Home » Ondernemersnieuws » ICT » 3 voorbeeldtoepassingen van data science voor MKB’ers

3 voorbeeldtoepassingen van data science voor MKB’ers

Geplaatst in: algemeen, ICT

Vandaag de dag heb je als ondernemer steeds meer data tot je beschikking. Niet alleen over je eigen business (zoals uit je CRM / ERP systeem of uit Google Analytics), maar ook over de wereld om je heen (zo publiceren bijvoorbeeld gemeenten en het CBS openbare databases).

Het is daarom van belang dat iedere onderneming tot op zekere hoogte data-gedreven werkt. Om deze reden kunnen ondernemers die voorop willen lopen hun voordeel doen met de data science trend die afgelopen jaren is ingezet en voorlopig nog niet afremt. Er zijn daarom steeds meer MKB’ers die een data science opleiding volgen.

De meestgebruikte programmeertaal voor data-analyse en data science vraagstukken is Python. We zullen eerst introduceren wat Python is en waarom je als ondernemer aandacht moet hebben voor Python.

Wat is Python?

Python is een open-source programmeertaal waardoor het gratis beschikbaar is voor iedereen. Het is een taal met een breed toepassingsgebied waarbinnen data-analyse één van de belangrijkste gebieden is. Waarschijnlijk ben je bekend met Excel, maar met Python kun je veel meer. Zo kun je bijvoorbeeld automatisch gegevens ophalen uit diverse bronnen en die gegevens geautomatiseerd analyseren. Zo ben je als ondernemer altijd op de hoogte van de laatste cijfers en kun je de juiste keuzes maken op basis van real-time data.

We zullen drie data science toepassingen van Python voor MKB’ers wat verder uitdiepen.

1. Verbinden met verschillende databronnen

Het is mogelijk om met Python met verschillende databronnen te verbinden. Zo kun je bijvoorbeeld werken met data uit de volgende bronnen:

  • Excel-bestanden
  • CSV bestanden
  • SQL databases
  • Tekst bestanden
  • JSON bestanden
  • APIs
  • Data verkregen d.m.v. webscraping

Veelal kan de data opgehaald worden middels één of enkele regels code. Het is ook mogelijk om uit diverse bronnen data op te halen en deze data te combineren in één tabel. Zo kun je tot inzichten komen die op basis van een enkele bron niet mogelijk zijn.

Als je de data hebt opgehaald dan is de data klaar voor analyse.

2. Analyses of taken automatiseren

Veel ondernemers voeren wekelijks dezelfde analyse uit om tot inzichten te komen. Iedere analysestap kun je in Python automatiseren met een regel code. Dit maakt niet alleen een veel snellere analyse mogelijk, maar verlaagt ook de foutgevoeligheid. Na een training van enkele dagen ben je al in staat jouw huidige Excel-analyses te automatiseren met Python.

3. Voorspellingen doen met machine learning

MKB’ers die verder voorop willen lopen kunnen machine learning (kunstmatige intelligentie) inzetten. Python is toonaangevend op dit vlak en er zijn veel gratis machine learning packages beschikbaar. Je kunt modellen training met historische data van jouw onderneming en vervolgens voorspellingen doen voor de toekomst. Denk aan: voorspellen van leverdatum als een bestelling binnenkomt, de kans op herhaalbestellingen voorspellen voor nieuwe klanten, of het voorspellen wanneer een duur machineonderdeel aan vervanging toe is. De mogelijkheden zijn eindeloos en het concurrentievoordeel wat je hiermee op kunt doen, groot.

Kortom: de wereld wordt meer en meer data-gedreven. Data vraagstukken kun je als MKB’er makkelijk aanpakken met programmeertaal Python. Je kunt hiermee een concurrentievoordeel behalen omdat je een stap voorloopt op concurrenten. Je hebt namelijk toegang tot inzichten die je zonder Python onmogelijk kunt vergaren!