Wat Analytics Is, en Wat Niet

Een beslissing met een deadline

Alpenkorb AG is een fictieve online supermarkt en drogisterij in Zürich. Het levert in acht Zwitserse regio's, van Genève tot St. Gallen, en elke bestelling, elk bezoek en elke marketingfranc van januari 2025 tot maart 2026 zit in de data die je in deze cursus gebruikt. Op 1 april 2026 begint Lena Frei als hoofd groei. Haar eerste taak is concreet: voorstellen hoe het marketingbudget voor het tweede kwartaal wordt verdeeld over betaald zoeken, social ads, affiliatepartners en e-mail. In het eerste kwartaal kostten die vier kanalen CHF 4'308.96.

In acht lessen doe je het werk dat Lena moet doen: de vraag aanscherpen, de cijfers kiezen die ertoe doen, de tabellen bevragen en het memo van één pagina schrijven waarmee de cursus eindigt. Elk cijfer in deze lessen komt uit dezelfde data die je in de labs bevraagt.

Wat analytics is

Analytics is het werk van data omzetten in een betere beslissing. De beslissing komt eerst. Als er geen keuze van het antwoord afhangt, is de analyse een hobby, hoe mooi de grafiek er ook uitziet. Voor Lena gaat de keuze over geld: welk kanaal krijgt meer, en welk minder.

• Het is een specifieke vraag beantwoorden met data die bij die vraag past.
• Het is zeggen hoe zeker je bent, en wat je van gedachten zou doen veranderen.
• Het is niet elk mogelijk cijfer verzamelen in de hoop dat er een patroon opduikt.
• Het is niet een dashboard dat niemand opent vóór een beslissing.
• Het is niet het bewijs van wat iemand al geloofde. Een goede analyse kan eindigen met we hadden het mis.
• Het heeft geen big data nodig. Alpenkorb heeft 3'427 bestellingen, klein genoeg voor een telefoon en genoeg voor deze beslissing.

Kijk naar het ruwe materiaal

Data leeft in tabellen. De tabel orders heeft één rij per bestelling: wanneer die geplaatst is, door welke klant, vanuit welke regio en marketingbron, wat de waarde was, en of ze geleverd, geannuleerd of geretourneerd is. SQL is de taal om een tabel vragen te stellen. De kortste nuttige vraag is: laat me een paar rijen zien.

SELECT *
FROM orders
LIMIT 5;

SELECT * betekent alle kolommen, FROM orders noemt de tabel en LIMIT 5 stopt na vijf rijen. Welke vijf? Welke dan ook, in de volgorde waarin de tabel toevallig is opgeslagen. Een tabel heeft geen ingebouwde sorteervolgorde, dus als het je uitmaakt welke rijen eerst komen, moet je dat aangeven met ORDER BY.

SELECT order_id, order_date, source, net_amount
FROM orders
ORDER BY net_amount DESC
LIMIT 5;

Dit geeft de vijf grootste bestellingen op basis van net_amount, de waarde na kortingen. DESC sorteert van hoog naar laag; zonder dat sorteert SQL van laag naar hoog. Kolommen bij naam noemen in plaats van * te schrijven houdt het resultaat leesbaar.

De valkuil: beginnen bij de data

De meest voorkomende fout in analytics is de data openen voordat de beslissing is vastgelegd. Je vindt iets interessants, dan nog iets, en na een week heb je veertig grafieken en geen aanbeveling. Ook Lena zal in de verleiding komen. De data bevat 17'706 website- en app-sessies, en in het eerste kwartaal van 2026 leverden social ads meer sessies op dan elke andere bron. Dat klinkt als succes. Of het dat is, hangt af van de vraag, en les 4 laat zien dat dit cijfer alleen bijna niets zegt over haar beslissing.

Hoe het verdergaat

De Vier Soorten Analytics ordent vragen naar wat ze van de data vragen. Van Businessvraag naar Datavraag maakt van werkt social? iets waar een tabel antwoord op kan geven. KPI's, Metrics en Vanity Metrics scheidt de cijfers die beslissen van die welke versieren. Je Eerste Echte Query en Groeperen tot een Grafiekklare Tabel bouwen de SQL die je nodig hebt. De Funnel in Cijfers volgt bezoekers tot hun eerste en herhaalde bestellingen, en Het Beslismemo van Eén Pagina maakt van dit alles een aanbeveling die Lena kan verdedigen.