Jasper Ebus – 17 November 2020

Big Data, Artificial Intelligence, Machine Learning, allemaal krachttermen die steeds vaker opduiken. Data Science is een hot topic en staat bij steeds meer grote bedrijven hoog op de agenda. Iedereen lijkt te willen volgen. Jij wilt ook mee, sterker nog, wellicht moet je zelfs mee. Maar hoe? Heb je de benodigde kennis al in huis, ga je eigen mensen opleiden, of huur je toch Data Scientists in tegen schrikbarende tarieven? Vragen die voor onzekerheid zorgen en die voor veel organisaties nog niet eenduidig beantwoord kunnen worden.

Laat ik beginnen met het bevestigen van wat je wellicht al had verwacht. Inzichten verkregen uit data zijn extreem waardevol. Om je concurrenten voor te blijven zul je hieraan moeten toegeven. Momenteel is er ontzettend veel mogelijk op het gebied van Data Science. Als je middelen maar groot genoeg zijn kan een complexe Data Science oplossing in elk deel van je organisatie resulteren in aanzienlijke besparingen of andere verdiensten.

Hoewel dit in de meeste gevallen duur, onbekend, of onhaalbaar zal klinken, kan ook jouw organisatie in de wondere wereld van de Data Science stappen. Een complexe oplossing is namelijk niet in iedere situatie de beste oplossing. Neem de maakindustrie als voorbeeld. Stel dat je een productieproces hebt waarbij je metalen componenten voor machines vervaardigd. Bij een normale gang van zaken is er een x aantal medewerkers die het productieproces draaiende houden. Zij stellen de machines af, verzorgen een soepele transitie tussen processen en voeren kwaliteitschecks uit. Met de huidige technologie is het mogelijk om dit proces tot in de puntjes te optimaliseren. Een tien- tot honderdtal aan variabelen kan gemeten worden. Wat is de temperatuur in de fabriek, wat is de conditie van de invoer of wat is de slijtage van je machine? Allemaal variabelen die door een algoritme kunnen worden gebruikt bij het voorspellen van fouten of het automatisch afstellen van machines. Op deze manier kun je een computer de volledige controle geven over je productieproces. Bewijs dat dit succesvol is, is meteen terug te zien in de KPI’s: je machine gaat minder vaak kapot, je hebt minder restproducten of je productietijd gaat omlaag.

‘Het enige wat ze nodig hebben is een datagedreven steuntje in de rug.’

Hoewel dit voor managers als muziek in de oren klinkt, moeten er wel kanttekeningen geplaatst worden. Zo is een oplossing als deze niet goedkoop. Er is vaak een grote investering nodig voordat de eerste besparingen zichtbaar worden. Verder is er een kans dat je medewerkers alle controle verliezen en hij of zij geen idee meer heeft wat er gebeurt. ‘Geen probleem, de band blijft lopen’, zou je denken. Maar wat als het algoritme ermee stopt, wie grijpt er dan in? Je medewerker is het spoor immers al lang bijster.

Uit dit voorbeeld blijkt dat een complexe, dure oplossing lang niet altijd de beste oplossing is. Vaak sla je al veel gegevens op waarmee je de eerste stappen richting datagedreven beslissingen kan zetten. Laten we hetzelfde voorbeeld gebruiken. Om een halffabricaat goed te keuren, moeten de afmetingen binnen een bepaalde tolerantie vallen. Vallen deze erbuiten, dan moet het product worden weggegooid. Dit wordt netjes gemeten en bijgehouden zodat de medewerker achter de machine enkel de producten behoudt die binnen de tolerantiegrenzen vallen. Hoewel dit prima werkt, beoordeel je enkel achteraf. Ruimte voor verbetering zou je zeggen! Zet bijvoorbeeld de resultaten van de metingen eens in een grafiek. Op deze manier kun je een trend ontdekken. Beweegt de lijn door de meetpunten steeds meer richting de tolerantiegrenzen, dan weet je medewerker dat het volgende product wel eens fout zou kunnen zijn. Zijn of haar kennis en ervaring kan dan worden ingezet om de machine beter af te stellen, waardoor foutieve producten voorkomen worden. Besparing! En dat enkel door een andere visualisatie te maken van je reeds verzamelde gegevens. Op deze manier kunnen je eigen mensen slimmere beslissingen nemen. Het enige wat ze nodig hebben is een datagedreven steuntje in de rug.

Ik ben ervan overtuigd dat ieder bedrijf streeft naar het zoveel mogelijk behouden van haar eigen mensen. Zij zijn namelijk het meest waardevolle bezit van je bedrijf. Begin daarom eens met kijken naar de gegevens die je al verzameld hebt en de extra inzichten die hieruit verkregen kunnen worden. Je hoeft de techgiganten niet voor te blijven door een grote stap te zetten richting de onbekende wereld van Data Science. Met kleine stapjes bereik je uiteindelijk hetzelfde doel. En beter nog, je neemt je eigen mensen mee op de weg richting het datagedreven denken. Dat is pas slim innoveren!

Wil je zelf de eerste stap zetten richting datagedreven beslissen? Benader ons dan geheel vrijblijvend, we denken graag met je mee!

 

Neem contact met ons op

DATA.

ZIT IN ONS DNA.

AAN DE SLAG