Bedrijven die datagedreven willen worden, richten zich vaak als eerste op het verwerken van data en zijn op zoek naar slimme machine learning-modellen of artificial intelligence. Maar om waarde uit deze modellen te halen, moet de uitkomst verankerd worden in de dagelijkse manier van werken. Van data naar inzicht naar inzet.
Het integreren van nieuwe inzichten in dagelijkse werkzaamheden is een belangrijke stap in de transitie naar een datagedreven organisatie. Dit kan op verschillende manieren. Bijvoorbeeld door het visualiseren van inzichten in dashboards, om op basis daarvan actie te ondernemen. Of door geautomatiseerd een waarschuwing te sturen wanneer er actie nodig is. Een derde manier is om systeemprocessen of machines rechtstreeks aan te sturen op basis van de data, met behulp van software.
In ons werk voor TNO wordt bijvoorbeeld een api gebruikt. TNO leest sensordata uit auto’s uit ten behoeve van het testen van software voor zelfrijdende auto’s. Algoritmes verdelen en classificeren deze sensorgegevens en combineren die vervolgens in scenario’s. Om deze scenario’s toegankelijk te maken voor oem’s, die software ontwikkelen voor autonoom rijden, hebben we samen met TNO een api ontwikkeld. Ontwikkelaars kunnen dankzij deze api-specifieke scenario’s uit de database opvragen en hiermee de scenario-data inladen in hun testsoftware.
Pizza
Een ander voorbeeld illustreert het aansturen van een fabriekslijn op basis van data. Voor een fabrikant van machines waarmee pizza’s worden gemaakt, hebben we een systeem ontwikkeld dat de aangebrachte hoeveelheid kaas reguleert. Het systeem maakt foto’s van de pizzabodems op de lopende band direct als de kaas daarop gestrooid wordt. Deze foto’s worden geanalyseerd op basis van een model en een algoritme signaleert of de hoeveelheid kaas te hoog of te laag is. Je zou dit in een dashboard aan de operator van de lopende band kunnen laten zien. Echter werkt het nóg beter als een actie volautomatisch uitgevoerd wordt. Daarom stuurt het systeem automatisch een signaal naar de programmable logic controller in de machine om de aanvoer van kaas bij te stellen. De kwaliteit gaat omhoog, de kosten omlaag en zijn er minder mensen nodig om het proces aan te sturen. Zo wordt data toegepast om direct en tastbaar waarde te leveren voor de organisatie.
De reis om datagedreven te worden is niet lineair. Het is daarbij belangrijk om de stap van inzicht naar inzet in de praktijk in gedachten te houden. Hierbij is software nodig om inzichten te vertalen in actie.
De aandacht voor ‘datagedreven’ beslissingen is vooral heel veel geschreeuw en weinig wol, sensordata uit auto’s uit ten behoeve van het testen van software voor zelfrijdende auto’s levert namelijk geen datalake op maar een data oceaan. Een ontwikkeling die wij van WC-eend alleen maar kunnen aanmoedigen want hoe meer data er aangemaakt wordt des te meer opslag is er nodig. Psst…. schijfjes kopen Marianne?
Vorige verhaal van Marianne over de 6 stappen van een dataplatform ging niet om het platform welke uit meer dan alleen schijven bestaat als we kijken naar de rietjes waarmee we onze dorst uit het meer, vijver of paddenpoel lessen. Ik raad af om uit de oceaan te drinken omdat je dan nog meer dorst krijgt, je zult dat water eerst moeten ontzilten. De ruwe data zal omgezet moeten worden in bruikbare data om vervolgens opgeslagen te worden in vijver, meer of poel. De data transformatie door sensordata een bepaalde context te geven doet me denken aan één van de eerste lessen in informatietechnologie die als voorbeeld een teller had die op 120 stond met daarbij de vraag, mag dit?
De herkenning dat het een snelheidsmeter was die een snelheid in kilometers per uur aangaf was eigenlijk al 6 stappen vooruit op de kunstmatige intelligentie maar beschrijvende data bleef in de vraagstelling buiten beschouwing hoewel dit tot een heftige discussie met de ingenieurs in de klas leidde. Het doel van de vraagstelling ging namelijk om de context van regels waarin data zijn waarde als informatie verkrijgt. En ik hoop dat ik niet te ‘bloemrijk’ in mijn reactie ben want ik vrees het oordeel van Filojack maar pas met het aanvullende verkeersbord bleek het antwoord van datasynthese JA te zijn hoewel voortschrijdend in tijd is het NEE geworden. De filosofische wijsheid van Johan Cruijff over op tijd vertrekken en weten waar de bal neerkomt voorkomt dat je moet rennen;-)
Oja, ik had kunnen beginnen met de aanhef: “Lieve Marianne” maar die rechten liggen bij Peter Heerschop. En voorbeeld van pizza ken ik: “Doel is om aan de hand van de data storingen sneller te kunnen verhelpen. Gevraagd naar een andere case begint Vorstermans over pizza’s. Bij één van onze klanten zetten we camera’s, AI en data-analyse in om de fabriekslijn zo aan te sturen, dat precies de juiste hoeveelheid kaas op pizza’s komt – om verspilling te voorkomen.” Hierna komt nog de reclame boodschap over onderliggende systemen met elkaar laten communiceren en het product daarin want die bijdrage aan Computable was een advertorial en niet een opinie.