Vraag 1:

1a. Welk product uit bovenstaande productportfolio zit momenteel in een lange termijn groeitrend?

• Over het algemeen kunnen we besluiten dat Spirulina over lange termijn (bv 2004-heden) een lange termijn groeiend vertoond.

1b. Hij vraagt zich ook af of er seizoensgebonden variaties zijn in de vraag op de Duitse markt. Wat zijn de beste verkoopsperiodes voor superfoods? Wanneer gaat het minder?

• We zien de hoge aanhoudende pieken in de maanden mei/juni/juli/augustus = de zomermaanden. Hierna zien we aanhouden lagere pieken waarna het herhaaldelijk in januari een eenmalige fameuze/ steeds de hoogste piek zien weliswaar behoorlijk snel vervolgt met enorme aanhoudende dalingen (goede voornemens kunnen hier voor iets tussen zitten).

1c. Als je advies moet geven over een regio in Duitsland om te lanceren, welke regio adviseer je?

•  In Berlijn zien we meer dan duidelijk de meeste interesse.

Vraag 2:

Big data verandert de manier waarop bedrijven met elkaar in competitie gaan en opereren. Welke van volgende domeinen is het domein waar Big Data de grootste impact zal hebben op de bedrijfsvoering. (Duid één aan, die met de grootste verwachte impact)

• Supply chain optimisatie
• Manier waarop we business operations organizeren
• Product ontwikkeling anders aanpakken
• Fundementeel de manier waarop we business doen veranderen
  
  

Vraag 3: 

Wat zijn typische voorbeelden van "Veracity" onbetrouwbaarheids oorzaken? (selecteer alle juiste antwoorden)

• Sock puppet
• Bots
• Digital footprint
• Web brigade
• Technical ability
  
  

Vraag 4: 

Wat kan organisaties helpen om nieuwe verbanden te vinden en patronen te ontdekken die aanzienlijk bijdragen aan veiligheid, toezicht en informatiegaring? (selecteer hieronder het goede antwoord)

• satellietdata
• eigen servers
• GPS data
• XML
• analyse van data "in-motion" en "at rest"

Vraag 5: 

Wat is één van de aandrijvers voor Volume binnen de 5V's van Big Data? (selecteer hieronder het goede antwoord)

• FinTech
• Research & Development
• Toenemende opslagkosten voor data
• Competitieve voordelen
• Hoge resolutie sensoren
  
  

Vraag 6: 

JSON en XML zijn twee voorbeelden van semistructured data. Doe wat desk research, en geef dan een eenvoudig voorbeeldcode van een stukje semistructured data in naar keuze

{

autos: {

"volkswagen": { "Kleur": "rood" "Aantal deuren": "4" "Dakraam": "ja" },

"ford": { "Kleur": "rood" "Aantal deuren": "4" "Radio_knopjes": {"bluetooth":"ja", "gewone_radio":"nee" }

}

}

}

JSON of XML. Leg vervolgens in grote lijnen uit hoe je die JSON of XML moet interpreteren of "lezen". Waarom noemt men dit feitelijk "semi-structered" en niet "structured"?

Dit stukje semi-structured data kunnen we als volgt gaan interpreteren. Eerst en vooral zie je dat er in het datasysteem twee soorten/ merken auto's zijn opgeslaan, namelijk Ford en Volkswagen. Daarnaast kan je ook zien dat men de kleur heeft opgeslaan en het aantal deuren. Ondanks dat ze allebei een auto zijn, zijn er wel andere eigenschappen opgeslaan, zoals het dakraam en radio knopjes. Volkswagen heeft wel een dakraam en Ford niet. Ook heeft Ford een bleuthooth knopje voor de radio, maar dan wel geen gewone radio. Doordat men dus andere eigenschappen heeft opgelslaan naast de standaard eigenschappen, gaat men dit semi-structured noemen. Bij structured mag dit namelijk niet, daar heeft men altijd vaste eigenschappen zoals het merk van de auto, het aantal deuren en de kleur.

Vraag 7: 

Op welk type data ligt de focus bij Operations Analysis? (selecteer hieronder het goede antwoord)

• Location Data
• Machine Data
• Binary Data
• Social Media Data
• Structured Data
  
  

Vraag 8: 

Beschrijf een originele (dus niet in deze cursusmodule reeds beschreven) concrete use case voor big data in het domein van fraudebestrijding. (doe wat research, je moet "to the point" naar een concreet voorbeeld gaan). Je krijgt geen score voor algemeenheden: Je moet een concrete use case nemen die overheid of bedrijven helpt in fraudedetectie/bestrijding. 

RiskShield is een voorbeeld van een realtime multi-fraudepreventie oplossing. Meer en meer mensen gaan online bankieren, dit is heel handig voor de klant, maar kan soms een probleem veroorzaken voor het bedrijf die het aanbied. RiskShield maakt gebruik van een klantgericht aanpak voor fraudepreventie, hierdoor is het gedrag van de klant altijd uniek en is het in principe dus onmogelijk te kopiëren op basis van historische gegevens en geavanceerde analyses. RiskShield maakt eigenlijk een profiel aan voor elke klant die voortdurend wordt bijgewerkt door middel van een machine learning en intelligente algortimen. Telkens opnieuw worden deze unieke profielen vergeleken met de live transactiefeeds. In realtime wordt het risiconiveau van elke transactie bepaald wanneer er iets ongewoons gedetecteerd wordt. RiskShield reageert automatisch door om verdere authenticatue te vragen of gaat de betaling blokkeren.

Bron:

Online and Mobile Banking Fraud Prevention. (z.d.). Inform. Geraadpleegd op 26 april 2022, van https://www.inform-software.com/riskshield/online-and-mobile-banking-fraud-prevention?utm_term=fraud%20prevention%20solutions&utm_campaign=EU+-+RiskShield+-+Online+Banking+Fraud&utm_source=adwords&utm_medium=ppc&hsa_acc=2212182829&hsa_cam=241091182&hsa_grp=15204330502&hsa_ad=270841648785&hsa_src=g&hsa_tgt=kwd-1438034388&hsa_kw=fraud%20prevention%20solutions&hsa_mt=b&hsa_net=adwords&hsa_ver=3&gclid=CjwKCAjwsJ6TBhAIEiwAfl4TWDh8PpTSksgyHHgFvSJW2V8436wTqfAh5en_1vlYTl9h-1Y2kXTL2hoCLRsQAvD_BwE