De houdbaarheid van data analyse modellen

Abstract

Data gedreven werken is cruciaal in het huidige bedrijfsleven, echter het succesvol onderhouden van data analyse modellen blijft een uitdaging. Dit onderzoek richt zich op de houdbaarheid van deze modellen, met aandacht voor de aanhoudende effectiviteit en kwaliteit.

Centraal staat de beperkte kennis van aanhoudende effectiviteit van data analyse modellen. Hoofzakelijk richt dit onderzoek zich op bijdrage aan succesvol onderhoud en kwaliteit Er wordt een literatuuronderzoek omschreven op basis van bestaande wetenschappelijke kennis, waarna deze resultaten vergeleken worden met de resultaten uit verschillende interviews en een aantal case studies. Daarbij wordt onderzocht welke toepassing de kwaliteit van data analyse modellen beïnvloed en welk effect dit op de houdbaarheid heeft. Daarbij wordt gezocht welke factoren het succesvolle onderhouden van data analyse modellen bepalen. Centraal daarin staan de mens, het proces en de techniek. Daar om heen worden thema’s van data gedefinieerd.

Dit onderzoek benadrukt de cruciale factoren voor het succesvol onderhouden van data analyse modellen: doelmatigheid, evenwicht tussen continuïteit en flexibiliteit, voortschrijdend inzicht, eenvoud, en effectieve communicatie. Het toont aan dat de kwaliteit en effectiviteit van deze modellen afhankelijk zijn van hun vermogen om zich aan te passen aan veranderende omstandigheden, ondersteund door een heldere strategie en adaptief vermogen.

Date of Award	23 Feb 2024
Original language	Dutch
Supervisor	Samaneh Bagheri (Examiner), Remko Helms (Co-assessor) & Ben Roelens (Co-assessor)