Business Analyst Academy 2026

We starten met de gemeenschappelijke taal van de business analyst. We brengen het digitale landschap van een organisatie in kaart - van kernsystemen tot databeheer - en leggen zo het technische fundament voor de rest van het traject.

• Introductie & kadering 
  • De rol van de business analyst in het digitale landschap 
  • Gemeenschappelijke taal: business vs. IT 
• Applicatielandschap van een organisatie 
  • Kernsystemen 
    • ERP (SAP, Business Central) 
    • CRM 
    • WMS 
  • Architectuurconcepten 
    • Front-end vs. back-end 
    • On-premise vs. cloud 
    • SaaS / PaaS / IaaS 
    • Application layers 
• Hoe systemen met elkaar praten 
  • API's (REST & SOAP) 
  • Middleware en Enterprise Service Bus 
  • Real-time vs. batch verwerking 
  • Eventgedreven architectuur 
• Introductie tot data-architectuur 
  • Types data 
    • Gestructureerd vs. ongestructureerd 
    • Transactionele data vs. analytische data 
  • Data warehousing en data lakes 
  • Van ruwe data naar inzicht: het analytische proces 
• Masterdata management, datakwaliteit & governance 
  • Wat is masterdata en waarom is het cruciaal? 
  • Datakwaliteitsdimensies: volledigheid, consistentie, accuraatheid 
  • Governance-rollen: data owner, data steward

Aan de hand van een concrete case - een ERP-implementatie bij een kmo - doorlopen we het volledige project- en changemanagementproces. Theorie wordt meteen gekoppeld aan de praktijk: deelnemers nemen telkens de rol van business analyst op in het scenario. 

• Wat is een project? 
  • De drie assen: scope – budget – timing 
  • Projecttypes: intern, extern, implementatie, transformatie 
  • Van idee tot business case 
• Een project opstarten 
  • Project Charter: doel, scope, deliverables, risico's 
  • Het projectteam samenstellen: rollen en verantwoordelijkheden 
  • De rol van de projectmanager vs. de business analyst 
  • Kick-off organiseren en verwachtingen aligneren 
• Projectopvolging & coördinatie 
  • Methodologieën 
    • Waterfall: lineair en documentgedreven 
    • Agile/Scrum: iteratief en flexibel 
    • Hybride aanpak: het beste van beide 
  • Voortgangsopvolging: statusrapporten, RAG-status, steering committees 
  • Rapporteren aan stakeholders: toon, frequentie, niveau 
  • Risicobeheer en scope creep voorkomen 
• Change management 
  • De change curve: hoe mensen verandering beleven 
  • Referentiekaders 
    • ADKAR: Awareness, Desire, Knowledge, Ability, Reinforcement 
    • Kotter: 8 stappen naar succesvolle verandering 
  • Adoptie in de praktijk: key users identificeren en opleiden 
  • Go-live begeleiding en nazorg 
  • Communicatieplan: de juiste boodschap, op het juiste moment, voor de juiste doelgroep 
  • Verwachtingsmanagement als rode draad

Tijdens sessie 3 doorlopen we de volledige werkcyclus van een business analyst op één dag: processen lezen, knelpunten analyseren, een verbeterd ontwerp maken en de vereisten vertalen naar bruikbare user stories. Deelnemers werken met een realistisch casusproces en leveren aan het einde een eigen TO-BE voorstel op. 

• BPMN refresh 
  • Swimlanes & pools: wie doet wat? 
  • Gateways: XOR, AND en OR in de praktijk 
  • Events & subprocessen 
  • Leesbaarheid voor niet-technische stakeholders 
• AS-IS analyseren & modelleren 
  • Een bestaand (imperfect) proces lezen en begrijpen 
  • De juiste vragen formuleren als business analyst
  • Observaties omzetten in een procesmodel
  • Tooling: Visio, Lucidchart, Bizagi 
• Knelpuntenanalyse 
  • Lean Six Sigma basisprincipes 
    • De 7 verspillingen 
    • Basisprincipes van value stream mapping
  • Bottlenecks, dubbel werk en ontbrekende stappen herkennen 
  • Onduidelijk eigenaarschap als structureel risico 
  • Prioriteren op impact vs. complexiteit 
• TO-BE ontwerpen & verbeterargumentatie
  • Van knelpunt naar oplossing: quick wins vs. structurele verbeteringen 
  • TO-BE modelleren in BPMN 
  • Verbetervoorstellen onderbouwen voor de business 
  • Draagvlak creëren bij stakeholders die mee vormgaven aan het AS-IS-proces
• Vereisten opnemen via User Stories 
  • Functionele vs. niet-functionele requirements 
  • User story format: As a… I want… So that… 
  • Acceptatiecriteria schrijven 
  • Van procesmodel naar backlog: de brug naar IT 
• Faciliteren 
  • Workshops voorbereiden, modereren en opvolgen 
  • Omgaan met conflicterende belangen in een groep 
  • Beslissingen documenteren en communiceren

Tijdens sessie 4 verschuift de deelnemer van AI-gebruiker naar AI-begeleider. Vertrekkend vanuit een stevige basiskennis stellen we niet de vraag 'wat kan AI?', maar 'wanneer moet je het inzetten, wanneer niet, en wat betekent dat voor jou als business analyst in een organisatie?' 

• Overzicht van het AI-landschap 
  • AI-types en toepassingsgebieden 
    • Large Language Models (LLM) 
    • Computer Vision 
    • Voorspellende modellen & machine learning 
  • AI als feature vs. AI als tool vs. AI als strategisch project 
  • AI in enterprise systemen: welke AI-functionaliteit zit er al in ERP, CRM en BI?
  • Volwassenheidsmodel: waar staat de gemiddelde organisatie? 
• AI als werktool voor de business analyst 
  • Requirements genereren vanuit een ruwe briefing 
  • Procesomschrijvingen omzetten naar een BPMN-draft 
  • Stakeholderanalyse versnellen met prompts 
  • Meeting-output samenvatten en structureren 
  • Live demonstratie + hands-on oefening met eigen toolkeuze 
• Waartoe is AI vandaag in staat? 
  • Mogelijkheden én beperkingen eerlijk in kaart brengen 
  • Wanneer vertrouw je de output, wanneer niet? 
  • Kwaliteitsbeoordeling van AI-gegenereerde deliverables 
• Workshop: AI in de praktijk 
  • Identificeren van AI-mogelijkheden in bestaande bedrijfsprocessen 
  • Criteria voor een valide AI use case: data, doel, meetbaarheid
  • Opzetten van een werkend AI-model specifiek voor de organisatie (no-code/low-code aanpak) 
  • Van idee tot proof of concept: wat heb je nodig als business analyst? 
• AI use cases & inspiratie uit de praktijk 
  • Overzicht van geïmplementeerde AI-oplossingen per sector 
  • Twee diepgaande cases: wat werkte, wat niet en waarom? 
  • De rol van de business analyst bij een AI-project 
    • Datavereisten & kwaliteit 
    • Bias en uitlegbaarheid 
    • AI-requirements schrijven 
    • Change management rond AI-adoptie 
  • EU AI Act in vogelvlucht: wat moet een business analyst weten?

In sessie 5 vertalen we data naar beslissingsondersteuning. Deelnemers leren werken met moderne analysetools, bouwen een dashboard op een reële dataset en ontdekken hoe AI hun analytisch werk kan versnellen, zonder de kritische blik te verliezen. 

• Overzicht van tools voor data-analyse 
  • Microsoft Fabric 
    • Dataflows, lakehouses en semantic models 
    • Positie in het Microsoft-ecosysteem 
  • Low-code tools voor het bouwen van MVP's: Power BI, AI Tools 
  • Wanneer kies je welke tool? Een praktisch beslissingskader 
• Basisprincipes van data-analyse 
  • Data verkennen: distributies, outliers, missing values 
  • Van vraag naar analyse: het analytisch denkkader 
  • Correlatie vs. causaliteit: een kritische blik 
  • Storytelling met data: de juiste grafiek voor de juiste boodschap 
• Managementrapportering 
  • Rapportering als communicatiemiddel: toon, structuur en doelgroep 
  • Voorbeelddashboards per afdeling 
    • Operations: doorlooptijd, OEE, stock 
    • Sales & marketing: pipeline, conversie, klantretentie 
    • Finance: budget vs. realisatie, cashflow 
  • KPI's kiezen: minder is meer 
• Datavisualisatie in de praktijk  
  • Bouwen van een dashboard op een sample dataset 
  • Grafiektypen en wanneer je ze gebruikt 
  • Interactiviteit: filters, drill-downs en slicers 
  • AI gebruiken om data-analyse te versnellen: co-pilot, generatieve queries 
  • Valkuilen: misleidende visualisaties herkennen en vermijden