Zes manieren waarop data science concrete waarde kan bieden
‘Data is de nieuwe olie’ is anno 2019 een veelgehoorde uitspraken in managementland. Het vakgebied dat ervoor heeft gezorgd dat data vandaag de dag zo waardevol is, is data science. Niet verwonderlijk dan ook dat het vakgebied de laatste jaren een enorme vlucht heeft gemaakt. Alex de Ronde, Data Science Consultant bij Digital Power, deelt zes manieren waarop data science waarde kan toevoegen aan de bedrijfsvoering van organisaties.
Professionals die zich dagelijks bezighouden met data science verwerken enorme hoeveelheden data uit verschillende (al dan niet gestructureerde) bronnen (oftewel ‘big data’) om deze om te zetten naar bruikbare informatie voor het management van een bedrijf.
De functie van data scientist lijkt op die van een data-analist, met dit verschil dat laatstgenoemde zich met name bezighoudt met het verwerken van historische data tot informatie. Data scientists leggen zich juist vooral toe op het maken van voorspellingen door data te extrapoleren en modellen te bouwen. Hiervoor dienen deze professionals te beschikken over uitgebreide IT-kennis, inclusief de nodige programmeervaardigheden.
Alex de Ronde, Data Science Consultant bij Digital Power en dagelijks actief met data en data science, schetst enkele redenen waarom organisaties kiezen voor data science-\toepassingen. Ook geeft hij daarbij enkele voorbeelden van hoe Digital Power klanten op die punten heeft bijgestaan.
1. Ondersteuning bij strategische besluitvorming
Professionals kunnen volgens De Ronde van data science gebruikmaken om bijvoorbeeld het strategisch management van de organisatie te ondersteunen bij hun besluitvorming. “Een Data Scientist kan inzichten genereren waar een analist niet mee zou kunnen komen. Hij/zij gebruikt hiervoor geavanceerde technische en wiskundige technieken. Ook bij het meetbaar maken van termen die moeilijk in getallen uit te drukken zijn, kan data science het verschil maken”, legt De Ronde uit. Veel organisaties hebben bijvoorbeeld moeite met sturen op ‘de klantervaring’ of ‘empathie’, voegt hij toe.
De Ronde vertelt hoe Digital Power opdrachtgevers helpt bij het ontwikkelen van dergelijke datagedreven klantervaringen. Zo hielp het adviesbureau een woningcorporatie bij het ontwikkelen van een optimale online customer journey voor (potentiële) huurders én B2B-klanten, zoals investeerders en projectontwikkelaars. Samen met Digital Power werden hiervoor in het bijzonder de verschillende B2B-groepen in kaart gebracht, door middel van het toepassen van data science.
2. Geautomatiseerde tools
Sommige bedrijven maken gebruik van data science, omdat zij de wens hebben een tool of systeem te ontwikkelen waarmee geautomatiseerd bepaalde handelingen verricht kunnen worden, die niet realtime of op grote schaal door mensen kunnen worden uitgevoerd. “Denk hierbij bijvoorbeeld aan een systeem voor aanbevelingen of automatische gevaarherkenning uit image recognition. Ook kun je handmatige acties met behulp van scripts automatiseren”, geeft De Ronde een voorbeeld.
3. Big Data
“Organisaties die met enorme hoeveelheden data te maken krijgen ontbreekt het nogal eens aan de benodigde apparatuur en programma’s om met deze data effectief om te gaan. Om met ‘big data’ te werken zijn dan veelal geavanceerdere technieken nodig”, vertelt De Ronde. Olieplatforms bijvoorbeeld, zenden vandaag de dag miljoenen datapunten naar computers om te verwerken. In het geval van het olieplatformvoorbeeld kan de data van verschillende bronnen komen – te denken valt aan materiaalmonitoring, onderhoudsdossiers, seismologische archieven, weerpatronen en productie-informatie. Data science kan de uitkomst bieden om deze enorme databerg te vertalen naar waardevolle inzichten, waardoor bijvoorbeeld effectiever pijpleidingen en apparatuur gemonitord kunnen worden.
In een geheel andere branche werd Digital Power ingeschakeld door een mediabedrijf om te ondersteunen bij het verzamelen, samenvoegen, structureren en visualiseren van grote hoeveelheden data die door de jaren heen was verzameld via vele verschillende informatiebronnen. Op basis van deze omvangrijke databevindingen kon het mediabedrijf ten aanzien van een van zijn programma’s bepalen hoe het zijn doelgroep het beste kon aanspreken met de juiste boodschap.
“Om met ‘big data’ te werken zijn veelal geavanceerdere technieken nodig.”
– Alex de Ronde, Digital Power
4. Complexe verbanden achterhalen
Met data science kunnen verbanden in kaart worden gebracht, die mensen met het blote oog niet kunnen zien. De Ronde: “Ook als je veel verschillende dingen weet over een bepaalde gebeurtenis of klant, kun je dat big data noemen. Een Data Scientist kan hier verbanden uit halen die een analist niet met zijn normale toolbox kan zien.” In de bankensector bijvoorbeeld, waar tegenwoordig veel aandacht is voor Know-Your-Customer (KYC)- en Customer Due Diligence (CDD)-processen, is het voor menselijk personeel vaak ondoenlijk om de duizenden transacties van klanten door te spitten, om frauduleuze of verdachte handelingen op te sporen. Door het gebruik van slimme robots en andere data science-toepassingen kunnen banken dit veel eenvoudiger doen en wordt tijd en geld bespaard voor andere kerntaken.
De Ronde geeft een voorbeeld uit de praktijk van hoe complexe verbanden in kaart zijn gebracht: “Voor onder andere een e-commerce bedrijf hebben we een model gebouwd dat bepaalt welke klanten waarschijnlijk in de komende maand gaan churnen. Dit kunnen inschatten en automatisch een lijst van deze klanten doorsturen naar CRM is nuttig, maar de inzichten wáárom bepaalde klanten je gaan verlaten en andere klanten niet, is essentieel voor je bedrijf.”
5. Geavanceerde visualisaties
Met de gebruikelijke toolboxes van data analisten is het creëren van geavanceerde visualisaties niet mogelijk, vertelt De Ronde, die daarbij doelt op bijvoorbeeld process mining, 3D-grafieken of zelfgemaakte dashboards. Data science kan dit volgens hem wel mogelijk maken. “Wanneer je over de drempel kan klimmen om ze te kunnen gebruiken, maken geavanceerde wiskundige of technische technieken je het (professionele) leven veel makkelijker en rijker. Zo is het in kaart brengen van de customer journey bij de meeste bedrijven een hot item. Of we dit nu bij grote verzekeraars, overheidsinstanties, of e-commerce bedrijven doen.”
Hij vervolgt: “Met process mining kun je de daadwerkelijk gelopen paden van de customer journey visualiseren, waar je meer van leert dan van de standaardinformatie zoals drop-off percentages of het pad zoals de ontwerper dit bedacht heeft. Dit is zo’n verborgen juweeltje waar maar weinig mensen van weten, en waar we klanten mee versteld hebben doen staan.”
6. Ongestructureerde en bijzondere data
Data science kan tot slot van pas komen wanneer organisaties vooral werken met ongestructureerde of anderszins bijzondere datavormen. Klanten schakelen Digital Power bijvoorbeeld in om beschikbare data voor analyse of infrastructuur te onderzoeken of te verkennen, of om uit kleine hoeveelheden data grote inzichten te ontsluiten.
Zo helpt het adviesbureau opdrachtgevers om ongestructureerde teksten of te analyseren. Een non-profit organisatie, die de arbeidsomstandigheden van werknemers in kledingfabrieken wilde verbeteren, deed een beroep op Digital Power, om te helpen bij het ontsluiten van waardevolle inzichten uit de jarenlange documentatie verzameld over haar werkzaamheden. De data scientists van Digital Power hebben datamodellen ontwikkeld die alle relevante data uit de audit- en trainingsrapporten haalden en klachten automatisch op onderwerp classificeerden. Met de nieuwe inzichten kon de non-profitorganisatie de eigen procedures verbeteren en best practices delen met andere ngo’s, overheden en belangenorganisaties.
Ook helpt Digital Power bij het analyseren van geodata (gemeenten maken hier vaak gebruik van om hun ruimtelijke planning te verbeteren). Zo wist een woningcorporatie met behulp van de consultants van Digital Power zijn database te verrijken met belangrijke data. Het adviesbureau heeft ook een trackrecord in het toepassen van data science om inzichten te verkrijgen uit (bewegende) beelden of 3D-beelden (bij bouwprojecten wordt dit bijvoorbeeld toegepast om opleveringen effectiever te maken).
De Ronde geeft opnieuw een voorbeeld: “Op het gebied van image recognition hielp Digital Power een overheidsinstantie bij een pilotonderzoek, waarbij werd gekeken hoe mist gedetecteerd kan worden in foto’s afkomstig van snelwegcamera’s. Het adviesbureau heeft hiervoor state-of-the art neurale netwerken getraind, die zich specifiek richten op beeldherkenning. Aan de hand van de bevindingen in deze pilot zal verder onderzoek naar mistherkenning door snelwegcamera’s gedaan kunnen worden.”
“Het lijkt erop dat de databehoeften van organisaties aan het veranderen zijn. Naarmate het veld volwassener wordt zijn ook senioriteit en specialisatie voor data scientists belangrijker aan het worden.”
Databehoeften veranderen
Dat data science-toepassingen de komende jaren in populariteit alleen maar verder zullen toenemen, erkent ook de Digital Power-data science consultant: “Het lijkt erop dat de databehoeften van organisaties aan het veranderen zijn. Naarmate het veld volwassener wordt zijn ook senioriteit en specialisatie voor data scientists belangrijker aan het worden. Ook is er een steeds grotere behoefte aan meer technische data analisten”, besluit De Ronde.
