Ga naar de inhoud 
Ontdek de slimste Data Analyse Tools van 2026 – Complete Gids en Vergelijking
-
H. Khajo
- Leestijd: 8 min
Inhoudsopgave
Data is overal. Elke klik op je website, elke klantgesprek, elke verkoop, het wordt allemaal vastgelegd. Maar cijfers op zichzelf vertellen je niets… tenzij je de juiste data analyse tools gebruikt.
Met moderne data analyse tools en geavanceerde big data analyse tools vertaal jij ruwe data naar duidelijke inzichten. Zo zie je waar kansen liggen, hoe processen efficiënter kunnen en waar je meer omzet kunt behalen.
Waarom je niet zonder data analyse tools kunt werken
Zonder goede data analyse tools werk je eigenlijk met een blinddoek om. Je mist belangrijke signalen, reageert te laat op problemen en laat kansen liggen.
Maar met de juiste data analyse tools kun je:
- Beslissingen nemen op basis van feiten
- Trends ontdekken voordat je concurrent dat doet
- Tijdsintensieve rapportages automatiseren
- Alle data op één plek analyseren met krachtige data analyst tools
Wil je zelf leren werken met data analyse tools, data leren analyseren en toepassen in de praktijk?
In onze Data Analist Opleiding leer je werken met Python of R en ontdek je hoe je data omzet in inzichten die echt waarde toevoegen. Praktijkgericht, met echte datasets en direct toepasbaar in je werk. Werk je liever (nog) niet met Python of R? Dan kun je bij ons ook trainingen volgen in data analyse tools zoals Power BI, Qlik Sense, Excel, Google Sheets, Tableau & Google Looker Studio
👉 Bekijk ook de Data Analist Opleiding
Welke data anlysemethoden zijn er?
Data-analyse is onmisbaar voor organisaties die datagedreven willen werken. Niet elke analyse doet echter hetzelfde. Het is daarom belangrijk dat je weet welk type data-analyse je nodig hebt, zodat je de juiste data analyse tools en technieken inzet.
Grofweg zijn er vier soorten data-analyse. In de praktijk overlappen deze elkaar vaak. Hieronder leggen we uit wat de vier analyses inhouden, welke data analyse tools hier het meest geschikt voor zijn en hoe dit er in de praktijk uitziet.
1. Beschrijvende analyse (descriptive analytics)
Beschrijvende analyse richt zich op de vraag: “Wat is er gebeurd?”. Je kijkt terug in de tijd om inzicht te krijgen in prestaties en trends met behulp van data analyse tools.
Voorbeelden:
- Het aantal websitebezoekers van vorige maand
- De omzet per productcategorie
- Het aantal nieuwe klanten per kwartaal
Voordeel:
Geeft snel overzicht en inzicht in patronen.
Nadeel:
Verklaart niet waarom iets is gebeurd.
Voorbeeldtools:
Veelgebruikte data analyse tools voor bescrijvende analyses zijn Google Looker Studio, Excel, Power BI.
In de praktijk:
Een webshop gebruikt Google Looker Studio als data analyse tools om wekelijks rapportages te maken over het aantal orders en het conversiepercentage. Zo wordt snel zichtbaar of marketingacties effect hebben gehad.
2. Diagnostische analyse (diagnostic analytics)
Diagnostische analyse beantwoordt de vraag: “Waarom is dit gebeurd?”. Je duikt dieper in de data om oorzaken en verbanden te ontdekken met behulp van data analyse tools.
Voorbeelden:
- Waarom is de omzet in een bepaalde regio gedaald?
- Welke marketingkanalen leveren minder rendement op?
Voordeel:
Helpt om gerichte verbeteringen door te voeren.
Nadeel:
Kost meer tijd en vereist vaak meerdere databronnen.
Voorbeeldtools:
Veelgebruikte data analyse tools voor diagnostische analyses zijn Power BI, Qlik Sense.
In de praktijk:
Een retailer ziet dat de verkoop van een productlijn terugloopt. Met Power BI als data analyse tools wordt geanalyseerd dat een concurrerende actie in dezelfde periode plaatsvond, wat de daling verklaart.
Let op: data analyse tools zoals Power BI en Qlik Sense zijn bij uitstek geschikt voor diagnostische analyses, maar kunnen ook eenvoudige beschrijvende en voorspellende analyses uitvoeren.
3. Voorspellende analyse (predictive analytics)
Voorspellende analyse kijkt vooruit en beantwoordt de vraag: “Wat gaat er waarschijnlijk gebeuren?”. Hierbij maak je gebruik van historische data, statistiek en machine learning in combinatie met geavanceerde data analyse tools, waaronder big data analyse tools.
Welke AI voor data analyse wordt tegenwoordig het meest gebruikt voor voorspellende modellen?
Voorbeelden:
- Het voorspellen van klantverloop (churn)
- Verwachten van seizoenspieken in de verkoop
- Inschatten van toekomstige voorraadbehoeften
Voordeel:
Maakt proactief handelen mogelijk in plaats van reactief reageren.
Nadeel:
Vraagt meer technische kennis en een hoge datakwaliteit.
Voorbeeldtools:
Krachtige data analyse tools voor voorspellende analyses zijn Python en R (maar ook Power BI voor eenvoudige voorspellingen).
In de praktijk:
Een telecombedrijf gebruikt Python als data analyse tool om te voorspellen welke klanten waarschijnlijk gaan opzeggen. Het verkoopteam kan deze klanten vervolgens proactief benaderen met gerichte aanbiedingen.
Let op: Data analyse tools Python en R bieden hier veel meer flexibiliteit dan standaard BI-tools, omdat je zelf modellen bouwt en volledig controle hebt over de analyse.
4. Voorschrijvende analyse (prescriptive analytics
Voorschrijvende analyse wordt vaak gezien als de meest geavanceerde vorm van data-analyse. Deze analyse beantwoordt de vraag: “Wat moeten we nu doen?”. Op basis van data en algoritmes worden concrete aanbevelingen gedaan met behulp van geavanceerde data analyse tools.
welke AI voor data analyse wordt ingezet om dit soort slimme aanbevelingen te doen?
Voorbeelden:
- Aanbevelingen voor optimale voorraadniveaus
- Automatisch prijsadvies op basis van vraag en aanbod
- Suggesties voor de meest effectieve marketingcampagnes
Voordeel:
Zeer actiegericht en tijdbesparend.
Nadeel:
Vaak complex, kostbaar en vraagt om een volwassen datacultuur.
Voorbeeldtools:
Veelgebruikte data analyse tools voor voorschrijvende analyses zijn Python, R en geavanceerde AI-modellen (eventueel geïntegreerd in BI-tools).
In de praktijk:
Met Python of R als data analyse tools kunnen organisaties beslissingsmodellen bouwen die automatisch scenario’s doorrekenen en concrete acties voorstellen.
Python en R als krachtige data analyse tools voor alle vormen van data-analyse
Hoewel sommige data analyse tools beter geschikt zijn voor specifieke analysetypen, zijn de grenzen niet strikt afgebakend. Met name Python en R onderscheiden zich als krachtige data analyse tools doordat je:
- alle soorten data-analyse kunt uitvoeren (beschrijvend, diagnostisch, voorspellend én voorschrijvend)
- werkt met open source software
- zelf algoritmes, modellen en logica programmeert
- analyses volledig kunt afstemmen op je organisatie en data, ook bij grotere datasets met flexibele big data analyse tools zoals Python en R
Daarom zijn Python en R de voorkeurskeuze binnen moderne data analyst tools voor professionals die verder willen gaan dan standaard dashboards en écht datagedreven beslissingen willen ondersteunen.
Wil je zelf leren werken met data analyse tools, data leren analyseren en toepassen in de praktijk?
In onze Data Analist Opleiding leer je werken met Python of R en ontdek je hoe je data omzet in inzichten die echt waarde toevoegen. Praktijkgericht, met echte datasets en direct toepasbaar in je werk. Werk je liever (nog) niet met Python of R? Dan kun je bij ons ook trainingen volgen in data analyse tools zoals Power BI, Qlik Sense, Excel, Google Sheets, Tableau & Google Looker Studio
👉 Bekijk ook de Data Analist Opleiding
De 7 beste Data Analyse Tools voor 2026 (complete vergelijking)
Hieronder vind je een overzicht van de 7 beste data analyse tools voor 2026, inclusief actuele prijzen, moeilijkheidsgraad, integratiemogelijkheden en het type organisatie waarvoor ze het meest geschikt zijn.
Data Analyse Tools | Prijs vanaf* | Moeilijkheidsgraad | Integraties | Beste voor |
Power BI | – Gratis (Free) – Pro €13,10 – Premium per user €22,50 | Makkelijk | Microsoft 365, Excel, databases | MKB & corporates |
Tableau | – Standard $75 – Enterprise $115 | Gemiddeld | Veel databronnen | Visuele rapportages |
Google Looker Studio | – Gratis | Makkelijk | Google Marketing Stack & meer | Marketing & SEO |
Qlik Sense | – Starter $200/maand – Standard $825/maand – Premium $2.750/maand | Gemiddeld tot Gevorderd | Breed scala databronnen | Complexe data & enterprise |
Excel & Google Sheets | – Gratis (Sheets) -Inbegrepen in Microsoft 365 (Excel) | Makkelijk | Universeel | Snel starten & kleine datasets |
Python | Gratis | Gevorderd | API’s, databases, ML frameworks | Maatwerk & advanced analytics |
R | Gratis | Gevorderd | API’s, databases, statische pakketten | Statistische analyse & onderzoek |
*Prijzen gecontroleerd op 23 januari 2026. Bedragen excl. btw en op basis van jaarlijkse facturatie. Tarieven kunnen variëren per regio, valuta en licentietype. Controleer altijd de officiële prijspagina’s voor de meest actuele informatie
1. Power BI
Power BI is een veelzijdige data analyse tool van Microsoft met sterke integratie met het Microsoft-ecosysteem. Ideaal als jij al werkt met Excel, Teams en andere Microsoft-applicaties.
- Pluspunt: gebruiksvriendelijk, sterke dashboards met interactieve filters.
- Minpunt: sommige geavanceerde functies vragen een extra licentie (bijv. AI of enterprise capacity) vereisen duurdere licenties.
Praktijkvoorbeeld:
Een logistiek bedrijf gebruikt Power BI als data analyse tools om realtime de voorraadniveaus in alle magazijnen te volgen. Door automatisch waarschuwingen in te stellen, daalde het aantal spoedleveringen met 15% en bespaarden ze duizenden euro’s per jaar.
- Officiële prijspagina van Power BI
- Bekijk ook de Cursus Power BI op onze website
2. Tableau
Tableau is één van de krachtigste data analyse tools voor wie indrukwekkende, interactieve visualisaties wil maken. Ideaal voor storytelling met data.
- Pluspunt: krachtige grafieken en visualisaties, intuïtieve inzichten.
- Minpunt: hogere licentiekosten dan sommige alternatieven.
Praktijkvoorbeeld:
Een marketingbureau gebruikt Tableau als data analyse tools en koppelt deze aan meerdere databronnen, zoals social media en Google Ads. Tijdens klantpresentaties kunnen zij live filteren op campagne en periode, waardoor klanten direct het effect van hun investering zien.
3. Google Looker Studio
Google Looker Studio is een gratis, cloud-gebaseerde data analyse tool met sterke integratie in het Google-ecosysteem.
- Pluspunt: naadloze integratie met Google Analytics, Ads en Search Console.
- Minpunt: minder geschikt voor zeer complexe datasets.
Praktijkvoorbeeld:
Een e-commercebedrijf gebruikt Google Looker Studio als data analyse tool en maakt een wekelijks rapport dat automatisch data uit Google Analytics haalt. Dit bespaart het marketingteam uren handmatig rapporteren.
4. Qlik Sense
Qlik Sense is een krachtige data analyse tool die dankzij AI verborgen patronen ontdekt.
- Pluspunt: AI-aangedreven inzichten en sterke data-integratie.
- Minpunt: steilere leercurve, vraagt training en hogere prijzen.
Praktijkvoorbeeld:
Een zorginstelling gebruikt Qlik Sense als data analyse tools om te voorspellen wanneer de piekmomenten in zorgaanvragen plaatsvinden. Zo kunnen ze het rooster efficiënter plannen en personeelstekorten voorkomen.
- Officiële prijspagina van Qlik Sense
- Bekijk ook de QlikView training op onze website
5. Excel en Google Sheets
Excel en Google Sheets zijn bekende, laagdrempelige data analyse tools die in veel bedrijven nog steeds onmisbaar zijn.
- Pluspunt: toegankelijk, universeel inzetbaar.
- Minpunt: minder schaalbaar en beperkt in geavanceerde analyses.
Voor grotere datasets stappen organisaties vaak over op gespecialiseerde big data analyse tools.
Praktijkvoorbeeld:
Een klein adviesbureau gebruikt Excel als data analyse tools voor het maken van cashflowprognoses voor klanten, waardoor ze snel inzicht krijgen in financiële risico’s.
6. Python
Python is een krachtige data analyse tool en programmeertaal die door data-professionals wordt gebruikt voor maatwerk data-analyse en machine learning en complexe vraagstukken waar big data analyse tools vaak nodig zijn.
- Pluspunt: onbeperkte mogelijkheden met bibliotheken zoals Pandas en NumPy.
- Minpunt: programmeerkennis vereist.
Praktijkvoorbeeld:
Een onderzoeksbureau ontwikkelt met Python als data analyse tool een model dat klantverloop voorspelt. Door deze inzichten konden ze churn met 25% verlagen.
- Bekijk ook de Python cursus op onze website
- Officiële Python website
7. R
R is en gespecialiseerde data analyse tool voor statistische analyses en data science, vooral in wetenschappelijk onderzoek.
- Pluspunt: krachtig voor statistiek en exploratieve data-analyse.
- Minpunt: minder toegankelijk voor beginners zonder achtergrond in statistiek.
Praktijkvoorbeeld:
Een universiteit gebruikt R als data analyse tool om medische onderzoeksdata te analyseren en zo behandelingen te verbeteren.
Even checken waar je staat
Nu je een beeld hebt van de verschillende data analyse tools en hun toepassingen, is het handig om kort stil te staan bij je eigen situatie. Niet om meteen te starten, maar om te bepalen of en waar je eventueel de volgende stap wilt zetten.
Deze checklist helpt je bij het kiezen van de juiste data analyse tools:
- Je hebt een duidelijk beeld van het doel dat je met data-analyse wilt bereiken
- Je weet welke databronnen relevant zijn voor dat doel
- Er is binnen je team voldoende kennis aanwezig, of ruimte om deze op te bouwen
- Budget en tijd zijn globaal in kaart gebracht
- Je oriënteert je eerst via een gratis versie of proefperiode
Wil je zelf leren werken met data analyse tools, data leren analyseren en toepassen in de praktijk?
In onze Data Analist Opleiding leer je werken met Python of R en ontdek je hoe je data omzet in inzichten die echt waarde toevoegen. Praktijkgericht, met echte datasets en direct toepasbaar in je werk. Werk je liever (nog) niet met Python of R? Dan kun je bij ons ook trainingen volgen in data analyse tools zoals Power BI, Qlik Sense, Excel, Google Sheets, Tableau & Google Looker Studio
👉 Bekijk ook de Data Analist Opleiding
Trends in data analyse tools voor 2026
Data analyse tools staat niet stil, integendeel. Ze worden slimmer, sneller en makkelijker in gebruik. In 2026 draait het niet meer alleen om mooie dashboards, maar vooral om sneller beslissen, minder handmatig werk en meer mensen die met data kunnen werken.
Dit zijn de trends in data analyse tools die je steeds vaker terugziet:
AI wordt de assistent van data analyse tools
AI zit inmiddels in bijna elke moderne data analyse tool. In 2026 helpt AI niet alleen met grafieken maken, maar ook met het vinden van patronen, verklaren van afwijkingen en het doen van voorspellingen. Je hoeft steeds minder zelf te zoeken, de tool denkt met je mee.
Data analyseren door gewoon een vraag te stellen
Steeds meer data analyse tools laten je data analyseren met gewone taal. Je typt bijvoorbeeld: “Hoe ontwikkelde de omzet zich dit kwartaal per regio?” en de tool maakt automatisch de juiste analyse. Dat maakt data-analyse toegankelijk voor iedereen, ook zonder technische achtergrond.
Direct inzicht met realtime data
Waarom wachten op een rapport als je het ook meteen kunt zien? In 2026 is realtime data analyse tools steeds vaker directe inzichten mogelijk. Zodra data binnenkomt, zie je direct wat er gebeurt, ideaal voor marketing, sales en operations.
Meer mensen werken zelf met data
Data analyse is allang niet meer alleen voor data-analisten. Dankzij self-service analytics kunnen ook marketeers, managers en consultants zelf dashboards maken en inzichten ophalen. Tools worden eenvoudiger, slimmer en gebruiksvriendelijker.
Overal samenwerken in de cloud
Data analyse speelt zich steeds vaker af in de cloud. Teams werken tegelijk in dezelfde dashboards, waar ze ook zijn. Geen losse bestanden meer, maar één centrale waarheid voor iedereen.
Meer aandacht voor betrouwbare data
Hoe slimmer de tools worden, hoe belangrijker betrouwbare data is. In 2026 besteden organisaties daarom meer aandacht aan datakwaliteit, governance en uitlegbaarheid, zeker wanneer AI wordt ingezet om beslissingen te ondersteunen.
Veelgestelde vragen over data analyse tools
In 2026 is het beeld in de praktijk heel duidelijk, Power BI is veruit de meest gebruikte data-analyse tool binnen organisaties. Vooral omdat het naadloos aansluit op Microsoft 365 en Excel.
Wanneer organisaties meer willen dan standaard dashboards, zoals complexe analyses, voorspellingen of maatwerk, dan wordt er gebruik gemaakt van Python of R. Deze tools bieden maximale flexibiliteit en worden ingezet voor geavanceerde data-analyse en machine learning.
Andere tools zoals Tableau, Qlik Sense en Google Looker Studio worden ook gebruikt, maar hebben in veel organisaties een meer gespecialiseerde rol, bijvoorbeeld voor sterke visualisaties, marketingrapportages of specifieke analytische vraagstukken.
Daarnaast blijft Excel veel gebruikt voor snelle analyses en ad-hoc inzichten, vaak als aanvulling op Power BI of als eerste stap in het analyseproces.
Er zijn verschillende gratis data-analyse tools beschikbaar waarmee je kunt starten zonder direct kosten te maken. Houd er wel rekening mee dat sommige gratis versies vaak beperkingen hebben.
- Power BI Free: gratis dashboards bouwen, maar delen en samenwerken is beperkt
- Google Looker Studio: volledig gratis en populair voor marketing- en SEO-rapportages
- Google Sheets: laagdrempelig voor eenvoudige analyses
- Python: open source en geschikt voor alle vormen van data-analyse
- R: open source en sterk in statistische analyses
Deze tools zijn ideaal om ervaring op te doen met data-analyse, zonder meteen te investeren in betaalde software.
Welke tool “beter” is, hangt vooral af van wat je wilt bereiken en wie ermee werkt:
- Power BI: ideaal als je al met Microsoft 365 werkt en snel bruikbare, overzichtelijke dashboards wilt maken.
- Tableau: sterk in visueel indrukwekkende en interactieve visualisaties, vooral waardevol bij complexe data storytelling.
- Python: perfect voor maatwerk analyses, data-engineering en machine learning, vooral als je verder wilt gaan dan standaard dashboards.
- R: specialistisch sterk bij statistische analyses en diepgaande data-onderzoeken.
Alle vier hebben manieren om te proberen voordat je koopt (Power BI en Tableau met proeflicenties; Python en R zijn open source), dus testen is een slimme eerste stap.
Niet altijd. Met tools zoals Power BI, Tableau en Google Looker Studio kun je zonder programmeerkennis dashboards maken en inzichten ophalen. Deze tools zijn ontworpen voor gebruiksgemak en self-service analytics.
Wil je echter meer maatwerk, complexere analyses of volwaardige machine learning-modellen bouwen, dan zijn Python of R nodig. BI-tools bieden wel eenvoudige AI- en voorspellende functies, maar voor maximale flexibiliteit en controle blijft programmeren essentieel.
Begin met het bepalen van je doel, databronnen en budget. Kijk daarnaast naar het kennisniveau van degene die met de tool gaat werken en hoeveel tijd er is om deze te leren.
Maak vervolgens een shortlist van twee tot drie tools en test deze via een proefperiode. Let daarbij vooral op gebruiksgemak, beschikbare integraties en de mogelijkheden om inzichten en rapportages te delen.
Ja. De meeste data-analyse tools kunnen worden gekoppeld aan CRM-systemen om klantdata te analyseren en te visualiseren.
- Power BI, Tableau, Qlik Sense, en Google Looker Studio bieden standaard koppelingen of connectoren met veelgebruikte CRM-systemen zoals Zoho CRM, HubSpot en Salesforce.
- Voor maatwerk, complexe datastromen of volledige controle worden Python en R gebruikt. Hiermee kun je via API’s vrijwel elk CRM-systeem koppelen en de data volledig naar eigen wens verwerken.
Zo combineer je CRM-data met andere databronnen en krijg je één samenhangend beeld van je klantinformatie.
Er is niet één beste tool voor marketingdata. Welke oplossing het meest geschikt is, hangt af van waar je data vandaan komt, hoe complex de analyse is en wat je ermee wilt doen.
De snelste manier om te leren werken met data-analyse tools is door praktijkgericht te oefenen met realistische datasets. Zo leer je niet alleen hoe de tool werkt, maar ook hoe je data vertaalt naar inzichten die je direct kunt toepassen.
Voor tools zoals Power BI, Tableau en Qlik Sense helpt een gerichte training om snel dashboards te bouwen en data correct te interpreteren. Voor meer geavanceerde analyses en maatwerk zijn Python en R geschikt, omdat je daarmee volledige controle hebt over je analyses en modellen.
Veel professionals kiezen daarom voor een opleiding waarin meerdere tools en technieken samenkomen, zodat je leert welke tool je wanneer inzet.
Bekijk onze opleidingen op het gebied van data analyse, Power BI, Python en R en leer stap voor stap werken met data in de praktijk.
Welke data analyse tools passen bij jou? Conclusie en volgende Stap
De juiste data analyse tools kiezen is geen kwestie van één ‘beste’ oplossing, maar van wat past bij jouw situatie. In de praktijk werken veel organisaties en professionals met een combinatie van data analyse tools, afhankelijk van hun doelen, databronnen en kennisniveau.
Excel en Google Sheets worden vaak gebruikt als laagdrempelig startpunt voor snelle analyses en ad-hoc inzichten. Voor dashboards en rapportages kiezen veel organisaties voor BI-tools zoals Power BI, Tableau, Qlik Sense en Google Looker Studio.
Wanneer analyses complexer worden of wanneer maatwerk, automatisering of voorspellingen nodig zijn, bieden Python en R de meeste flexibiliteit.
Wat uiteindelijk het verschil maakt, is niet alleen welke data analyse tool je gebruikt, maar of je weet wanneer je welke tool inzet.
Wil je dit zelf leren toepassen? In onze Data Analist Opleiding leer je werken met Python of R, zodat je data niet alleen analyseert, maar ook vertaalt naar waardevolle inzichten. Daarnaast bieden we gerichte trainingen in onder andere Power BI en andere data analyse tools, zodat je jouw kennis kunt afstemmen op jouw rol, ervaring en doelen.
Bronnenlijst
| # | Bron | Publicatie | Opgehaald | Bron laatst geverifieerd | Bron-URL |
|---|---|---|---|---|---|
|
1 |
Microsoft Power BI – officiële documentatie & pricing |
23-01-2026 |
23-01-2026 |
23-01-2026 |
|
|
2 |
Statista – BI & analytics marktdata |
23-01-2026 |
23-01-2026 |
23-01-2026 |
|
|
3 |
Harvard Business Review – Data-driven decision making |
23-01-2026 |
23-01-2026 |
23-01-2026 |
Online marketeer
Als online marketeer bij Global Training is hij verantwoordelijk voor de online zichtbaarheid, vindbaarheid en groei van het opleidingsaanbod. Hij houdt zich dagelijks bezig met SEO, contentstrategie, campagnes en conversie-optimalisatie, met als doel de juiste doelgroep te bereiken en te helpen bij het maken van onderbouwde opleidingskeuzes.
Door zijn combinatie van marketingkennis en inhoudelijke betrokkenheid bij data-, IT- en analyseopleidingen weet hij complexe onderwerpen toegankelijk te maken. Als auteur vertaalt hij trends, tools en praktijkvoorbeelden naar heldere en toepasbare content voor professionals die zich willen ontwikkelen.
Anderen bekeken ook
Opleidingsadvies nodig?
Onze deskundige opleidingsadviseurs zijn op werkdagen tussen 09:00 t/m 17:00 uur telefonisch bereikbaar. U kunt ons bereiken door de “bel me terug” knop bovenaan deze pagina te gebruiken. Of neem contact met ons op via:
Studiegids ontvangen?
In de studiegids staat een overzicht van alle cursussen die Global Training aanbiedt. Vraag deze nu aan en ontvang alle opleidingsinformatie per mail.
Updates & aanbiedingen
Meldt uzelf aan op onze nieuwsbrief en blijf daardoor op de hoogte van de laatste updates en aanbiedingen.