil
inblazen, wat zijn dan rendabele investeringen?”
Wat wil je onderzoeken?
Onderzoeksvraag stellen: uw onderzoek afbakenen
Insights deskresearch:
Raadplegen bestaande informatiz
Formuleren onderzoeksvraag: onderzoek afbakenen
Extern: gratis, extern aangekocht of interne gegevens
Onderzoeksvraag:
Onderzoeksvraag moet scherp en helder geformuleerd zijn en de vraag moet haalbaar en
realistisch zijn die een antwoord geeft op de probleemstelling van de opdrachtgever.
Onderzoeksvraag mag niet te breed en niet te smal zijn:
Te brede onderzoeksvraag: risico dat je door het bos de bomen niet meer ziet.
Te smalle onderzoeksvraag: vaak te snel klaar met je onderzoek en moeilijk om veel
diepgang aan je onderzoek te geven – advies mogelijk richting opdrachtgever?
Onderzoeksvraag moet dus SMART geformuleerd zijn
Voorbeeld van onderzoeksvraag:
“In welke mate zijn de verschillende stakeholders (buurtbewoners, studenten,
toeristen) geïnteresseerd in de aanleg van een zwembad aan de vaart in 2022?”
“Wat zijn relevante alternatieven voor recreatie aan de vaart die stad Leuven de
komende 3 jaar kan realiseren en die op minimale weerstand stuiten bij de
verschillende stakeholders?”
Deelvragen: onderzoeksvraag delen in deelvragen om onderzoek beter te kunnen uitvoeren
Voorbeeld van deelvragen:
, Wie zijn stakeholders? Hoeveel zijn er? Wat is hun belang bij beslissingsproces?
Wat is hun visie op hoeveelheid recreatieve alternatieven in Leuven? Tekort? Teveel?
Welke alternatieven van recreatie stellen zijn voor? Doelgroep? Gebruiksfrequentie?
Waar zouden zij deze alternatieven aanbieden in Leuven?
Problemen en mogelijk antwoord:
Trendwatching = influencers
Strategische marktanalyse = deskresearch
Nieuwe producten proeven = op locatie producten vergelijken
Marktaandeel voorspellen = prognoses met sales data/big data
Behoeften prospecten in kaart brengen = diepte interviews
Website optimaliseren= google analytics
Brainstorming over innovaties = focusgroep
Claims testen = online vragenlijst
Topic 2 – Deskresearch:
Zwembad aan de vaart project in Leuven
Om alle betrokken stakeholders in kaart te brengen: overheid, stad Leuven,
bewoners, bedrijven, …
En op zoek te gaan naar alle mogelijke voor- en nadelen van een zwembad aan de
vaart, om zo een duidelijke onderzoeksvraag af te bakenen.
Waar zou je je onderzoek beginnen en welke bronnen zou je gebruiken?
Klassikale brainstorm
Informatiebronnen:
Desk research = secundaire info = intern en extern
Field research = primaire info = observaties en interviews = zelf bevragen/verzamelen
Eigen klanten behoren tot interne bronnen en klanten van concurrentie behoren tot
externe klanten
Secundaire externe bronnen:
, Social scraping
Sociale media
GPS tracking
Syndicated services
Klachten extern of intern (hangt af van situatie)
Openbare publicaties
Chat GPT
Internet
Bedrijfswebsites
Secundaire interne bronnen:
Google analytics
Sales data
Klachten intern of extern (hangt af van situatie)
Syndicated services:
Social scraping:
Chat GDP:
Crowd sourcing:
Tellingen:
Etnografie:
Neuromarketing:
Mystery shopper:
Shopalong:
Waarom deskresearch?
Als hulp bij het afbakenen van prioriteiten en bij het rangschikken van deelvragen om zinvolle
informatie te vinden, om beslissingen te kunnen nemen en om te kunnen verdiepen over het
onderwerp.
Stappenplan over hoe deskresearch uitvoeren:
1. Internet: om algemene informatie op te zoeken over de p&d van het bedrijf
2. Trends en ontwikkelingen: in een bedrijfstak, sector
3. Marktonderzoeksrapporten: van brancheorganisaties: ontwikkeling bevolking en
bedrijven, inschatting grootteorde doelgroep
4. Informatie via Statbel, officiële bronnen
, 5. Nieuwsfeiten, krantenartikelen en actualiteit
6. Google (scolar): om acedemische bronnen te raadplegen
7. LIMO: voor internationale bronnen
Big data: 5V’s
Volume (Hoeveelheid): de relatie tussen de omvang van de data en de verwerkingscapaciteit.
Dit verandert snel doordat het verzamelen van informatie alleen maar meer wordt. Ook
gebeurt dit bij de ICT-capaciteit voor de opslag en verwerking.
Variety (Diversiteit): nieuwe soorten gegevens van onder andere sociale netwerken en
mobiele apparatuur komen nog bovenop de gestructureerde en al bestaande soorten
informatie vb beeldbestanden, webdocumenten, bonuskaarten …
Velocity (Snelheid): maatstaf voor de tijdelijke waarde van gegevens. De big data verandert
snel en juist daarom moeten de gestructureerde en ongestructureerde gegevensstromen
snel verwerkt worden.
Value (Complexiteit): de value kenmerkt welke waarde je uit welke gegevens kunt halen en
hoe je met de big data betere resultaten krijgt uit de gegevens die je al hebt opgeslagen. Een
goede manier om waarde aan je big data te geven is door het werken met persona’s, deze
kan je creëren op basis van de beschikbare data die je hebt over het klantgedrag.
Veracity (Kwaliteit): Deze V toont de kwaliteit en de oorsprong van de gegevens, maakt het
mogelijk ze aan te merken als twijfelachtig, conflicterend of niet-zuiver en het geeft
informatie over zaken waarvan je niet zeker weet hoe je er nou mee om moet gaan. In zekere
zin is het een hygiënefactor.
Variability (Variatie): tot slot heb je nog de variatie. Hoever en hoe snel is de structuur van je
data te veranderen? En hoe vaak verandert de vorm of de betekenis van je data?
Data science is een vakgebied dat gericht is op het verkrijgen van inzichten uit data.
Data scientists gebruiken statistische kennis, programmeervaardig-heden, sector- en
organisatiekennis om verbanden te leggen en waardevolle inzichten te destilleren.
Social scraping = qualitive big data
FOMO = fear of missing out
Voordelen voor KMO van een big data analyse:
Kostenbesparing
Omzetverhoging
Optimale prijszetting
Concurrentieel voordeel
Efficiëntere beslissingen
Topic 1 – Probleemstelling en onderzoeksvraag:
Probleemstelling: een concrete formulering van de vraag van de opdrachtgever
Voorbeeld van probleemstelling:
“Hoe kan stad Leuven meer ontspanning aanbieden aan de inwoners van de stad?“
“Als stad Leuven de buurt aan de vaart wil opwaarderen en terug meer leven wil
inblazen, wat zijn dan rendabele investeringen?”
Wat wil je onderzoeken?
Onderzoeksvraag stellen: uw onderzoek afbakenen
Insights deskresearch:
Raadplegen bestaande informatiz
Formuleren onderzoeksvraag: onderzoek afbakenen
Extern: gratis, extern aangekocht of interne gegevens
Onderzoeksvraag:
Onderzoeksvraag moet scherp en helder geformuleerd zijn en de vraag moet haalbaar en
realistisch zijn die een antwoord geeft op de probleemstelling van de opdrachtgever.
Onderzoeksvraag mag niet te breed en niet te smal zijn:
Te brede onderzoeksvraag: risico dat je door het bos de bomen niet meer ziet.
Te smalle onderzoeksvraag: vaak te snel klaar met je onderzoek en moeilijk om veel
diepgang aan je onderzoek te geven – advies mogelijk richting opdrachtgever?
Onderzoeksvraag moet dus SMART geformuleerd zijn
Voorbeeld van onderzoeksvraag:
“In welke mate zijn de verschillende stakeholders (buurtbewoners, studenten,
toeristen) geïnteresseerd in de aanleg van een zwembad aan de vaart in 2022?”
“Wat zijn relevante alternatieven voor recreatie aan de vaart die stad Leuven de
komende 3 jaar kan realiseren en die op minimale weerstand stuiten bij de
verschillende stakeholders?”
Deelvragen: onderzoeksvraag delen in deelvragen om onderzoek beter te kunnen uitvoeren
Voorbeeld van deelvragen:
, Wie zijn stakeholders? Hoeveel zijn er? Wat is hun belang bij beslissingsproces?
Wat is hun visie op hoeveelheid recreatieve alternatieven in Leuven? Tekort? Teveel?
Welke alternatieven van recreatie stellen zijn voor? Doelgroep? Gebruiksfrequentie?
Waar zouden zij deze alternatieven aanbieden in Leuven?
Problemen en mogelijk antwoord:
Trendwatching = influencers
Strategische marktanalyse = deskresearch
Nieuwe producten proeven = op locatie producten vergelijken
Marktaandeel voorspellen = prognoses met sales data/big data
Behoeften prospecten in kaart brengen = diepte interviews
Website optimaliseren= google analytics
Brainstorming over innovaties = focusgroep
Claims testen = online vragenlijst
Topic 2 – Deskresearch:
Zwembad aan de vaart project in Leuven
Om alle betrokken stakeholders in kaart te brengen: overheid, stad Leuven,
bewoners, bedrijven, …
En op zoek te gaan naar alle mogelijke voor- en nadelen van een zwembad aan de
vaart, om zo een duidelijke onderzoeksvraag af te bakenen.
Waar zou je je onderzoek beginnen en welke bronnen zou je gebruiken?
Klassikale brainstorm
Informatiebronnen:
Desk research = secundaire info = intern en extern
Field research = primaire info = observaties en interviews = zelf bevragen/verzamelen
Eigen klanten behoren tot interne bronnen en klanten van concurrentie behoren tot
externe klanten
Secundaire externe bronnen:
, Social scraping
Sociale media
GPS tracking
Syndicated services
Klachten extern of intern (hangt af van situatie)
Openbare publicaties
Chat GPT
Internet
Bedrijfswebsites
Secundaire interne bronnen:
Google analytics
Sales data
Klachten intern of extern (hangt af van situatie)
Syndicated services:
Social scraping:
Chat GDP:
Crowd sourcing:
Tellingen:
Etnografie:
Neuromarketing:
Mystery shopper:
Shopalong:
Waarom deskresearch?
Als hulp bij het afbakenen van prioriteiten en bij het rangschikken van deelvragen om zinvolle
informatie te vinden, om beslissingen te kunnen nemen en om te kunnen verdiepen over het
onderwerp.
Stappenplan over hoe deskresearch uitvoeren:
1. Internet: om algemene informatie op te zoeken over de p&d van het bedrijf
2. Trends en ontwikkelingen: in een bedrijfstak, sector
3. Marktonderzoeksrapporten: van brancheorganisaties: ontwikkeling bevolking en
bedrijven, inschatting grootteorde doelgroep
4. Informatie via Statbel, officiële bronnen
, 5. Nieuwsfeiten, krantenartikelen en actualiteit
6. Google (scolar): om acedemische bronnen te raadplegen
7. LIMO: voor internationale bronnen
Big data: 5V’s
Volume (Hoeveelheid): de relatie tussen de omvang van de data en de verwerkingscapaciteit.
Dit verandert snel doordat het verzamelen van informatie alleen maar meer wordt. Ook
gebeurt dit bij de ICT-capaciteit voor de opslag en verwerking.
Variety (Diversiteit): nieuwe soorten gegevens van onder andere sociale netwerken en
mobiele apparatuur komen nog bovenop de gestructureerde en al bestaande soorten
informatie vb beeldbestanden, webdocumenten, bonuskaarten …
Velocity (Snelheid): maatstaf voor de tijdelijke waarde van gegevens. De big data verandert
snel en juist daarom moeten de gestructureerde en ongestructureerde gegevensstromen
snel verwerkt worden.
Value (Complexiteit): de value kenmerkt welke waarde je uit welke gegevens kunt halen en
hoe je met de big data betere resultaten krijgt uit de gegevens die je al hebt opgeslagen. Een
goede manier om waarde aan je big data te geven is door het werken met persona’s, deze
kan je creëren op basis van de beschikbare data die je hebt over het klantgedrag.
Veracity (Kwaliteit): Deze V toont de kwaliteit en de oorsprong van de gegevens, maakt het
mogelijk ze aan te merken als twijfelachtig, conflicterend of niet-zuiver en het geeft
informatie over zaken waarvan je niet zeker weet hoe je er nou mee om moet gaan. In zekere
zin is het een hygiënefactor.
Variability (Variatie): tot slot heb je nog de variatie. Hoever en hoe snel is de structuur van je
data te veranderen? En hoe vaak verandert de vorm of de betekenis van je data?
Data science is een vakgebied dat gericht is op het verkrijgen van inzichten uit data.
Data scientists gebruiken statistische kennis, programmeervaardig-heden, sector- en
organisatiekennis om verbanden te leggen en waardevolle inzichten te destilleren.
Social scraping = qualitive big data
FOMO = fear of missing out
Voordelen voor KMO van een big data analyse:
Kostenbesparing
Omzetverhoging
Optimale prijszetting
Concurrentieel voordeel
Efficiëntere beslissingen
