EVIS delivers services to transform your data to information.

Besluitvorming is een kritisch onderdeel van management. Uw succes als manager is afhankelijk van het maken van verstandige beslissingen op het juiste moment: dit garandeert succes voor u en uw bedrijf. Slechte keuzes kunnen schade veroorzaken aan uw carrière en uw team's prestaties. Deze cursus laat zien hoe waardevol en accuraat business modellering - door middel van een Data Mining aanpak - kunnen worden wanneer er goede en ethische beslissingen nodig zijn.

De huidige agressieve en veeleisende behoeften van de management praktijk moeten weten welke nuttige informatie uit de bedrijfsdatabases gehaald kunnen worden om in staat te zijn om geïnformeerde en optimale beslissingen te nemen, en op die wijze concurrentievoordeel te behalen. In the discovery process it is essential to integrate qualitative and quantitative analysis (eg Data Mining based Modeling) of business concepts. Gedurende dit ontdekkingsproces is het van essentieel belang om kwalitatief en kwantitatief analyse (bijvoorbeeld Data Mining gebaseerd Modeling) van business concepten te combineren.

In deze cursus leer je - theoretisch en praktisch - hoe je Data Mining analyse kunt verbinden aan Business Modeling om nauwkeurig elk aspect van uw kansen en risico's te evalueren. We zullen belangrijke kwesties van de business-georiënteerde data analyse helder en duidelijk uiteenzetten, en tevens zullen we enkele voorbeelden geven van Business Cases die zijn aangepakt door middel van Data Mining gebaseerde modellering. Wij benadrukken essentieële Business Modeling technieken en vaardigheden die ondersteund kunnen worden door Data Mining: uw bedrijf dient hiervan op de hoogte te zijn om optimaal op iedere zakelijke situatie te kunnen reageren, d.w.z. om het juiste product op de juiste plaats op het juiste moment, in de juiste kwantiteit en voor de juiste prijs aan te kunnen bieden.

Voor wie is deze cursus bedoeld?

De cursus is bedoeld voor data mining en business consultants en managers wiens werkzaamheden afhankelijk zijn van het trekken van de juiste conclusies uit de aanwezige gegevens. Diegenen die reeds kennis van Data Mining hebben zullen vooral over nuttige toepassing in de bedrijfswereld leren. En diegenen die vooral vertrouwd zijn met het bedrijfsleven krijgen inzicht in nieuwe Data Mining technologieën om tactische en strategische besluitvorming te ondersteunen. Of u nu een manager bent die geïnteresseerd is in het uitbreiden van zijn vaardigheden of een doorgewinterde professional op zoek om je kennisbasis te verbreden, deze oplossingsgeoriënteerde cursus biedt u betrouwbare antwoorden.

De cursus kan onmiddellijk worden toegepast om uw eigen problemen op te lossen, zoals: "Wat zijn de kenmerken van uw belangrijkste klanten?", "Hoe kunt u uw klanten binden?", "Welke goederen moet aangeboden worden aan deze klant? ", "Wat is de kans dat een bepaalde klant op een geplande aanbieding zal reageren? ", "Waarom verlaten klanten uw bedrijf, en hoe voorkom je dat?", " Welke potentiële klanten moet je vermijden?", "Kun je voorspellen wat de meest winstgevende effecten zijn om te kopen/verkopen tijdens de komende handelssessie?", "Zal deze klant zijn lening op tijd terugbetalen?", of "Hoeveel (schade-)claims kun je op de korte termijn verwachten?".

De modelleertechnieken die in deze cursus gepresenteerd worden kunnen ook goed worden toegepast om problemen op te lossen die zich voordoen in andere zakelijke gebieden zoals business optimalisatie (Hoe kunt u uw kosten verlagen?), of zelfs in andere expertise gebieden zoals telecom (Hoe groot zullen de piekbelastingen op het telefoon-of energie-netwerk worden?), banken (Hoe kan men fraude detecteren?, credit card marketing, of voorspellend life-cycle management), detailhandel (Hoe kunnen we onze klantenrelaties verbeteren?, koopgedrag analyse, verkooop prognoses, database marketing, etc), en medische zorg (Welke medische diagnose is het meest waarschijnlijk?, Hoe kunnen we de kosten minimaliseren bij behoud van kwaliteit?, Hoe goed is de kwaliteit van onze zorg?).

Voor meer voorbeelden, zie de toepassingsgebieden op deze website (menu Toepassingen).

Cursus inhoud

Deze cursus biedt een duidelijke, pragmatische methodologie, tools en voorbeelden om business situaties of problemen in kwalitatieve modellen om te vormen. Daarna, door gebruik te maken van data mining, worden deze kwalitatieve modellen omgezet in kwantitatieve, door Data Mining ondersteunde modellen die oplossingen voor uw bedrijfsproblemen bieden. Ook laat de cursus u zien hoe u de verkregen resultaten moet interpreteren in de context van het probleem. De cursus is verdeeld in drie delen:

Deel I: Het juiste business model bepalen voor uw situatie

U leert hier uw modelleerkennis en vaardigheden aan te scherpen door het:

• Formuleren van een business probleem op dusdanige wijze dat het meteen gebruikt kan worden voor Data Mining
• Interactief verkennen van de situatie die moet worden gemodelleerd
• Gebruik van exploratieve tools: mindmaps, cognitieve kaarten en cognitieve modellen
• Identificeren en onthullen van verborgen aannames, vooroordelen, biases, mogelijkheden, sociale en culturele interacties
• Modeleren van zakelijke situaties door gebruik te maken van fysische systeem metaforen
• Construeren van business modellen als dynamische systemen binnen een specifiek contextueel
  
• Gebruik van Business Models om mogelijke strategieën, tactieken, risico's en benchmark te beoordelen
• Herkennen business problemen waarvoor data mining geschikt is
• Afstemmen van de verwachtingen van cliënt/stakeholder

Deel II: Bepaal het meest geschikt Data Mining model

Hoe kunnen we ons business model vertalen naar een Data Mining model, oftewel hoe maken we ons kwalitatieve model kwantitatief:

• Identificeer de belangrijkste plekken binnen het bedrijfsproces om gegevens te verzamelen: vooral daar waar de informatiestroom over functionele grenzen heengaat
• Identificeer en gebruik data om het meest nauwkeurige model dat de situatie beschrijft te creëren
• Selecteer de Data Mining Modeling techniek (Relatie, Context, Forecast en Check) die het meest geschikt is voor een bepaalde soort procesmanipulatie
• Selecteer welke type Data Mining model het meest geschikt is voor welk type business problem
• Develop and refine the proposed Data Mining approach using the compelling example of Customer Relationship Management (CRM) Model
  
• Ontwikkel en verfijn de gekozen Data Mining benadering: als voorbeeld maken we gebruik van het Customer Relationship Management (CRM) Model

Deel III: Interpretatie van de resultaten en model invoering

Het laatste deel bestaat uit:

• Veel voorbeelden van problemen die men kan verwachten bij het implementeren van het model
• Hoe men met deze problemen kan omgaan
• Een gemeenschappelijk kader voor alle fasen van de model invoering
• Het effect dat de verschillende modellen kunnen hebben op uw bedrijf
• Motivatie voor succes