Home Data & Storage Op avontuur: een frisse duik in de data lakes

Op avontuur: een frisse duik in de data lakes

85

De verkiezing van de nieuwe Amerikaanse president zal voor een groot deel te danken zijn aan het data-analyticsteam dat ongeveer individuele kiezers kon identificeren en targetten. In De Volkskrant van deze week staat in een artikel dat we kanker beter kunnen genezen omdat, op basis van wereldwijd verzamelde data van individuele patiënten, op maat gesneden behandelingen kunnen worden aangeboden. Met het verzamelen, ordenen en analyseren van big data zijn ‘wereldschokkende’ resultaten te boeken. Maar ook op huis-, tuin-, en-keukenniveau zijn de contouren te zien van wat big data, internet of things en machine learning kunnen opleveren. We kijken voorlopig nog vol verwondering naar het uitzicht, zonder nog precies te weten hoe we bij dat punt in de verte kunnen komen. Ik zou zeggen: laten we op avontuur gaan!

Met al die data uit eigen en externe bronnen, acties en uit aan-het-internet-verbonden apparaten kunnen we het heden en verleden tot op detailniveau verklaren. De uitdaging zit in het verzamelen, ordenen en behapbaar maken van die data. Dat is vooral een kwestie van capaciteit en rekenkracht, het is geen rocket science. De echte revolutie zit in de voorspellende waarde van die data dankzij bijvoorbeeld machine learning.

Robots met liefde en emotie
Bij machine learning dacht je vroeger vooral aan robots die plotseling een eigen wil kregen en zich tegen de mensheid keerden. Afhankelijk van de film ging de wereld dan ten onder of bleken robots ook emotie en liefde aan te leren en kwam alles toch nog goed. Machine learning in de echte wereld gaat veel meer over voorspellingen op basis van gestructureerde en ongestructureerde data uit het verleden en de continue feedback op eerdere voorspellingen. Zo ontstaat er een continu proces van data-analyse, voorspellingen, controle op voorspellingen en het toevoegen van voorspellingsresultaten aan de data. Zo worden voorspellingen steeds nauwkeuriger en betrouwbaarder. ‘Voorspellen is moeilijk vooral als het de toekomst betreft’: het bekende bonmot kan in ieder geval bij het vuilnis.

Machine learning
Wat kun je daarmee als je niet van plan bent president van Amerika te worden en medisch onderzoek graag aan specialisten als René Bernards overlaat? Heel veel! Met een model van machine learning kun je ook heel concrete vragen voor een organisatie beantwoorden. Bijvoorbeeld: je kunt bezoekers-, klanten- en passagiersstromen in kaart brengen, voorspellen en sturen. Je kunt resourcebehoeften voorspellen en voor zijn, toekomstige werkstromen nu al optimaliseren, gebiedsontwikkelingen en crisishaarden voorspellen. Maar ook upsell- en cross-sell mogelijkheden vroegtijdig signaleren. En zo zijn er veel meer toepassingsmogelijkheden te bedenken en te realiseren.

Maar wat is de vraag?
Ik durf wel te stellen dat we nu al in staat zijn om op basis van beschikbare data uit databases, processen, apparaten en publieke bronnen de belangrijke en essentiële vragen van organisaties te beantwoorden. Alleen, we weten nog nauwelijks wat die vragen zijn! Ik trek er graag met ambitieuze organisaties op uit om de vragen te formuleren waarop we met een goed machine learning-model het antwoord kunnen geven. In een ‘proof of adventure’ ontdekken we samen wat de vraag is waar we eigenlijk al het antwoord op weten. We gaan diep de materie in en nemen een frisse duik in de data lakes. Ik verheug me al op die reis!

Marcel Lucker, Winvision

LAAT EEN REACTIE ACHTER

Vul alstublieft uw commentaar in!
Vul hier uw naam in