Hoe het gebruik van de juiste processtappen leidt tot succesvollere data science projecten

Abstract

In de eenentwintigste eeuw wordt door steeds technologieën een enorme hoeveelheid data gegenereerd. Data science helpt organisaties uit al deze data kennis en informatie te halen Om de beste waarde uit data science projecten te krijgen zijn er afgelopen jaren diverse projectmethoden ontwikkeld om deze projecten in te richten, waaronder de bekende CRISP-DM methode. Helaas is gebleken dat een groot deel van deze projecten niet succesvol is. Daarnaast zien we ook dat bij veel projecten, projectmethoden niet of gedeeltelijk worden toegepast. In dit onderzoek is onderzocht welke projectmethoden en processtappen gebruikt kunnen worden voor het succesvol afronden van data science projecten, dit heeft geresulteerd in een data science project framework. Dit framework laat zien welke projectkarakteristieken invloed hebben op de keuze van de juiste processtappen. Het framework is in een casestudy doormiddel van expertsinterviews en focusgroep interviews getoetst bij een middelgrote onderneming in de tech-sector. Als bijdrage aan de wetenschap wordt een overzicht gegeven welke factoren belangrijk zijn bij de keuze en inrichting van de processtappen en de projectmethode van een data science project.

Date of Award	14 Sept 2021
Original language	Dutch
Supervisor	Jeroen Baijens (Examiner) & Remko Helms (Co-assessor)