Data Analist opleiding voor starters en ervaren analisten
Deze complete en praktische vijfdaagse opleiding Data Analist is bedoeld voor professionals uit diverse sectoren die hun data-analysevaardigheden willen versterken en effectief gebruik willen maken van data om beslissingen te ondersteunen. Of je nu een beginnende data-analist bent of een ervaren BI-professional, met deze Data Analist opleiding krijg je waardevolle kennis en praktische vaardigheden om je carrièrepad te verdiepen en versnellen, én waarmee je echt van toegevoegde waarde kan zijn voor organisaties. Immers hoevaak worden beslissingen nu nog genomen op basis van onderbuikgevoel in plaats van op basis van een goede data analyse. Alle relevante aspecten van het vakgebied data analyse komen aan bod: het begrippenkader, het opstellen van requirements en hypotheses, het verzamelen en transformeren van (big) data, statistiek, AI, besluitvorming, KPI-dashboards, ethiek en de succesfactoren. Wil jij een top data analist worden die veel waarde gaat toevoegen aan de (beslis)processen in je organisatie, schrijf je dan snel in voor deze interactieve opleiding.
Vind de antwoorden op alle relevante data analyse-vraagstukken
Als data analist sta je met één been in de business en met één been in de wereld van data. Om een allround data analist te worden zul je dus veel kennis gaan opdoen van de processen, het domein en de strategie van de organisatie. Daarnaast zul je moeiteloos data moeten kunnen verzamelen, transformeren, lezen, analyseren en visualiseren, binnen het domein of over de domeinen heen. Uiteraard moet je tijdens deze stappen altijd logisch kunnen nadenken en statistiek correct kunnen toepassen om de uitkomsten van je data analyse te kunnen valideren. Tijdens deze opleiding Data Analist ga je aan de slag met de volgende vraagstukken:
Hoe past data analyse in het beter nemen van beslissingen in de organisatie en met welke termen moet je als data analist zeker bekend zijn?
Wat zijn enkele belangrijke concepten die verband houden met het formuleren van hypotheses in data analyse?
Op welke manier gaat de data analist effectief de business ondersteunen om veel betere beslissingen te nemen?
Welke rol spelen samenwerking en communicatie met domeinexperts in het begrijpen van complexe organisatievraagstukken?
Welke (geavanceerde) SQL-technieken staan tot je beschikking zodat je complete en waar nodig gecombineerde datasets kan creëren?
Hoe kunnen datamodelleringstechnieken worden ingezet om de structuur van gegevens te optimaliseren voor analyse?
Hoe kunnen datakwaliteitsproblemen de nauwkeurigheid van data analyse beïnvloeden, en welke strategieën kunnen worden toegepast om deze problemen aan te pakken?
Welke statistiek is van belang bij data analyse en hoe pas je die als data analist succesvol toe?
Op welke manieren kunnen verschillende metrics en KPI’s bijdragen aan het verkrijgen van inzicht in gegevens?
Hoe kunnen regressie, forecasting en andere data analyse technieken worden gebruikt om toekomstige trends te voorspelen en patronen bloot te leggen?
Welke overwegingen bepalen welke soorten datavisualisaties het meest effectief zijn in verschillende situaties?
Hoe kunnen Business Intelligence-tools worden ingezet om gegevens te analyseren en overtuigende rapporten en dashboards te genereren?
Op welke manier kan generatieve AI je helpen bij het uitvoeren van data analyses en het genereren van dashboards en datavisualisaties?
Wat zijn enkele ethische uitdagingen die gepaard gaan met het analyseren van gegevens, en hoe kunnen ze worden aangepakt?
Welke kenmerken en vaardigheden zijn essentieel voor een succesvolle data analist in de moderne zakelijke omgeving?
Heb je bovenstaande vraagstukken ook al in het vizier en op je netvlies, maar nog niet helemaal scherp genoeg? Dan is het nu de tijd om van data analyse echt werk te maken. Schrijf je hier direct in.
Praktische informatie: locatie, duur, data en prijs
Door onze registratie in het Centraal Register Kort Beroepsonderwijs (CRKBO) zijn onze opleidingen vrijgesteld van 21% BTW. Die brengen we dus niet in rekening.
Locatie:
Amrâth Berghotel Amersfoort
Duur:
5 dagen
Data:
19 september t/m 4 oktober 2024
28 november t/m 13 december 2024
6 t/m 21 maart 2025
11 t/m 26 juni 2025
18 september t/m 3 oktober 2025
27 november t/m 12 december 2025
Punten:
✪ PA25
Deze opleiding Data Analist geeft je recht op PA-punten net als al onze andere trainingen. Bij een totaal van 150 PA-punten én na het succesvol afleggen van een examen ontvang je een certificaat van bekwaamheid. Je ontvangt daarnaast de badge 'Certified Data & Decisions Professional' voor op LinkedIn.
✪ PE-punten
Informeer bij je vakvereniging - bijvoorbeeld de Vereniging van Registrercontrollers of de Nederlandse Beroepsvereniging van Accountants - hoeveel PE-punten/uren je kunt registreren voor je Permanente Educatie (PE).
Tijdens de opleiding werk je in principe met datasets die wij beschikbaar stellen. Maar elke deelnemer kan ook zijn eigen dataset(s) meenemen om daarop onder supervisie van de docent analyses op uit te voeren.
De inhoud van de Data Analist opleiding
Deze praktijkgerichte cursus Data Analyse voorziet je van gebundelde, direct toe te passen kennis om waardevolle data analyses en dashboards te maken die gaan helpen in het ondersteunen van beslissingen. En je leert alle daarbij benodigde technieken en vaardigheden. Als deelnemer word je in vijf intensieve dagen klaargestoomd voor een toekomst als top data analist. Elke werkdag werk je alleen of in groepjes aan een opdracht. Zodoende breng je het geleerde direct in de praktijk.
Dag 1: Introductie tot data analyse, het proces, hypotheses en databronnenonderzoek
De reis begint met een grondige kennismaking met het vakgebied data analyse. Op deze eerste dag ontdek je hoe data analyse organisatievraagstukken kan oplossen, leer je hypotheses opstellen, en duik je in de wereld van databronnenonderzoek en datakwaliteit. Samenwerken met domeinexperts om complexe problemen aan te pakken staat centraal. Een solide basis leggen voor je data-analytische reis begint hier.
Verken de fundamenten van data analyse en begrijp het belang ervan in moderne organisaties. De docent legt samen met de deelnemers de PDCA-cirkel onder de loep. Binnen die cirkel voer je data analyse uit, vooral in de Do-fase. Uit onderzoek blijkt namelijk dat succesvolle organisaties informatie en data consequent gebruiken voor analyse en actie in de context van PDCA.
Het dilemma van data analyse: je weet van tevoren niet wat er uit een data analyse gaat komen en daarmee weet je ook niet wat de eventuele opbrengsten gaan worden. Hoe ga je hier als data analist mee om? Hoe voorkom je onnodig werk en werk je toe naar succesvolle data analyses, hetzij dat het gaat om gericht of ongerichte onderzoeken. Leer de rol van data analyse grondig kennen bij het oplossen van organisatievraagstukken en besluitvormingsprocessen.
Wat is de hype en wat is de realiteit van AI in het uitvoeren van data analyses en wat zijn voorbeelden van succesvolle implementaties? Wanneer moet je overstappen van handmatige data analyse naar geautomatiseerde data analyses met machine learning?
Module 2: Het proces van data analyse
Het proces van data-analyse: eerst ga je een informatieanalyse doen met de beslisser om de requirements op te halen, dan ga je naar de domeinexperts hoe het proces loopt en om te vragen wat voor data er beschikbaar en hoe ze die gebruiken. Vervolgens ga je die data opzoeken in de database, verkennen, toetsen op datakwaliteit en analyseren.
Maar natuurlijk kan het ook andersom: eerst duik je de data in en met de inzichten en analyses die je daaruit opdoet ga je naar de domeinexpert en de beslisser. Zo wordt het verschil duidelijk tussen gericht en ongericht data analyseren. Een goede data-analist geeft gevraagd én ongevraagd advies.
Alle vijf stappen uit het proces van data analyse komen tijdens deze module uitgebreid aan bod. De docent geeft bij elke stap een aantal praktische tips.
Module 3: Informatieanalyse en samenwerken met domeinexperts
Ontdek hoe je de juiste databronnen kunt identificeren en benutten. Het gaat hier zowel om eigen databronnen, externe databronnen en big data bronnen. Of zelfs nog niet bestaande bronnen waarvan je weet dat je die gegevens in je analyse nodig zult hebben.
Leer hoe je effectief kunt samenwerken met domeinexperts om inzicht te krijgen in complexe vraagstukken en hoe je uitzoekt waar je relevante informatie voor je data-analyse vandaan kunt halen en wat die data betekent.
Module 4: Hypotheses formuleren en databronnenonderzoek
Bij het gericht data analyseren werk je met hypotheses of aannames. In deze module leer je hoe je effectieve hypotheses kunt opstellen en testen. Ook presenteert de docent een grote hoeveelheid biases waar je als beslisser en data analist aan ten prooi kunt vallen.
Naast een goede hypothese heb je data nodig. In deze module helpt de docent je met het opsporen van interessante interne en externe databronnen en geeft daarbij tips, handvatten en een overzicht van de belangrijkste valkuilen.
Je gaat ook een eerste verkenning van je databronnen uitvoeren zodat je weet of de geselecteerde databronnen geschikt zijn voor de beoogde data analyses die je wilt uitvoeren. Je toets dan meteen ook of de datakwaliteit van voldoende niveau is.
Dag 2: Data verzamelen en transformeren met SQL
Op dag 2 van deze Data Analist opleiding gaan we dieper de data in. Leer hoe je de rijkdom van gegevens kunt benutten door SQL te beheersen. We behandelen alles, van de fundamenten tot geavanceerde technieken zoals datamodellering. Ontdek hoe je SQL kunt gebruiken om de perfecte datasets te creëren die jouw vragen en hypotheses zullen beantwoorden. Ook maak je tijdens deze opleiding waar mogelijk en relevant gebruik van ChatGPT (of andere Large Language Models) om SQL-vraagstukken voor te leggen en krijg je tips van de docent voor goede prompts.
Module 5: SQL fundamentals en tabellen koppelen
Krijg inzicht in de basisprincipes van SQL-query’s. We zoomen tijdens deze opleiding in op het SELECT-statement en alle mogelijkheden daarvan. Hoe bouw je daarmee een query op om uiteindelijk tot de dataset te komen die je nodig hebt? Het gaat dan om joins tussen tabellen, het samenvoegen van datasets, aggregaties maken en subqueries schrijven.
Leer hoe je tabellen kunt koppelen om gegevens te integreren en relevante, behapbare datasets te creëren. Ook performance-aspecten komen natuurlijk aan bod want je wilt niet dagen wachten op de uitkomsten van je data analyse.
Ontdek hoe je het laagste niveau in een tabel herkent en hoe je tabellen op verschillende aggregatieniveaus met elkaar kunt verbinden.
Module 6: Datamodellering en Geavanceerde SQL-technieken
Verdiep je in datamodellering en begrijp hoe je gegevensstructuren kunt optimaliseren.
Ontdek geavanceerde SQL-technieken, inclusief nested SQL, recursieve lussen of het gebruik van WITH statements, GROUP_CONCAT en window functies.
Je leert tijdens deze module ook het toepassen van functies voor het sommeren van getallen, het berekenen van gemiddelden en je begrijpt ook hoe je de minimale en maximale waarde uit een dataset kan vissen.
In groepjes ga je aan de slag met de datasets die wij ter beschikking stellen of je gebruikt je eigen datasets. Naar welk eindresultaat werk je toe en welke transformaties moet je data doorlopen om daar te komen.
Natuurlijk geeft de docent je ook tussentijds handvatten hoe je de datasets het snelste en het beste kunt valideren.
Aan het einde van deze dag beschik je over een betrouwbare en perfect geknede dataset om de statistische laag in te vullen en de volgende dag in te gaan.
Dag 3: Statistiek en data analyse technieken
Statistiek vormt de kern van dag 3. We duiken in verschillende data analyse technieken, van cohortanalyse tot regressie en forecasting. En je leert welke dimensies en feiten cruciaal zijn voor data-analyse en hoe je de uitkomsten van je analyse kunt valideren. Na deze dag ben je gewapend met statistische krachten om inzichten bloot te leggen die voorheen in de duisternis van de database bleven liggen.
Module 7: Inleiding tot statistiek en dimensies en feiten
Verken de basisprincipes van statistiek en de rol ervan in data analyse. De docent geeft uitgebreide toelichting op de functies en formules die je kunt gebruiken uit de gereedschapskist van de statistiek en de voor- en nadelen van elke functie.
Leer hoe je verschillende statistische principes kunt gebruiken om inzicht te krijgen in waardevolle patronen in dimensies en feiten en hoe je uitkomsten van je query’s kunt valideren. Je krijgt ook inzicht in de 10 grootste statistische fouten aller tijden.
Ontdek het verschil tussen dimensies en feiten en hoe je die herkent in tabellen. Deze zijn van belang om in dag vier en vijf het dashboard te vullen of je data analyse te presenteren.
Module 8: Data-analyse technieken en validatie
Ontdek geavanceerde data-analyse technieken, zoals cohort analyse, tijdreeksanalyse, winkelmandanalyse, forecasting en (logistische) regressie. De docent loopt de belangrijkste technieken met je door zodat je begrijpt met welk doel je elke techniek afzonderlijk kunt gebruiken en mag toepassen.
In dit stadium moet je na het toepassen van de statistische functies wederom de uitkomsten valideren. Betrouwbaarheid staat voorop. Leer tijdens deze module welke technieken je tot je beschikking hebt om de uitkomsten van je analyse te interpreteren en valideren.
Toets in een vroeg stadium met de domeinexpert en beslisser of je op een juist spoor zit. Je vraagt hen niet alleen feedback te geven op het eindresultaat maar ook op de transformaties die je hebt toegepast. Zij moeten het ook kunnen begrijpen en eventueel ook kunnen toelichten.
Op het einde van dag 3 heb je alles gedaan wat je met de data moest doen om die geschikt te maken voor visualisatie met een BI tool.
Dag 4: Datavisualisatie en Business Intelligence Tools
Op dag 4 van deze Data Analyse opleiding stappen we in de wereld van datavisualisatie en Business Intelligence tools. We verkennen de principes van effectieve datavisualisatie en introduceren populaire BI-tools zoals Power BI en Tableau. Ontdek welke visualisaties passen bij verschillende situaties en leer hoe je interactieve dashboards kunt creëren om diepgaande analyses aan gebruikers aan te kunnen bieden.
Module 9: Principes van datavisualisatie en BI-tools
Begrijp de principes van effectieve datavisualisatie en het grote belang ervan. En hoe toets je de betrouwbaarheid van je datavisualisatie? Welke biases en cognitieve aspecten kunnen daarbij een rol spelen? De docent neemt je mee in de wereld van de (gekleurde) waarneming.
Maak kennis met populaire Business Intelligence-tools zoals Power BI en Tableau. Je krijgt een toelichting op het gebruik ervan en je leert de belangrijkste functionaliteiten kennen.
Module 10: DAX en Power BI
De voorgaande dagen heb je vooral gewerkt met de SQL, nu neemt de docent je mee in de wereld van DAX. Dit is een taal die erg geschikt is om data op te halen via een multidimensionale structuur. We noemen dit ook wel een cellenstructuur uit een kubus.
Je leert de verschillen kennen tussen SQL en DAX en weet wanneer je welke taal het beste kunt toepassen in de verschillende stappen van je data analyse en datavisualisatie.
Module 11: Datavisualisatie effectiviteit en interactieve analyse
Leer welke soorten datavisualisaties geschikt zijn voor welke situaties. Voor een tijdreeksanalyse gebruik je natuurlijk geen taartdiagram en voor een vergelijking gebruik je geen lijngrafiek. De docent geeft je richtlijnen en tips mee hoe je je data niet alleen aantrekkelijk kunt maken maar ook de boodschap die verborgen ligt in de data zo goed mogelijk er kan laten uitspringen. Je krijgt voorbeelden van hoe krachtig een goede datavisualisatie kan zijn en hoe je dingen die je met het blote oog nooit kan weernemen, wel kunt waarnemen met een goede visualisatie.
Ontwikkel vaardigheden voor het maken van interactieve dashboards waarin data uit verschillende bronnen kan worden gecombineerd en worden aangestuurd vanuit één besturingselement.
Je vraagt feedback aan je mededeelnemers zodat je je dashboard nog verder kan optimaliseren.
Aan het einde van deze dag beschikbaar je over een dashboard waar je data analyse goed uit de verf komt. Nu moet je nog het verhaal leren vertellen.
Dag 5: Datapresentatie, ethiek en succesfactoren
De laatste dag draait om het delen van je bevindingen en het vaststellen van ethische overwegingen met betrekking tot je data analyse. Daarnaast leer je hoe je datastorytelling kunt gebruiken om je inzichten overtuigend te presenteren aan domeinexperts en beslissers. Begrijp hoe jouw data-analyse perfect past binnen de Plan-Do-Check-Act cyclus voor continue verbetering en innovatie. We sluiten de opleiding af met ethiek in data analyse en de ultieme succesfactoren voor een top data analist. Hier eindigt je reis als een bekwaam en ethisch bewuste data analist.
Module 12: Datapresentatie en datastorytelling
Versterk je presentatievaardigheden en leer hoe je datastorytelling kunt toepassen om inzichten effectief te communiceren en toe te werken naar conclusies. Verschillende technieken en mogelijkheden worden verkend.
Ontdek technieken voor het overtuigend presenteren van je bevindingen aan beslissers en domeinexperts.
Wat is datastorytelling en hoe kan het je helpen om een interactief dashboard dat op vele manieren kan worden gebruikt toch op een effectieve manier over te brengen als eindproduct.
Je presenteert je definitieve data-analyse en dashboard aan de groep, verzamelt feedback en je krijgt tips van de docent.
Module 13: Data analyse en de PDCA-cyclus
Leer hoe je jouw data analyse kunt integreren in de Plan-Do-Check-Act (PDCA) cyclus voor continue verbetering.
Begrijp nog beter de cruciale rol van data analyse in besluitvormingsprocessen. Als top data analist moet je de wereld van de beslisser (strategisch, tactisch en operationeel) door en door kennen. En hoe dit gebruikt moet worden om vooruit te kijken (en niet alleen achteruit).
Module 14: Ethiek en succesfactoren in data-analyse
Als groep verkennen we de ethische aspecten bij data analyse, inclusief privacy en data-integriteit. In groepjes werk je aan een opdracht om de belangrijkste ethische aspecten te benoemen.
De docent presenteert de belangrijkste competenties die een goede data analist moet hebben. Je maakt een vertaling voor jezelf op welke competenties jij nog verder kunt ontwikkelen.
Ontdek de top 10 succesfactoren die essentieel zijn voor een excellerende data analist. Denk hierbij bijvoorbeeld aan het kunnen vertalen van een analyse naar een concrete procesverbetering of innovatie.
Diepgaand analytisch begrip in de opleiding Data Analist
Deze vijfdaagse opleiding Data Analist biedt een diepgaand begrip van de essentiële concepten, tools en technieken die nodig zijn om data effectief te analyseren en waardevolle inzichten te genereren voor organisaties. Het is een unieke kans om je carrière in de wereld van data-analyse te versnellen en een gewaardeerde dataprofessional te worden. Na afronding van deze opleiding kun je een vervolgopleiding volgen waar data analyse en machine learning worden gecombineerd. Zie onze Python opleiding & machine learning.
Aanvullende informatie van deze Data Analist opleiding
De prijs van deze Data Analist opleiding is inclusief lunchbuffet, onbeperkt thee en koffie, overige drankjes en hapjes tijdens de breaks.
✪ HBO werk- en denkniveau ✪ vrijgesteld van BTW ✪ geen studiebelasting
✪ interactief & praktijkgericht ✪ gewaarmerkt digitaal certificaat ✪ van 9:00 tot 17:00 uur
De taal SQL bestaat al sinds de jaren 70 uit de vorige eeuw, is zeer robuust en springlevend. Elke zichzelf respecterende data analist gebruikt het dagelijks en elke database kan die taal verstaan. Het is dé analytische taal die eenvoudig te begrijpen valt voor zowel leken als experts. Het is declaratief en je hoeft er dus niet voor te leren programmeren. De mogelijkheden voor geavanceerde data analyses in BI tools zijn vaak te beperkt omdat de gegevens eerst (via SQL) in de juiste vorm gegoten moeten worden. De praktijk leert dat je zonder SQL nauwelijks echt waardevolle inzichten boven tafel krijgt.
Behaalde leerdoelen aan het eind van deze opleiding:
Je begrijpt het belang van data-analyse in besluitvorming.
Je kent de kernbegrippen van data-analyse en BI.
Je leert effectief hypotheses opstellen en testen.
Je beheerst het identificeren en gebruiken van databronnen.
Je leert SQL-technieken voor dataverzameling en -transformatie.
Je begrijpt de rol van statistiek in data-analyse.
Je ontwikkelt vaardigheden in geavanceerde data-analyse technieken.
Je leert effectieve datavisualisaties en BI-tools gebruiken.
Je begrijpt het belang van datastorytelling in presentaties.
Je integreert data-analyse in de PDCA-cyclus.
Je leert over ethiek en integriteit in data-analyse.
Je ontwikkelt vaardigheden in cohortanalyse en forecasting.
Je leert hoe je dimensies en feiten in data herkent.
Je ontwikkelt effectieve samenwerking met domeinexperts.
Je beheerst het toepassen van DAX in datavisualisatie.
Je leert hoe je data-analyses betrouwbaar valideert.
Je begrijpt het gebruik van SQL en DAX in BI.
Je ontwikkelt een sterke basis in datakwaliteit en -validatie.
Je leert complexe datasets analyseren en interpreteren.
Je ontwikkelt een complete visie op data-analyse binnen jouw organisatie.
Voor wie is deze Data Analist opleiding bedoeld?
Iedereen die het grote belang van data analyse bij het nemen van betere beslissingen begrijpt én aanleg heeft voor het analyseren van gegevens (dat wil zeggen analytisch is ingesteld) kan zich inschrijven voor deze opleiding. Zowel beginnende als meer ervaren data analisten kunnen de kneepjes van het vak bij ons leren. We hebben meer dan 20 jaar ervaring in het vak en hebben er boeken over geschreven. In de praktijk nemen vaak business analisten, BI-consultants, data engineers, (startende) data analisten, data scientists, controllers en medewerkers managementinformatie aan deze Data Analist opleiding deel.
Schrijf je nu in voor dé opleiding tot top Data Analist
Met ons inschrijfformulier kun je je inschrijven voor de eerstvolgende sessie en ben je verzekerd van een plaats. Wil je eerst nog meer informatie over deze opleiding Data Analist neem dan contact op met ons.
Over de docent
Thomas Abramse is opgeleid als ingenieur en afgestudeerd aan de Vrije Universiteit Amsterdam waar hij zijn master Beleid, communicatie en organisatie behaalde. Hij heeft meer dan vijftien jaar praktische ervaring met data analyse, datamodellering en Business Intelligence. Als geen ander weet hij de brug te slaan tussen techniek, SQL, data analyse en beslissingen.
Ja, je brengt je eigen laptop mee, liefst een met een groter scherm. Er zijn geen tools nodig op je laptop die je moet installeren, we doen alles via online services.
Krijg ik ook een certificaat?
Zeker, na afronding van deze opleiding krijg je een gewaarmerkt certificaat van deelname en een digitale badge voor op LinkedIn.
Heb ik een eigen dataset nodig?
Nee dat hoeft niet. Tijdens deze opleiding werk je in principe met een kant-en-klare dataset die de docent heeft gemaakt.
Kan ik mijn eigen dataset meenemen?
Zeker, op het moment dat je klaar bent met de opdracht op basis de dataset van de docent kun je onder begeleiding van de docent data analyses gaan uitvoeren op je eigen data. Let er wel op dat je daarbij voldoet aan de privacywetgeving en richtlijnen binnen jouw organisatie omtrent het delen of kopiëren van gegevens.
Moet ik al kennis hebben SQL?
Nee dit hoeft niet, maar een bepaalde basisvaardigheid of kennis van SQL is wel van meerwaarde om het maximale uit de opleiding te halen.
Heb je een licentie nodig voor een database of visualisatietool?
Wij faciliteren voor de opleiding een BI-tool en database. Uiteraard kan je hiervoor ook je eigen tools en licenties gebruiken en is het natuurlijk voor na de opleiding belangrijk om toegang te hebben tot tools om de opgedane kennis in de praktijk te brengen.
Abramse, T. (2024), Opleiding Data Analist: complete en praktische 5-daagse Data Analyse opleiding. Geraadpleegd op [voeg hier de datum in], van https://www.passionned.be/opleidingen/data-analist/
Wil je linken naar dit artikel? Dat kan als volgt:
<a href="https://www.passionned.be/opleidingen/data-analist/">Passionned Group: Opleiding Data Analist</a>
Word nu ook klant
Wil je ook klant bij ons worden? Wij helpen je maar wat graag verder met datagedreven werken of andere zaken waar je slimmer van wordt.