Scoren met data-analytics
Grip krijgen op de werkelijkheid, dat wil elke ondernemer. Goed gebruik maken van de beschikbare data brengt deze wens een stapje dichterbij. Door afgesloten projecten te analyseren ontstaat zicht op patronen. En dat is stuurinformatie voor nieuwe projecten. Maar het vakgebied is nog jong en bedrijven moeten vooral van elkaar leren. In dit artikel vertellen data-scientists hoe ze data hun beslissingen laten ondersteunen.
Maar liefst 80 nieuwe medewerkers haalde Philips VitalHealth binnen in 2018. Dat is bijna de helft van het totale personeelsbestand van dit in december 2017 door Philips overgenomen IT-bedrijf. AI-specialisten, data-wetenschappers, ontwikkelaars… ze zijn zeer welkom bij het in Ede en Eindhoven gevestigde Philips VitalHealth. Daaruit blijkt maar weer dat data-analytics als vakgebied een stormachtige groei doormaakt. De verklaring ligt voor de hand. De toepassingsgebieden worden steeds breder en de lijst met succesvolle praktijkvoorbeelden wordt steeds langer.
In de terminologie van Philips VitalHealth spreken we over adaptive intelligence. Daarmee worden digitale oplossingen ontwikkeld voor population health management. Publieke, medische en persoonlijke data wordt ingezet om leefstijlen in kaart te brengen, gezondheidsrisico’s te identificeren en relevante gegevens van zorgpartijen zo mogelijk te koppelen. Volgens algemeen-directeur Laurens van der Tang leidt dit tot “een shift in de zorg”. In plaats van wachten tot mensen met klachten komen, probeert Philips VitalHealth mensen zo lang mogelijk gezond te houden. Patiënten worden pro-actief betrokken en kunnen veel zelf doen, netwerken van professionals worden ontsloten en behandelresultaten worden gemonitord.
Population health management is beter voor de patiënt, en kostenefficiënt, stelt Van der Tang, want dubbele behandelingen en overbodige controles blijven vaker achterwege en (goedkopere) zorg op afstand is vaker mogelijk. De genoemde shift zien we niet alleen in de zorgsector. Ook in andere sectoren speelt data-analytics een steeds grotere rol in het nemen van beslissingen. In de bouw en installatiebranche, energiesector, consultancy en zakelijke dienstverlening worden intuïtie en onderbuikgevoelens gestut of overruled door de wijsheid van het computerprogramma. In dit artikel beschrijven we de stand van zaken met enkele actuele praktijkvoorbeelden.
Relevante parameters
‘Ieder bedrijf is een data-bedrijf.’ Ooit was dit reclamejargon van hippe marketeers. Het lijkt erop dat zij een vooruitziende blik hadden want het zijn inderdaad niet meer alleen IT-bedrijven die de kennis van data-analytics in pacht hebben. Ingenieursbureau Deltares klopte niet zo lang geleden bij consultancybureau PwC aan om tien jaar projectadministratie te laten screenen en daar significante data uit te halen. Deltares en andere klanten van PwC willen ‘betrouwbaarheid’ en ‘zekerheid’ als het gaat om de investeringen die ze wel of niet moeten doen. Waarop moeten ze hun geld (niet) zetten? De algoritmes geven inzicht.
Wat kan PwC concreet voor bedrijven betekenen? We informeren bij Sandra Ruijsenaars, Senior Manager Data Analytics, die afgesloten projecten screent. Ruijsenaars noemt een aantal relevante parameters: “In welke markt wordt geacteerd? In welke regio is de opdrachtgever gevestigd? Wat is de omvang van de opdracht in geld? Wat is de grootte en samenstelling van het team? Wat is de spreiding van het aantal manuren dat het project zal kosten? Wat is de doorlooptijd van de planning? Welke weersomstandigheden zijn van invloed?”
De opbrengst van deze vragen dient als stuurinformatie voor nieuwe projecten. Tal van organisaties ontdekken de mogelijkheden. Actief op dit gebied is ook netbeheerder Alliander, dat ongeveer vijftig data-scientists in dienst heeft en sinds zes jaar vol inzet op data-analytics. Hoe meer data, hoe beter de voorspellingen, vindt Senior Data Scientist Willem van Doesburg. Beslissingen worden zoveel mogelijk genomen op basis van micro- en macro-economische data.
Bijvoorbeeld om veiligheidsrisico’s in het net op te sporen. Van Doesburg legt uit hoe dat gebeurt bij Alliander: “Storingen voorspellen we door alle data van storingen in het verleden te onderzoeken. Onder welke omstandigheden gebeurde het? Met welke kabels? In welke ondergrond? Hoe zwaar waren de kabels belast? Daar maken we een model van.” De analyses worden gaandeweg steeds verfijnder. Toch moeten we volgens Van Doesburg nog steeds geen wonderen verwachten: “Het blijft slechts een benadering van de werkelijkheid. Zeker in extreem dynamische omstandigheden blijft het lastig.”
Beperkende factoren
Hoe dynamischer de omstandigheden, hoe lastiger de data-analyse. Eigenlijk is dat goed nieuws. Het brengt namelijk helder in beeld op welk gebied data-analytics het meest succesvol is en moet worden benut. Zet de omstandigheden naar je hand! Controleer ze! Dan kan de computer zijn beste kunstje doen. Een mooi voorbeeld is Farmers Cut, een project met verticale landbouw (lees: teelt van sla) in het centrum van Hamburg. De sla groeit op membranen. Temperatuur, CO₂-niveau, luchtverplaatsing, luchtvochtigheid, watertoevoer en lichtintensiteit worden gestuurd met een getraind algoritme.
Deze ‘slafabriek’ kan worden gerund met een paar mensen, die niet eens hoog opgeleid hoeven te zijn. Elk onderdeel bestaat uit hapklare brokken. Farmers Cut levert de sla in de membranen in grote rekken aan kantines in de buurt. Daar groeit de sla nog even door. Plukken gebeurt pas in de keuken als het eten wordt klaargemaakt. Het concept is volledig schaalbaar.
Vertical farms kunnen overal in grote steden neergezet en gerund worden. Ideaal! Helaas kunnen veel projecten niet gecontroleerd worden zoals de teelt van sla bij Farmers Cut. Dat onderkent Mark Raben, Chief Technology Officer van SAP, dat bij het project betrokken was. Raben: “De teelt duurt 16 dagen. Hoe meer tijd een project kost, hoe dynamischer de data en hoe meer onvoorziene factoren. Toch verfijnen we steeds meer doordat we onze modellen continu blijven trainen.”
De beperkende factoren van data-analytics moeten gezocht worden in onvoorziene omstandigheden. (Jammer maar helaas: de werkelijkheid is vaak complexer dan verwacht.) Laurens van der Tang van Philips VitalHealth noemt ook “fragmentatie” als beperkende factor: “In de gezondheidszorg is veel data niet-uitwisselbaar vastgelegd. Dat belemmert onze pogingen om regionale databases te maken voor de zorg. Data van ziekenhuizen, huisartsen, zorginstellingen en gemeentes kan of mag vaak niet gekoppeld worden, ook al geeft de patiënt toestemming.” Ook van Doesburg van Alliander noemt nog een bottleneck: de bedrijfscultuur. Zijn de mensen in de organisatie in staat en bereid te vertrouwen op het computermodel? Durven ze beslissingen uit handen te geven? Het antwoord laat zich raden: dat ligt aan de omstandigheden.
Onafhankelijk advies
VNSG is een Nederlandse SAP user community voor en door SAP-gebruikers. De vereniging ondersteunt gebruikers bij het verhogen van de toegevoegde waarde van de SAP software binnen hun organisatie. De belangrijkste pijlers hierbij zijn kennisdeling, netwerken, belangenbehartiging en beïnvloeding.
Is jouw bedrijf nog geen lid van de VNSG? Start een gratis proeflidmaatschap.
