Wat is data analyse en hoe pas je de technieken toe?

Wat is data analyse? Wat is data analysis?

Data analyse of data analysis valt onder de paraplu van data analytics en vormt de onmiskenbare kern van Business Intelligence en Kunstmatige Intelligentie. Data analyse omvat een aantal deelprocessen en beslaat 5 stappen. Maar eerst geven we een definitie van data analyse:

Het afbakenen van het begrip data analyse is nog niet zo eenvoudig omdat het vaak schort aan een duidelijk beeld van wat data analyse is. In de praktijk worden de volgende begrippen vaak kriskras door elkaar heen gebruikt: data analyse, data analysis, data analytics, business analytics en business intelligence. Wat ook niet helpt is dat de meeste Engelstalige vaktermen uit de IT inmiddels helemaal vernederlandst zijn. Het Nederlandse begrip data analyse is de letterlijke vertaling van het Engelse begrip data analysis.

De 5 stappen van data analyse

Het data analyse proces begint vaak met een scherp afgebakende onderzoeksvraag. Bezint eer ge begint, denk dus eerst goed na voordat je aan de slag gaat.

Figuur 1: De vijf stappen in Data Analyse vereenvoudigd weergegeven

1. Bepaal het onderwerp: denk na over de reden van je data analyse, de onderzoeksvraag
2. Onderzoek de databronnen: bepaal de relevante databronnen en combineer ze
3. Filter de data: bepaal welke informatie relevant is voor jouw data analyse
4. Analyseer de data: keer je data binnenstebuiten met de juiste tools
5. Interpreteer de resultaten: beoordeel de resultaten en trek conclusies

Het doel van data analyse is om te komen tot een dataset die nuttige informatie bevat voor het opstellen van een rapport, een analyse of het samenstellen van een dashboard. Natuurlijk kun je ook data analyseren zonder specifieke onderzoeksvraag. Bijvoorbeeld wanneer je de data gewoon wilt verkennen en exploreren.

Data analyse betekenis en impact

Vreemd genoeg worden nog steeds veel besluiten op onderbuikgevoel genomen. Als het om data analyse gaat valt er dus nog een wereld te winnen. Sinds de opkomst van big data staat de vraag “waarom data analyse” echter niet meer ter discussie. Steeds meer mensen realiseren zich dat data het nieuwe goud is dat waardevolle inzichten kan opleveren.

Wél plaatsen mensen vraagtekens bij de toenemende automatisering en een algoritmegedreven samenleving met tal van artificial intelligence toepassingen. Een kleine geruststelling is op zijn plaats. Machine data analyseren met AI gebeurt weliswaar automatisch, maar het menselijke beoordelingsvermogen en het gezonde boerenverstand spelen ook nog een rol. Alleen hoe geef je een geavanceerde data analyse handen en voeten? Maar eerst gaan we in op de 25 data analyse technieken en de vraag: welke soorten data analyse bestaan er eigenlijk?

Top 25 data analyse technieken

Naast de verschillende soorten data analyses bestaan er enkele tientallen, meer specifieke data analyse technieken gericht op bepaalde thema’s, disciplines of sectoren. Elke zichzelf respecterende data analist zal ze kennen en kunnen toepassen. We stippen er hieronder 25 heel kort aan. Heb je vragen of wil je meer duiding of toelichting? Neem contact op met een van onze data coaches.

1. Ad hoc data analyse (ad hoc query). Dit is een data analysetechniek die je uitvoert op basis van een eenmalige onderzoeksvraag. Dit in tegenstelling tot een regelmatig terugkerend verzoek, of een meer uitgebreide, telkens terugkerende rapportagecyclus.
2. Advertentie analyse. Het meten van het effect van een (online) advertentiecampagne in print of online aan de hand van een aantal ratio’s zoals bijvoorbeeld bereik, conversie, spontane of geholpen naams- of merkbekendheid, click-through-rate (CTR) en cost per click (CPC).
3. Basket analyse (winkelmandanalyse). Een data mining analyse toegepast in de retailwereld waarbij het historische aankoopgedrag van consumenten grootschalig wordt geanalyseerd, gericht op cross selling. Welke producten koopt de consument bijvoorbeeld bijna altijd tegelijkertijd? Met deze wetenschap kun je hierop inspelen.
4. Churn analyse. Met een churn analyse ga je exact proberen te voorspellen welke klanten afscheid van jou nemen en weglopen naar een van jouw concurrenten. De churn rate is een belangrijke voorspeller voor de totale klantwaarde.
5. Cluster analyse. Dit is het classificeren of het groeperen in clusters of klassen van objecten op grond van hun kenmerken. De bedoeling is om deelverzamelingen te vormen die elk hun eigen gedeelde karakteristieken bevatten.
6. Cohort analyse. Een cohort is een groep personen die gedurende een bepaald tijdsinterval, bijvoorbeeld een kalenderjaar of een kwartaal, eenzelfde (demografische) gebeurtenis heeft meegemaakt. Met behulp van een cohort analyse kunnen marketeers of wetenschappers bepaalde patronen in verschillende gebruikersgroepen ontdekken.
7. Correlatieanalyse. Deze statistische techniek geeft de relatie weer tussen twee onafhankelijke variabalen. Het verband wordt weergegeven met een cijfer tussen -1 en +1. Het cijfer 0 geeft aan dat er geen verband is tussen de twee onderzochte variabelen.
8. Customer profitability analysis. Een data analysetechniek gericht op het vaststellen hoeveel winst een bepaalde klant oplevert voor de organisatie. Van klanten die het bedrijf op termijn te weinig opleveren zou je op termijn, in goed overleg, afscheid moeten nemen.
9. Customer Lifetime Value (CLV) analysis. Een voorspelling van de totale winstbijdrage die een klant gedurende de gehele klantrelatie gaat leveren aan de organisatie.
10. Diepteanalyse. Bij een diepteanalyse ga je eerst de informatie op globaal niveau analyseren. Daarna heb je de mogelijkheid om per onderdeel de diepte in te gaan. Dit noem je drilldown. Bij elke doorklik boor je meer gedetailleerde informatie aan. Bijvoorbeeld je drilt van provincie naar de steden of dorpen in die provincie. Vanuit een stad of dorp kun je weer doordrillen naar postcodeniveau.
11. Discriminant analyse. Een statistische techniek om van een nieuwe waarneming te bepalen bij welke van de van tevoren gedefinieerde groepen van waarnemingen deze het beste past. Bij deze data analyse is er dus sprake van een a priori opgelegde groepsindeling.
12. Financiële data analyse. Dit behelst een onderzoek naar de rentabiliteit, solvabiliteit, liquiditeit en stabiliteit van de organisatie.
13. Funnel analysis of trechteranalyse. Deze data analyse brengt in kaart welke stappen of fasen een potentiële klant chronologisch moet doorlopen in de webshop om uiteindelijk te converteren tot klant. De funnel visualiseert dus de klantreis. Bekijk hier onze aanpak ‘De Datagedreven Groeiversnellers’ waarmee we SMART funnels ontwikkelen.
14. Fuzzy logic. Een data analyse techniek die gebaseerd is op waarschijnlijkheden in plaats van absolute waarden, zoals “waar” en “onwaar”.
15. Geospatiale analyse of geo-analyse. Deze data analyse maakt onder andere gebruik van locatiedata, ook wel geografische informatie of geospatiale informatie genoemd. Een Geografisch Informatie Systeem (GIS) kent vele toepassingen, onder andere in het kader van marketingsegmentatie, meteorologie, natuurbeheer, rampenbestrijding, oorlogsvoering, enzovoorts.
16. Kritieke pad analyse. Dit is een data analyse methode om de voortgang van een project te bewaken. Als een activiteit of taak op het kritieke pad ligt, dan zorgt een uitloop van die activiteit ervoor dat de einddatum van het project ook opschuift.
17. Multivariate analyse. Een statistische methode waarbij je op grond van een data analyse de relatie test tussen meer dan twee variabelen. In feite ga je verschillende afhankelijke kansvariabelen simultaan analyseren om iets over de onderlinge samenhang te weten te komen.
18. Retentie analyse. Deze data analyse geeft inzicht in de mate waarin je er als organisatie in slaagt om het bestaande personeel of bestaande klanten vast te houden. Deze ratio, die meestal in een percentage wordt uitgedrukt, zegt iets over de personeelsloyaliteit en klantentrouw.
19. Root cause analysis (RCA). Met deze data analysetechniek ga je op zoek naar de hoofdoorzaak van een specifiek probleem. Je gaat op fundamenteel niveau analyseren waarom een probleem optreedt, of waarom een proces niet het gewenste resultaat oplevert.
20. Sentiment analyse. Een handmatige of geautomatiseerde manier om berichten op sociale media een positieve, negatieve of neutrale connotatie mee te geven. Deze data analysetechniek wordt vooral gebruikt om het sentiment rondom een merk, organisatie of persoon in de tijd te meten.
21. Simulatie analyse. Het nabootsen, imiteren of naspelen van de werkelijkheid met behulp van een model. Het is een manier om met een computerprogramma een situatie of toestand zo realistisch mogelijk na te bootsen. Denk hierbij aan Digital Twins. Bij een zogenoemde Monte-Carlosimulatie wordt het simulatieproces meerdere keren herhaald.
22. Spend analyse. Bij deze data analysetechniek ga je alle uitgaven van een organisatie verzamelen, rubriceren en analyseren. Een spend analyse levert informatie voor het management op waarmee zij het inkoopbeleid van de organisatie kritisch kan toetsen en evalueren.
23. Text analyse of text mining. Het analyseren van grote hoeveelheden ongestructureerde tekstgegevens waarmee je bepaalde patronen, sentimenten en andere opvallende zaken kunt opsporen. Text mining uitleg.
24. Web scraping. Een data analyse techniek waarbij je met behulp van speciale software geautomatiseerd data van andere websites ophaalt, analyseert en hergebruikt voor een specifiek doel.
25. Wittevlekkenanalyse. Met deze techniek breng je mogelijkheden voor omzetgroei in kaart. Voor een keten van woonwinkels is een witte vlek bijvoorbeeld een stad of winkelcentrum waar nog geen filiaal van de desbetreffende keten is gevestigd, terwijl hier wel veel welvarende potentiёle klanten wonen. Of je brengt in kaart welke producten jouw klanten niet kochten, maar gezien het bestelpatroon van andere klanten eigenlijk wel hadden moeten kopen.

Data analyse als concurrentiewapen

Organisaties die hun klantdata consequent analyseren en/of een sentimentanalyse op social media uitvoeren hebben een streepje voor. Een degelijke data analyse kan productmanagers behoeden voor marketingflaters. Automatische data analyse in fabrieken in de luchtvaart en op olieplatforms voorkomt kostbare uitval. Overheden gebruiken geavanceerde data analyses om te toetsen of hun beleid effect sorteert. En accountants en controllers gebruiken statistische data analyses om grootschalige (internationale) fraudes op te sporen.

Ook het midden- en kleinbedrijf kan natuurlijk profiteren van een degelijke data analyse. Je hoeft niet altijd hoog van de toren te blazen. Laagdrempelige, gestandaardiseerde analyses, zoals een analyse van het bezoekersgedrag in een winkel of op een website kunnen al hele interessante nieuwe inzichten opleveren. Lees ook onze blog over het analyseren van klantgegevens om je marketingstrategieën te verbeteren.
De opleiding Data Analist Tijdens deze 5-daagse Data Analist opleiding krijg je alle aspecten onder de knie die relevant zijn voor het opstellen en uitvoeren van geavanceerde (big) data analyses. De docent heeft jarenlange ervaring met het analyseren van veel verschillende soorten data en leert je alles om een succesvolle data analist te worden.bekijk de opleiding

Onderzoek: data analyse software & tools

Passionned Group heeft een aantal online vergelijkingsgidsen samengesteld, waaronder de Business Intelligence & Analytics Guide 2025, waarmee je op relatief eenvoudige wijze leveranciers van BI & data analyse software met elkaar kunt vergelijken op voor jouw organisatie relevante selectiecriteria. De gids bevat 250+ selectiecriteria met een gelaagde structuur met drilldowns tot wel drie niveaus diep. Daarnaast publiceert Passionned Group van elke leverancier afzonderlijk een zeer uitgebreide actuele beschrijving van hun producten- en dienstenportfolio’s, inclusief de meest relevante data analyse tools en software releases. Bekijk bijvoorbeeld eens de pagina over Microsoft BI tools, raadpleeg het focusartikel van Tableau Software of het lees meer over het onderzoek naar Qlik Analytics.

Ruim baan voor data analyse, maar vergeet je mensen niet

Let wel, het investeren in data analyse, software en data analyse tools heeft alleen zin als je tegelijkertijd ook investeert in de datageletterdheid van je mensen. Reserveer een deel van je budget daarom voor opleiding en training on the job, zodat jouw medewerkers te allen tijde over de juiste vaardigheden beschikken. Bekijk hier bijvoorbeeld onze training Datagedreven werken.

Meer informatie

Wil jij ook een gedegen data analyse of advies over een plan van aanpak, of ben je op zoek naar interim ondersteuning, neem dan nu contact met ons op. Onze data analisten en experts helpen je graag een stap verder.