Data science uitgelegd: van ruwe data naar inzicht

Data science, ook wel datawetenschap genoemd, helpt om bruikbare inzichten uit gegevens te halen. Dat gebeurt niet door simpelweg zoveel mogelijk data in een systeem te stoppen. Het begint met een duidelijke vraag en eindigt met een resultaat dat gecontroleerd, uitgelegd en toegepast kan worden.

In de video krijg je een brede introductie. In dit artikel volg je het volledige proces aan de hand van één praktisch voorbeeld.

Wat is data science?

Data science is een vakgebied waarin statistiek, programmeren en kennis van een onderwerp worden gecombineerd. Het doel is patronen ontdekken, vragen beantwoorden en soms voorspellingen maken.

Een data scientist gebruikt daarvoor onder andere:

  • gegevens uit verschillende bronnen;
  • statistische analyses;
  • programmeertalen en analysetools;
  • visualisaties;
  • modellen, waaronder soms machine learning.

Niet ieder data scienceproject gebruikt kunstmatige intelligentie. Een analyse van verkoopcijfers kan bijvoorbeeld al waardevolle inzichten opleveren zonder een zelflerend model.

Voor een korte begripsdefinitie kun je ook de woordenlijstpagina Wat is Data Science? bekijken.

Data science in zeven stappen

Stel dat een webshop wil voorspellen welke producten volgende maand populair worden. Een data scienceproject kan dan uit de volgende stappen bestaan.

1. De vraag afbakenen

De vraag “Welke producten worden populair?” is nog te vaag. Eerst moet duidelijk worden:

  • over welke periode de voorspelling gaat;
  • welke productgroepen worden onderzocht;
  • wat de webshop onder populair verstaat;
  • waarvoor de voorspelling wordt gebruikt.

Een bruikbare vraag kan zijn: “Welke tien producten verkopen volgende maand waarschijnlijk minstens twintig procent meer dan gemiddeld?”

Een scherpe vraag voorkomt dat een analyse technisch interessant maar praktisch nutteloos wordt.

2. Gegevens verzamelen

De webshop kan gegevens gebruiken over eerdere verkopen, prijzen, aanbiedingen, seizoenen, retouren en beschikbare voorraad.

Meer data is niet automatisch beter. Alleen gegevens die relevant en toegestaan zijn, horen in de analyse. Lees meer over het verschil tussen losse gegevens en betekenisvolle informatie op de pagina Wat is data?

3. De data controleren en opschonen

Ruwe gegevens bevatten vaak fouten. Waarden kunnen ontbreken, producten kunnen dubbel geregistreerd zijn en datums kunnen verschillende notaties gebruiken.

Daarom wordt de data eerst gecontroleerd en voorbereid. Dit heet ook wel preprocessing. Daarbij kunnen fouten worden gecorrigeerd, dubbele regels worden verwijderd en waarden naar een bruikbaar formaat worden omgezet.

De pagina’s over datakwaliteit en preprocessing leggen deze onderdelen verder uit.

Slechte data kan tot een overtuigend maar verkeerd resultaat leiden. Een professioneel ogende grafiek is geen bewijs dat de onderliggende gegevens betrouwbaar zijn.

Van data naar inzicht

4. Patronen onderzoeken

Na het opschonen onderzoekt de data scientist de gegevens. Welke producten verkopen vaker in bepaalde maanden? Welke invloed hebben prijsverlagingen? Komen veel retouren voor bij specifieke productgroepen?

Grafieken, tabellen en statistische berekeningen helpen om patronen zichtbaar te maken. Daarbij is voorzichtigheid nodig. Twee ontwikkelingen kunnen tegelijk optreden zonder dat de ene ontwikkeling de andere veroorzaakt.

Meer ijsverkoop en meer zonnebrand ontstaan bijvoorbeeld beide vaker bij warm weer. Dat betekent niet dat ijsverkoop zonnebrand veroorzaakt.

5. Een model kiezen

Soms is een gewone analyse voldoende. Als de webshop toekomstige verkopen wil voorspellen, kan een statistisch model of een machine learningmodel worden gebruikt.

Machine learning is een hulpmiddel binnen sommige data scienceprojecten. Het model leert patronen uit voorbeelden en gebruikt die om nieuwe voorspellingen te maken.

Dat betekent niet dat het model de toekomst kent. Het berekent wat waarschijnlijk is op basis van de beschikbare gegevens en gemaakte keuzes. Op de pagina Wat is machine learning? lees je hoe dat leerproces werkt.

6. Het resultaat testen

Een model moet worden getest met gegevens die niet voor het leren zijn gebruikt. Zo wordt duidelijk of het ook bij nieuwe situaties bruikbaar blijft.

De data scientist controleert bijvoorbeeld:

  • hoe vaak de voorspelling klopt;
  • bij welke producten het model fouten maakt;
  • of recente veranderingen ontbreken;
  • of bepaalde groepen structureel worden benadeeld;
  • of het resultaat beter is dan een eenvoudige vergelijking.

Een hoge gemiddelde score kan problemen verbergen. Een model kan bijvoorbeeld goed presteren bij populaire producten, maar slecht bij nieuwe of minder verkochte artikelen.

7. Het inzicht bruikbaar maken

Het werk stopt niet bij een model of analyse. De uitkomst moet begrijpelijk worden gepresenteerd aan mensen die beslissingen nemen.

Dat kan met een rapport, grafiek of dashboard. Daarbij moet duidelijk zijn:

  • welke vraag is onderzocht;
  • welke gegevens zijn gebruikt;
  • hoe betrouwbaar het resultaat is;
  • welke beperkingen gelden;
  • welke actie wel of niet verantwoord is.
Data scientist analyseert gegevens op meerdere schermen met grafieken en visualisaties

Een voorspelling kan de inkoper ondersteunen, maar neemt de beslissing niet automatisch over. Voorraad, leveranciersproblemen en recente gebeurtenissen kunnen buiten de gebruikte data vallen.

Wat doet een data scientist?

Een data scientist combineert technisch werk met kritisch denken en communicatie. Veelvoorkomende werkzaamheden zijn:

  • een probleem vertalen naar een onderzoekbare vraag;
  • gegevens verzamelen en controleren;
  • analyses en modellen uitvoeren;
  • resultaten testen;
  • fouten en beperkingen onderzoeken;
  • uitkomsten begrijpelijk presenteren.

Domeinkennis is daarbij belangrijk. Iemand die verkoopgegevens analyseert, moet begrijpen hoe prijzen, voorraad en seizoenen de uitkomst kunnen beïnvloeden. Alleen programmeerkennis is niet genoeg.

Data science, data-analyse, machine learning en AI

Deze begrippen worden vaak door elkaar gebruikt, maar hebben verschillende functies.

Data-analyse richt zich meestal op het begrijpen van bestaande gegevens. De vraag is bijvoorbeeld wat er is gebeurd en waarom.

Data science is breder. Het omvat het verzamelen, voorbereiden, analyseren en communiceren van gegevens. Soms worden ook voorspellende modellen gebouwd.

Machine learning gebruikt voorbeelden om patronen te leren en voorspellingen of classificaties te maken.

Kunstmatige intelligentie is de bredere verzamelnaam voor systemen die taken uitvoeren waarvoor normaal menselijke intelligentie nodig lijkt.

Data science kan dus zonder AI worden toegepast. Andersom gebruiken veel AI-systemen wel datasets, analyses en technieken die ook binnen data science belangrijk zijn.

Lees voor een uitgebreidere vergelijking het verschil tussen AI, machine learning en data science.

Waar kan data science misgaan?

Een analyse kan zorgvuldig lijken en toch verkeerde conclusies opleveren. Veelvoorkomende oorzaken zijn:

  • onvolledige of verouderde gegevens;
  • een onduidelijke onderzoeksvraag;
  • een dataset die bepaalde groepen onvoldoende vertegenwoordigt;
  • verwarring tussen samenhang en oorzaak;
  • een model dat te sterk is afgestemd op oude voorbeelden;
  • resultaten die zonder context worden gepresenteerd.

Vooroordelen in de gegevens kunnen ook terugkomen in een model. Dat risico wordt verder uitgelegd bij bias in AI.

Ook privacy telt mee. Niet alle beschikbare gegevens mogen zomaar worden verzameld of voor een nieuw doel worden gebruikt. Dataminimalisatie, beveiliging en duidelijke afspraken moeten vanaf het begin onderdeel zijn van het project.

Waar wordt data science toegepast?

Data science wordt onder andere gebruikt voor:

  • het voorspellen van vraag en voorraad;
  • het herkennen van verdachte transacties;
  • het verbeteren van routes en planningen;
  • het analyseren van klantgedrag;
  • het onderzoeken van medische gegevens;
  • het voorspellen van onderhoud aan machines.

De uitkomst ondersteunt meestal een menselijke beslissing. Bij belangrijke beslissingen blijft controle nodig, zeker wanneer fouten gevolgen hebben voor gezondheid, kansen of rechten.

Bekijk de video

In de video zie je met herkenbare voorbeelden wat data science is, wat een data scientist doet en hoe het vakgebied samenhangt met AI en machine learning.

Samenvatting

Data science zet ruwe gegevens om in bruikbare inzichten. Een goed project bestaat niet alleen uit analyseren of modelleren. Het begint met een duidelijke vraag, gebruikt passende gegevens en controleert zowel de kwaliteit als de beperkingen van het resultaat.

Machine learning kan daarbij helpen, maar is niet altijd nodig. De waarde ontstaat pas wanneer de uitkomst betrouwbaar, begrijpelijk en bruikbaar is voor een echte beslissing.

Deel dit artikel:


Ontdek meer van De Wereld Van AI

Blijf op de hoogte van nieuwe AI-artikelen, direct in je mailbox.

Welkom!

De Wereld van AI is een Nederlandstalig kennisplatform dat kunstmatige intelligentie begrijpelijk en praktisch maakt.

Ontdek heldere uitleg over AI, machine learning en AI agents, leer hoe je AI praktisch gebruikt en lees hoe organisaties AI verantwoord kunnen inzetten. Met voorbeelden, verdiepende artikelen en handige downloads.

Nieuw met AI? Begin met mijn gratis Basiscursus AI en ontdek stap voor stap hoe kunstmatige intelligentie werkt.

Wil je verder kijken? Bekijk Alle Artikelen, ontdek de AI-Woordenlijst of kies een onderwerp via Hoofdthema’s over AI.

Liever kijken dan lezen?
Bezoek mijn YouTube-kanaal De Wereld van AI voor korte en toegankelijke video’s.

Logo van De Wereld van AI met een rode knop waarop “Subscribe” staat, als promotie voor het YouTube-kanaal

Praktische AI-uitleg in je LinkedIn-feed

Volg De Wereld van AI voor praktische voorbeelden, eigen tests en tips om AI-antwoorden kritisch te beoordelen.

AI-Tools (9) AI energieverbruik (1) AI en klimaat (1) AI in de zorg (1) Automatisering (7) AVG (5) ChatGPT (20) Claude (3) Datacenter (1) Data Science (4) Deep Learning (8) EU AI Act (5) Generatieve AI (16) Google Gemini (3) Machine Learning (24) Microsoft Copilot (3) Neurale Netwerken (10) Privacy (5) Taalmodellen (13)