Cursus Data Analyse voor Beginners

Les 1 • De vier analysecategorieën

Introduceert beschrijvende, diagnostische, voorspellende en prescriptieve analyses met voorbeelden. Studenten koppelen elke categorie aan specifieke bedrijfsvragen.

Les 2 • Datatypes en hun bronnen

Behandelt gestructureerde, ongestructureerde en semi-gestructureerde data naast primaire en secundaire bronnen. Bereidt studenten voor om geschikte data te identificeren voor elke analysetaak.

Les 3 • De workflow voor data-analyse

Schetst het end-to-end proces van probleemdefinitie tot inzichten opleveren. Biedt een herhaalbaar kader dat studenten gedurende de cursus toepassen.

Les 4 • Rollen en carrièrepaden in analyse

Koppelt analist-, engineer- en scientistrollen aan vereiste vaardigheden en typische verantwoordelijkheden. Helpt studenten cursusdoelen af te stemmen op carrièredoelen.

Les 1 • Sorteren, filteren en tabellen

Demonstreert sorteren, filteren op meerdere niveaus en het omzetten van bereiken naar gestructureerde tabellen. Gestructureerde tabellen maken databeheer schaalbaar en formulebewust.

Les 2 • Spreadsheet-interface en navigatie

Oriënteert studenten op rijen, kolommen, cellen en werkmapstructuur. Efficiënte navigatie vermindert fouten en versnelt al het verdere spreadsheetwerk.

Les 3 • Gegevens invoeren en opmaken

Behandelt datatypes, celopmaak en consistente invoerconventies. Juiste opmaak voorkomt rekenfouten en verbetert de leesbaarheid.

Les 4 • Draaitabellen voor samenvattende analyses

Bouwt draaitabellen om gegevens te aggregeren, groeperen en kruislings te tabellen zonder formules. Studenten vatten grote datasets in minuten samen met behulp van drag-and-drop logica.

Les 1 • Duplicaten detecteren en verwijderen

Leert methoden om exacte en vage dubbele records in datasets te vinden. Het verwijderen van duplicaten zorgt ervoor dat tellingen en aggregaties het werkelijke datavolume weerspiegelen.

Les 2 • Omgaan met ontbrekende en null-waarden

Behandelt detectie-, imputatie- en verwijderingsstrategieën voor ontbrekende data. Het kiezen van de juiste strategie voorkomt vertekening en behoudt de analytische integriteit.

Les 3 • Dimensies van datakwaliteit begrijpen

Definieert nauwkeurigheid, volledigheid, consistentie, actualiteit en validiteit als kwaliteitspijlers. Studenten controleren datasets op deze dimensies om opschoningstaken te prioriteren.

Les 4 • Data standaardiseren en transformeren

Past tekstnormalisatie, datumstandaardisatie en eenheidsconversie toe op ruwe velden. Consistente notaties maken nauwkeurige samenvoegingen, filters en vergelijkingen mogelijk.

Les 1 • Subquery's en gemeenschappelijke tabeluitdrukkingen

Introduceert subquery's en CTE's om complexe logica op te splitsen in leesbare, herbruikbare stappen. Deze structuren zijn essentieel voor geavanceerde rapportage- en datapipeline-query's.

Les 2 • Meerdere tabellen samenvoegen

Demonstreert INNER, LEFT, RIGHT en FULL joins om gegevens uit tabellen te combineren. Query's met meerdere tabellen ontsluiten rijkere analyses die niet beschikbaar zijn in weergaven van één tabel.

Les 3 • Grondbeginselen van relationele databases

Legt tabellen, primaire sleutels, externe sleutels en relaties in relationele databases uit. Deze context maakt SQL-syntaxis en join-logica vanaf het begin intuïtief.

Les 4 • Basis SELECT-query's schrijven

Behandelt SELECT-, FROM-, WHERE-, ORDER BY- en LIMIT-clausules voor het ophalen van gegevens. Studenten halen gerichte subsets van gegevens uit elke relationele tabel.

Les 1 • Categorische gegevens verkennen

Gebruikt frequentietellingen, staafdiagrammen en kruistabellen om categorische variabelen te verkennen. Categorische EDA onthult segmentverschillen en stuurt groeperingsbeslissingen.

Les 2 • Univariate distributieanalyse

Analyseert eenvariabele verdelingen met behulp van histogrammen, boxplots en frequentietabellen. Het begrijpen van individuele variabelen is de voorwaarde voor multivariate analyse.

Les 3 • Essentiële beschrijvende statistiek

Behandelt gemiddelde, mediaan, modus, variantie, standaarddeviatie en percentielen voor numerieke gegevens. Deze maten vatten verdelingen samen en onthullen de centrale tendens en spreiding.

Les 4 • EDA-workflow en documentatie

Structureert EDA in een herhaalbaar, gedocumenteerd proces met samenvattingen van bevindingen. Gedocumenteerde EDA zorgt voor reproduceerbaarheid en communiceert aannames aan stakeholders.

Les 1 • Dashboardontwerp en lay-out

Past lay-outhiërarchie, witruimte en interactiviteit toe om samenhangende dashboards te bouwen. Goed ontworpen dashboards maken self-service verkenning door niet-technische gebruikers mogelijk.

Les 2 • Visualisaties bouwen met BI-tools

Demonstreert het maken van grafieken, filters en berekende velden in een business intelligence-tool. Praktijkoefening overbrugt grafiektheorie naar productieklare visuele outputs.

Les 3 • Data storytelling voor stakeholders

Structureert analytische bevindingen in een narratieve boog met context, conflict en oplossing. Storytelling transformeer data-outputs in beslissingen door inzichten te koppelen aan acties.

Les 4 • Principes van effectieve datavisualisatie

Behandelt visuele codering, pre-attentieve kenmerken en de data-inktverhouding voor grafiekontwerp. Deze principes voorkomen misleidende visuals en maximaliseren het begrip bij het publiek.

Les 1 • Python-basisprincipes voor analisten

Behandelt variabelen, datatypes, controlestroom en functies in Python. Deze basisprincipes stellen analisten in staat herbruikbare, leesbare analysescripts te schrijven.

Les 2 • Visualisatie met Matplotlib en Seaborn

Maakt lijn-, staaf-, spreidings- en distributieplots met Matplotlib en Seaborn. Python-gebaseerde visuals integreren direct in analysenotebooks voor reproduceerbare rapportage.

Les 3 • Data opschonen met pandas

Past pandas-methoden toe om nullen, duplicaten en typeconversies programmatisch af te handelen. Gescripte opschoning is reproduceerbaar en schaalbaar in vergelijking met handmatig spreadsheetwerk.

Les 4 • Aggregatie en GroupBy in pandas

Reproduceert SQL-achtige aggregatie met behulp van groupby, agg en pivot_table in pandas. Studenten produceren samenvattingstabellen en kruistabellen volledig in Python.

Les 1 • Een portfolio-klaar dashboard bouwen

Ontwerpt en publiceert een interactief dashboard dat analytische bevindingen laat zien. Een gepolijst dashboard dient als een tastbaar portfolio-artefact voor sollicitaties.

Les 2 • End-to-end datapipeline-oefening

Voert een volledige pipeline uit van het opnemen van ruwe data tot opschoning, analyse en output. Studenten ervaren de cumulatieve complexiteit van echte dataprojecten.

Les 3 • Een analyseprobleemstelling definiëren

Vertaalt een vage bedrijfsuitdaging naar een gestructureerde, meetbare analysevraag. Een precieze probleemstelling voorkomt scope creep en stuurt alle volgende analysebeslissingen.

Les 4 • Reflecteren en itereren op analyse

Beoordeelt projectbeslissingen, identificeert verbeterpunten en documenteert geleerde lessen. Gestructureerde reflectie versnelt vaardigheidsgroei en bouwt analytische volwassenheid op.