Tijdens de opleiding

In de mastermodule Data Driven Decision Making (5EC) leer je de aanpak van een datagedreven besluitvormingstraject te ontwikkelen. Je ontwikkelt op conceptueel niveau basiskennis op het gebied van applied data science en datagedreven besluitvorming. Met de basiskennis op het gebied van applied data science ga je ontdekken hoe je op systematische wijze een business probleem (of kans of uitdaging) kunt ontrafelen, je deze vertaalt naar een concreet analytics-doel en een bijbehorende vraagstelling op kunt stellen. Deze probleemdefinitie (probleem + doel + vraag) zet je vervolgens om in een conceptueel model en een operationalisatie van de concepten, waarmee je de data scientist kunt instrueren.

Met de basiskennis op het gebied van datagedreven besluitvorming, ga je ontdekken hoe je relevante stakeholders uit verschillende disciplines kunt identificeren, hoe besluitvormingsprocessen in het algemeen en strategische besluitvormingstrajecten in het bijzonder verlopen, en hoe je storytelling kunt inzetten om besluitvorming te beïnvloeden.

De technologische ontwikkelingen gaan razendsnel. In de mastermodule Information Systems (5EC) maak je kennis met de verschillende soorten informatiesystemen die als bron voor data-analyse kunnen dienen. Van Enterprice Resource Planning (ERP) en Material Requirements Planning (MRP) via Business Process Management (BPM), Customer Relationship Management (CRM), Business Rules Management (BRM), Extract, Transform, Load (ETL), Data Warehouse (DWH), Business Intelligence (BI), en Internet of Things (IoT) naar Twitter en Artificial Intelligence (AI) en de rol en impact van de Cloud in dit alles.

De focus ligt hierbij op de samenhang en samenwerking tussen verschillende typen informatiesystemen in het applicatielandschap, in het bijzonder hoe datageneratie, -collectie, -verwerking en -visualisatie kunnen worden gecombineerd. Deze module legt de basis voor het kunnen plaatsen en duiden van de specifieke technieken die in andere modules besproken en gebruikt worden.

In deze mastermodule Programming & Modeling (5EC) staat het programmeren in Python ten behoeve van data science centraal. Python is de snelstgroeiende programmeertaal voor het uitvoeren van data science toepassingen. Bedrijven wereldwijd gebruiken Python om inzichten uit hun gegevens te oogsten en een voorsprong op de concurrentie te nemen. Python heeft inmiddels een grote gebruikerscommunity.

In deze module zul je diverse veelgebruikte packages de revue zien passeren, evenals basis-Pythonelementen als datatypes, database connectie, functies en controlestructuren. Je leert data te visualiseren met behulp van de belangrijkste Python-bibliotheken. Daarnaast komt uitgebreid aan de orde hoe je je verhaal het beste met een visualisatie kunt brengen (wat is effectief en wat niet?) en hoe je het juiste type visualisatie voor de gegeven situatie kiest.

In de mastermodule Digital Ethics (5EC) staan het helder redeneren en de persoonlijk reflectie rondom ethische dilemma’s op het gebied van Data Driven Business centraal.

In de mastermodule Machine Learning & Visualisation (5EC) staat het ‘zelf leren’ van de machine, de computer, centraal. De computer leert steeds beter relaties en patronen te ontdekken in grote hoeveelheden data en kan daardoor dus ook voorspellingen doen. Machine Learning vormt daarmee een van de mogelijkheden om kunstmatige intelligentie te realiseren.

In deze module leer je de concepten supervised, semi-supervised en unsupervised learning kennen. Ook krijg je inzicht in state-of-the-art deep learning technieken. Denk hierbij aan reinforcement learning, artificial neural networks, speech recognition en natural language processing. Ook de ethische aspecten van de toepassingen van machine learning komen aan bod. 

In de mastermodule Data Exploration (5EC) staat het verzamelen, exploreren en analyseren van data centraal. Een gebrekkige data-kwaliteit vormt één van de grootste problemen voor data scientists. Het credo ‘garbage in, garbage out’ geldt zeker op het gebied van data science. Een betrouwbare en valide dataverzameling en data-analyse vormen daarom de eerste stappen bij het verantwoord gebruik maken van data voor doeleinden zoals besluitvorming.

In deze module leer je bijvoorbeeld hoe je data kunt ophalen (‘scrapen’) vanuit externe bronnen zoals Twitter. Ook leer je door middel van exploratieve analyses hoe je de kwaliteit van de data kunt borgen en data kunt visualiseren, en hoe je complexe datasets kunt analyseren met inferentiële analysetechnieken. Je maakt hierbij steeds gebruik van een gangbare analysetool: SPSS. In deze module krijg je een stevige basis aan statistiek mee, waarvan je zonder twijfel profijt hebt tijdens het vervolg van je master.

In de mastermodule Data Privacy (5EC) vertaal je de kennis van de actueel geldende nationale en Europese wetgeving op het gebied van dataverzameling en -analyse naar concrete implicaties voor datagedreven besluitvorming in organisaties. Hierbij maak je (nader) kennis met bijvoorbeeld de Algemene verordening gegevensbescherming (AVG), het doelbindingselement, het verschil tussen gewone en bijzondere persoonsgegevens en verschillende methodieken van het anonimiseren van persoonsgegevens.

Ook leer je hoe je een Privacy Impact Assessment (PIA) wordt uitgevoerd en maak je kennis met de wijze waarop er in Nederland toezicht wordt gehouden op data privacy en de rol die de Autoriteit Persoonsgegevens (AP) hierbij speelt. Daarnaast worden het voorstel voor de e-Privacy verordening en de gevolgen voor datagebruik en -analyse besproken.

In de verdiepingsmodule Analytics for Life Sciences & Chemistry ontwikkel jij je tot data expert in de Life Sciences, Chemie of Chemische Procestechnologie.

De rol van Big Data en Artificiële Intelligentie (AI) neemt toe in het Life Sciences, Chemische en Chemisch Technologische werkveld. Vooral voor onderzoeksprojecten maar ook voor grootschalige productieprocessen is AI en het genereren en verwerken van grote hoeveelheden data steeds belangrijker. Denk hierbij aan het voorspellen van 3D eiwitstructuren, het diagnosticeren van ziekten, het ontwikkelen van nieuwe medicijnen, en het optimaliseren van chemisch productie- en analyse processen. 

Maar hoe zet je AI en Big Data het beste in voor zo’n toepassing? Tijdens deze module leer je hoe je dit doet. Je bent als Scientific Analytics Translator de brug tussen Big Data, AI, de data science en de organisatie of het onderzoek.

In de verdiepingsmodule Data Analytics bekwaam je je - vanuit een IT-perspectief - in de inrichting van een datagedreven organisatie. Je wordt opgeleid als data steward.

Ongeacht in welke organisatie je komt te werken, als er een digitale transformatie van jouw organisatie nodig is, zal vanuit de IT een technologische basis gelegd moeten worden die de business in staat stelt om deze transformatie daadwerkelijk te realiseren. In deze verdieping leer je over data-architectuur (als onderdeel van de enterprise architectuur), data-integratie en interoperabiliteit, data warehousing (data lakes), data governance, data quality. en data security.

Kortom, je zorgt voor een stabiele infrastructurele basis om vanuit hier datagedreven oplossingen voor de business te ontwerpen, realiseren en beheren. Je doet dit op basis van het DMBOK wat een body of knowledge beschrijft voor datamanagement vanuit het IT-perspectief.

In de verdiepingsmodule Strategy Analytics bekwaam je je in de rol van Digital Transformation Leader. Je leert hoe je organisaties kunt transformeren tot data-driven organisaties die kunnen anticiperen op veranderingen in een complexe omgeving.

Met deze verdieping kun je na je afstuderen direct aan de slag als datagedreven business analist die organisaties ondersteunt in het uitstippelen en uitvoeren van een datagedreven strategie. De verdieping is met name aantrekkelijk voor studenten die een toekomstige functie als Chief Data Officer ambiëren of een soortgelijke functie waarin de rol van Digital Transformation Leader uitgeoefend wordt, waarbij het tonen van digitaal leiderschap centraal staat.

In de verdieping leer je processen te optimaliseren en deze op elkaar af te stemmen ter verbetering van de organisatieperformance én het toekomstbestendig maken van de organisatie. Je leert een datagedreven businessplan te ontwikkelen met nadruk op digitale innovatie en business transformation management, en je weet dit businessplan op een aansprekende en overtuigende manier te communiceren.

In de verdiepingsmodule People Analytics bekwaam je je in de rol van People Analytics Translator. Je leert op conceptueel en analytisch niveau de verbinding te leggen tussen de belangen en vragen van de business en de daaraan gerelateerde people factoren, om vervolgens de vertaling te maken naar de wereld van de data scientist.

De verdieping People Analytics is aantrekkelijk voor studenten die een rol als HR analytics expert, People Analytics translator, HR-adviseur of HR-manager ambiëren. Ook wanneer je een lijnmanagementfunctie nastreeft, geeft deze verdieping je een voorsprong op de arbeidsmarkt. Het strategisch eigenaarschap voor het aannemen, ontwikkelen, en aansturen van de ‘people’ in een organisatie, ligt immers bij het lijnmanagement.

In de verdieping vertaal je de kern van een business probleem naar een wetenschappelijk gefundeerde onderzoeksopzet binnen het people analytics domein. Het wetenschappelijk fundament bestaat hierbij uit theorieën en modellen op het gebied van bijvoorbeeld Human Resource Management, arbeid- en organisatiepsychologie, veranderkunde, Digital HR en Technology Acceptance.

In de verdiepingsmodule Marketing Analytics bekwaam je je als marketing analist of customer insights manager. Je leert hoe je meer effect kunt hebben met marketingacties door middel van datagedreven analyses.

Deze verdieping is interessant voor studenten die zich willen verdiepen in marketinganalyse en zich dus met name bezig willen houden met data van klanten. Je leert om datagedreven interventies te adviseren voor klant- en kanaalstrategie. Je zorgt hiermee voor een relevantere en winstgevendere klantinteractie. Naast datavisualisatie en data-analyse, leer je hoe je op een aansprekende en overtuigende manier de uitkomsten van jouw analyses communiceert naar relevante stakeholders.

Met deze verdieping kun je na je afstuderen aan de slag in een marketingteam van een datagedreven organisatie, marktonderzoek- of consultancybureau.

In de verdiepingsmodule Finance Analytics bekwaam je je in de rol van een financieel analist. Je doet kennis op over de fundamentele aspecten van data-analyse in een financiële context.

Met deze verdieping leer je hoe je financiële data kunt transformeren tot bruikbare informatie om strategische problemen op te lossen. Je leert hierbij hoe je financiële data moet importeren, transformeren, visualiseren en analyseren. Ook leer je om vooruit te kijken en scenario-analyses te ontwerpen. Je maakt werkbare modellen en leert daarnaast hoe je technologie op een passende wijze kunt inzetten in de financiële sector. We bespreken hierbij de verschillende toepassingsmogelijkheden voor zowel het MKB als beursgenoteerde ondernemingen.

De verdieping geeft je de benodigde handvatten om als financieel analist aan de slag te gaan in datagedreven bedrijven in de financiële sector. Naast datavisualisatie en data-analyse, leer je hoe je op een aansprekende en overtuigende manier de uitkomsten van jouw analyses communiceert naar relevante stakeholders.

In de afstudeereenheid van het masterprogramma staat het de zelfstandige uitvoering van het empirische deel van een onderzoek centraal. Deze afstudeereenheid volgt dan ook op de verdiepingsmodule waarin je een onderzoeksvoorstel hebt gemaakt.

In de afstudeereenheid ga je een disciplinespecifieke praktijkoplossing creëren ten behoeve van een multidisciplinair business probleem. Je levert uiteindelijk een portfolio met drie producten op:

• een praktijkoplossing op basis van een zelfstandig uitgevoerd systematisch onderzoek,
  • denk aan een ontwerp, artefact, prototype, app, instrument, methode, beleidsopzet, aanpak, architectuur, plan of opzet;
• een procesbeschrijving waaruit de navolgbaarheid van de totstandkoming van deze praktijkoplossing blijkt;
• een uiting op professioneel niveau waarin je reflecteert op de bruikbaarheid van de oplossing voor de praktijk,
  • bijvoorbeeld een artikel, een video, of een podcast.

Je sluit de afstudeereenheid af met een criteriumgericht interview, waarbij je familie, vrienden en collega-studenten van harte welkom zijn.

In de afstudeereenheid van het masterprogramma staat het de zelfstandige uitvoering van het empirische deel van een onderzoek centraal. Deze afstudeereenheid volgt dan ook op de verdiepingsmodule waarin je een onderzoeksvoorstel hebt gemaakt.

In de afstudeereenheid ga je een disciplinespecifieke praktijkoplossing creëren ten behoeve van een multidisciplinair business probleem. Je levert uiteindelijk een portfolio met drie producten op:

• een praktijkoplossing op basis van een zelfstandig uitgevoerd systematisch onderzoek,
  • denk aan een ontwerp, artefact, prototype, app, instrument, methode, beleidsopzet, aanpak, architectuur, plan of opzet;
• een procesbeschrijving waaruit de navolgbaarheid van de totstandkoming van deze praktijkoplossing blijkt;
• een uiting op professioneel niveau waarin je reflecteert op de bruikbaarheid van de oplossing voor de praktijk,
  • bijvoorbeeld een artikel, een video, of een podcast.

Je sluit de afstudeereenheid af met een criteriumgericht interview, waarbij je familie, vrienden en collega-studenten van harte welkom zijn.