Extraheren van patronen in de data om inzichten te krijgen die wenselijk zijn om de toepassing succesvol te realiseren.

Op basis van de business case kan er een inschatting gemaakt worden van de data behoefte. Dat wordt veelal gedaan door een eenvoudig datamodel op te stellen van de databehoefte voor de business case. Bijvoorbeeld een combinatie van een conceptueel en logisch datamodel van de databehoefte

Opbouw van de boomstructuur naar een graaf of boom waarbij op basis van de transformatie regels en de interactie met de experts bepaald wordt welke associaties er horen bij de verschillende termen.

Visualisaties voor analisten.

Verzamelen van verschillende datasets die aanwezig zijn en invulling kunnen geven aan de data analyse.

De boom of graaf dient beheerd te worden omdat we uitgaan van een semi supervised platform waarbij op basis van de voorbeeld documenten bepaald wordt wat kern- en stopwoorden zijn. Dit wordt bij een grotere set aan training data steeds nauwkeuriger. Hiervoor wordt een userterface ontwikkeld waarmee een expert op eenvoudige wijze kan bepalen wat kern- of stopwoorden zijn.

Deze stap beschrijft de business case. Dit is de eerste stap in het proces en heeft een belangrijke relatie met de data gedreven toepassing die ontwikkeld gaat worden. Meestal wordt de business case opgesteld door de data governance rollen in nauwe samenwerking met de data-architect.

Filteren van die data elementen die in de databronnen aanwezig zijn maar niet nodig zijn voor deze datagedreven toepassing.

Expertise in de graaf kan nader geanalyseerd worden en eventueel gekoppeld worden bepaalde experts

Visualiseren van de data analyse bijvoorbeeld in de vorm van rapportages, dashboards met grafieken en combinaties daarvan. Als laatste kunnen bij de visualisaties ook user interfaces horen voor de gebruikers van de data gedreven toepassing die in het project ontwikkeld wordt. Bijvoorbeeld in apps en websites ter ondersteuning van eindgebruikers.

Databronnen maken feitelijk geen onderdeel uit van een Data gedreven toepassing. Databronnen zijn de grondstof waaruit de structurering tot informatie plaatsvindt. Daarom is het van belang om goed na te denken wat de juiste bron is. Dit wordt gebaseerd op de analyse van de databehoefte voor deze business case.

Voor de transformatie van woorden naar tref- en of stopwoorden kunnen transformatieregels ingezet worden. Denk hierbij bijvoorbeeld aan het herleiden van woorden naar een stam waarvoor geautomatiseerde transformatieregels opgesteld kunnen worden.

Voor data gedreven toepassingen zal een deel van de data afkomstig zijn vanuit de eigen organisatie. Bijvoorbeeld over de activiteiten van de organisatie en hoe de organisatie de waarde levert binnen het vervaardigen van hun producten en diensten.

Kies voor een opslag medium, wijze (zoals rdbms, nosql, newsql of polyglot etc).

Rond de opbouw van de onderwerpen graaf of -boom kunnen de experts van mening verschillen. Dit platform maakt het mogelijk om over deze verschillen in inzicht een discussie te voeren.

Zichtbaar maken van de expertise en presenteren aan de diverse betrokkenen. Dit zal veelal in een grafische weergave zijn zoals boom, graaf of heatmap weergaven.

Applicatie functie die geautomatiseerd een document omzet naar een lijst van termen inclusief de juiste vulling van de koppeltabel voor termen en documenten

Introduceren van een oplossing waarmee de data gedreven toepassing ingezet kan worden binnen de organisatie. Het introduceren en begeleiding van het gebruik van de toepassing van de business case binnen de organisatie.

Data-analyse is het gericht zoeken naar (statistische) verbanden in gegevensverzamelingen met als doel profielen op te stellen voor wetenschappelijk, journalistiek of commercieel gebruik. Zo'n verzameling gegevens kan gevormd worden door gebeurtenissen in een praktijksituatie te registreren (aankoopgedrag van consumenten, symptomen bij patiënten, et cetera) of door de resultaten van eerder uitgevoerde wetenschappelijke onderzoeken met elkaar te vergelijken en te herinterpreteren.

Als bronnen zijn geselecteerd en gefilterd dient de verwerking plaats te vinden. Verwerking is het omzetten van de ruwe data naar een structuur waarop data analyse mogelijk is. Vanwege het volume en de velocity is bij big data gedistribueerde verwerking veelal noodzakelijk Er is een nauwe relatie met data opslag en data integratie.

Verrijken van de data door het uitbreiden van de data entiteiten zodat meer zeggenskracht ontstaat in de data.

Als er intern geen databronnen zijn of als de interne datasets onvoldoende kwaliteit hebben voor de databehoefte kan gekozen worden voor externe (betaalde) databronnen

Combineren van verschillende datasets om analyse mogelijk te maken