Meer uit je klantendata halen en een datacultuur uitbouwen
Je (potentiële) klant persoonlijk benaderen met een voor hem relevant aanbod, vereist dat je hem kent. Dit impliceert dat je data verzamelt over je (potentiële) klant.
Vandaag beschikken de meeste bedrijven al over heel wat data maar wordt deze nog onvoldoende benut om strategische beslissingen te onderbouwen. De inzichten die men uit die data kan halen zijn nochtans zeer waardevol om te starten met data-gedreven personalisatie.
Praktische info:
Leertraject
georganiseerd door:
Korte inhoud van de opleiding
In deze opleiding worden volgende vragen beantwoord:
- Welke visualisatie- en analysetools kunnen inzicht bieden in je beschikbare data?
- Hoe zet je analyseresultaten om in actiepunten voor een betere personalisatie?
- Op welke manier kan je het succes van je project meten en bijsturen waar nodig
Leerdoelen:
- Je krijgt inzicht in de verschillende datavisualisatiemogelijkheden.
- Je weet dat er verschillende machine learning algoritmes bestaan met elk hun specifieke toepassingen.
- Je leert de juiste vragen te formuleren bij de keuze van een geschikte tool.
- Je weet hoe je onder andere aan de hand van Key Performance Indicatoren het succes van je personalisatieproject kan nagaan.
Voor wie:
Deze opleiding richt zich tot bedrijven uit om het even welke sector. Ze is geschikt voor personen binnen de organisatie die:
- verantwoordelijk zijn voor (digitale) marketing, communicatie, sales, ICT;
- samenwerken met bovenstaande functieprofielen.
Deze opleiding is vooral bedoeld voor mensen die binnen de organisatie:
- data-gedreven willen communiceren;
- (potentiële) klanten persoonlijk willen benaderen;
- door middel van inzetbare technologie (nog meer) inzicht willen krijgen in de beschikbare data.
Lesgever/spreker
Katja Verbeeck is docente ICT in de opleiding Elektronica-ICT binnen de onderwijsgroep Technologie van de hogeschool Odisee waar ze verantwoordelijk is voor opleidingsonderdelen zoals Data science en AI. Ze is ook coördinator van de onderzoeksgroep UCE (User Centered Applied Research in ICT and Electronics). Voordien was ze postdoc onderzoeker en behaalde ze haar PhD aan de VUB binnen de topic van lerende software algoritmen (Reinforcement learning in multi-agent systemen.).
Huidig onderzoek binnen UCE staat in het teken van de ontwikkeling van optimale gebruikerservaring, met data-analyse en AI als één van de belangrijke thema's. Vanuit UCE werkt ze momenteel samen met de onderzoeksgroep CenSE (Odisee) aan het gezamenlijke speerpunt 'data en technologie voor de KMO' wat resulteerde in onderzoeksprojecten zoals start2AIM (AI in Marketing) en COntent (Contentcreatie tussen marketeer en machine). Maar ook het veilig delen van data en Federated Machine Learning is een momenteel een onderzoekstopic binnen UCE (Privacy Preserving datasharing project en het Art-IE project).
Expertise: data science, data en AI voor de kmo, machine learning in het algemeen, reinforcement learning
