Resume
Samenvatting data driven management
- Cours
- Data driven management
- Établissement
- UC Leuven-Limburg
samenvatting data driven management (combinatie van Engels en Nederlands)
[Montrer plus]
Vendeur
S'abonner
Aperçu du contenu
Data driven managementExamen: multiple choice (60%) zonder giscorrectie
Inhoudsopgave
1 Data Fundamentals ................................................................................................................................ 4
1.1 Data ....................................................................................................................................................... 4
1.1.1 Data in the 70’s & 80’s....................................................................................................................... 4
1.1.2 Big data producers: sensors .............................................................................................................. 4
1.1.3 Big data producers: IOT ..................................................................................................................... 5
1.1.4 Big data producers: the internet ....................................................................................................... 5
1.1.5 Big data producers: databases .......................................................................................................... 5
1.1.6 5 V’s of Big Data................................................................................................................................. 5
1.2 Use Cases ............................................................................................................................................... 7
1.3 Data Value Chain ................................................................................................................................. 10
1.3.1 Data value chain: from production to impact ................................................................................. 10
1.4 Data products ...................................................................................................................................... 13
1.4.1 Data product – definition ................................................................................................................ 13
1.4.2 Example 1: strawberry harvest prediction ...................................................................................... 14
1.4.3 Example 2: self-driving cars ............................................................................................................. 14
1.4.4 Example 3: smart thermostat .......................................................................................................... 14
1.4.5 Product format ................................................................................................................................ 15
1.4.6 Consumption archetype .................................................................................................................. 16
1.4.7 Data products specificities............................................................................................................... 17
1.5 Implementation ................................................................................................................................... 18
1.5.1 Frequency ........................................................................................................................................ 18
1.5.2 Pipelines .......................................................................................................................................... 19
1.5.3 Governance ..................................................................................................................................... 21
1.6 Recap lesson 1 ...................................................................................................................................... 22
2 Chapter II - Descriptive analysis ............................................................................................................ 23
2.1 Types of data........................................................................................................................................ 23
2.1.1 Example: hotel reviews data ........................................................................................................... 23
2.1.2 Terminology..................................................................................................................................... 24
2.1.3 Types of data ................................................................................................................................... 24
2.2 Descriptive analytics ............................................................................................................................ 26
.......................................................................................................................................................................... 26
2.2.1 Univariate analysis........................................................................................................................... 27
2.2.2 Bivariate........................................................................................................................................... 28
2.2.3 Multivariate analysis........................................................................................................................ 30
2.3 Before you start ................................................................................................................................... 30
1
, 2.3.1 Context ............................................................................................................................................ 30
2.3.2 Bias .................................................................................................................................................. 31
2.4 Recap lesson 2 ...................................................................................................................................... 33
3 Quadrant analysis ................................................................................................................................. 34
4 Data visualization ................................................................................................................................. 37
4.1 Goal of data visualization .................................................................................................................... 37
4.2 Dimensions, metrics & aggregation ..................................................................................................... 37
4.2.1 Definitions ....................................................................................................................................... 37
4.3 History .................................................................................................................................................. 40
4.4 Visual perception ................................................................................................................................. 41
4.4.1 Principles of visual perception......................................................................................................... 41
4.5 Common visualizations ........................................................................................................................ 43
4.6 Simple text ........................................................................................................................................... 44
4.7 Line graph ............................................................................................................................................ 44
4.8 Heatmap .............................................................................................................................................. 45
4.9 Waterfall .............................................................................................................................................. 45
5 Data Storytelling................................................................................................................................... 45
5.1 KPIs....................................................................................................................................................... 45
5.1.1 Advantages of KPIs .......................................................................................................................... 47
5.2 Dashboarding....................................................................................................................................... 48
5.2.1 Data value chain .............................................................................................................................. 48
5.3 The story of Ignaz Semmelweis ............................................................................................................ 51
5.4 Data storytelling .................................................................................................................................. 52
5.5 Best practices ....................................................................................................................................... 54
5.5.1 Structure the data story .................................................................................................................. 54
5.5.2 Provide context ............................................................................................................................... 55
5.5.3 Selecting the right data ................................................................................................................... 56
5.5.4 Use the right visuals to tell the data story ....................................................................................... 57
5.5.5 Use text............................................................................................................................................ 60
5.6 examples .............................................................................................................................................. 61
6 Data Quality ......................................................................................................................................... 64
6.1 Article: data quality (toledo) ................................................................................................................ 64
7 Gastles VRTNws: inleiding tot de datajournalistiek ............................................................................... 66
7.1 Wat is datajournalistiek? ..................................................................................................................... 66
7.2 Waarom datajournalistiek? ................................................................................................................. 66
7.3 Het doel van datajournalistiek ............................................................................................................. 67
2
, 7.4 Wat doet een datajournalist? .............................................................................................................. 67
8 Advanced Analytics .............................................................................................................................. 67
8.1 Four types of analytics ......................................................................................................................... 67
8.2 Artificial intelligence ............................................................................................................................ 71
8.3 Exercise: AI cases (toledo) .................................................................................................................... 74
9 Artificial intelligence ............................................................................................................................. 75
9.1 History .................................................................................................................................................. 75
9.2 Algorithms............................................................................................................................................ 77
9.3 AI generation 1 – Search ...................................................................................................................... 77
9.4 AI generation 2 – Machine learning ..................................................................................................... 79
9.5 AI generation 3 – Deep learning .......................................................................................................... 82
3
, 1 Data Fundamentals
1.1 Data
1.1.1 Data in the 70’s & 80’s
• Floppy disk
• 1.44 MB – 2.88 MB
• How big are they?
1.1.2 Big data producers: sensors
• Bijvoorbeeld aan een rood licht zitten sensoren die continu data genereren als er auto’s over
de sensoren rijden.
• Ook bij auto’s die rijden wordt er constant data getrackt
• In de haven van antwerpen staat een Inose, dit is een digitale neus die elke 2 seconden stoffen
gaan detecteren in de lucht, zwafel en Co2.
4
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur janehillewaere. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €7,49. Vous n'êtes lié à rien après votre achat.
Peut-on faire confiance à Stuvia ?
4.6 étoiles sur Google & Trustpilot (+1000 avis)
52510 résumés ont été vendus ces 30 derniers jours
Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans