Blog: Artificial Intelligence lost je sudoku’s op, maar hoe zit dit binnen jouw business?

Blog: Artificial Intelligence lost je sudoku’s op, maar hoe zit dit binnen jouw business?

AI is de toekomst, de belofte voor ALLE bedrijven. Als je al het nieuws moet geloven, lost het al onze problemen op: Forbes beschreef afgelopen maand in een artikel dat AI helpt onze voedselverspilling te minimalizeren1. De NOS vermeldde een tijd geleden dat big data wordt ingezet om inbraken te voorspellen2. Zelfrijdende auto’s (werken op AI technologie) zouden een oplossing zijn voor het fileprobleem3 en diagnostiek van kanker wordt geautomatiseerd en verbeterd door middel van IBM Watson technologie, een cognitieve computer4. Alsof dat nog niet genoeg is, worden onze Sudoku’s tegenwoordig ook opgelost door middel van Machine Learning Algoritmes!5

AI is de toekomst, maar wanneer start die toekomst bij de MKB bedrijven? Hoe kunnen we deze belofte inzetten om onze huidige bedrijvigheid te innoveren en optimaliseren? Er is een groot verschil tussen de data ‘evangelisten’ en de mensen op de werkvloer. Zij doen hun dagelijkse werk en de evangelisten staan op een podium als keynote speaker te vertellen dat hun werk volkomen gaat veranderen of zelfs wordt overgenomen door AI. Hoe kunnen we de buzzwords AI, DataScience, Big Data nou echt van meerwaarde laten zijn? Dat is namelijk niet zo moeilijk!

Waar kan je Data Science inzetten?

Je kunt 4 hoofdcategorieën onderscheiden waar je Data Science innovaties zou kunnen onderbrengen. Sommige innovaties passen in meerdere categorieën, maar de major task van de innovatie ligt toch vaak bij 1 van de categorieën, de anderen zijn bijvangsten. Dit is zeker geen zwart-wit theorie, maar wel een structuur die helpt te begrijpen hoe Data Science ingezet wordt en kan worden:

  1. Beslissing Support
  2. Proces Automatisatie
  3. Personalisatie
  4. Product Innovatie

1. Beslissing Support
Waar de beslissingen binnen een bedrijf momenteel vaak gemaakt worden aan de hand van het typische onderbuikgevoel dat voortkomt uit ervaring in de werksferen, kunnen bedrijfsdata helpen dit gevoel te ondersteunen met feiten. Een combinatie van data van eventuele externe databronnen kan daarbij helpen om nieuwe inzichten te brengen. Data kan helpen om het gevoel en de ervaring te ondersteunen en op die manier anderen mee te krijgen met uw beslissingen. Hier zijn niet altijd wiskundige algoritmes voor nodig. Het developen van dashboards met doordachte visualisaties is een goede stap om data in te zetten voor beslissing support. Dit wordt in de data science community ook wel Business Intelligence (BI) genoemd.

2. Proces automatisatie
Een proces wordt gedefinieerd als een geordende set activiteiten met een specifiek doel. Het kan zijn dat een bepaald proces ervaring of specialisme vraagt, bijvoorbeeld bij het beoordelen van hart recordings in het ziekenhuis waarbij de cardioloog de beelden van het hart bekijkt. Een proces kan daarnaast ook vereisen dat er veel repeterende taken achtereenvolgend worden uitgevoerd. Dit kost erg veel tijd en energie. Een voorbeeld hiervan is het verwerken van documenten.

De computer ondersteund door data kan helpen met deze processen te automatiseren. De computer hoeft het niet helemaal over te nemen, maar kan de beelden die een onzekerheid bevatten selecteren en doorsturen naar de cardioloog. Hierdoor kan de cardioloog zich focussen op het behandelen van patiënten in plaats van het uitselecteren van gezonde patiënten. In het geval van de rapportages, kan de computer de rapportages automatiseren en een onderdeel over laten voor specifieke op- en aanmerkingen van de rapportage.

3. Personalisatie
De producten en diensten die we leveren, zijn beschikbaar voor de mensen om je heen, de gemiddelde mens. Tijdens het leveren van onze producten en diensten hebben we bewust of onbewust data verzameld van deze klanten/patienten. Aan de hand van data, is het mogelijk te kijken hoe de individuele mens eruit ziet die verknocht is aan een product of dienst. Een stapje verder: we zouden kunnen kijken of er bepaalde groepen te selecteren zijn, waar je de producten en diensten op kunt aanpassen, het zogenaamde personaliseren. Op die manier passen je producten en diensten beter bij de publiek en vergroot je de service naar je klanten/patienten.

4. Product Innovatie
De vorige drie categorieën zijn voorbeelden van toepassingen die kunnen worden toegevoegd aan huidige diensten en/of product innovatie; een soort add-on. Tegenwoordig zie je steeds meer bedrijven hun hele business plan op data baseren. Een voorbeeld hiervan is de big business die er momenteel heerst in de apps. Mensen betalen niet graag voor apps, maar er zit toch een behoorlijk business model achter. Een voorbeeld hiervan is de app navigatie app Waze; jouw live GPS tracked data worden verwerk en geanaliseerd om zodoende real-time de optimale route terug te geven aan de Waze gebruikers. Het business model van Waze is geheel gebaseerd op het verkoop van de GPS data. Zij verkopen de data die zijn ophalen aan derden en houden op die manier hun business draaiende. Een snel groeiende business op dit moment zij bureaus die data sets doorverkopen.

Is Data Science jouw toekomst?

En om terug te komen bij de vraag of Data Science voor elk bedrijf van meerwaarde kan zijn: hopelijk heeft deze blog duidelijk gemaakt data Data Science niet alleen gaat over complexe wiskundige algoritmes. Het is een business vraagstuk en een nieuwe manier van denken. Elk bedrijf heeft, bewust of onbewust, data die meerwaarde kunnen bieden aan de huidige business. Voor elke Data Science proces geldt: start klein: maak eens visualisaties van je data. Je zult zien dat je je data kan vertrouwen en dat je hierop kunt bouwen.

In volgende blogs zal worden uitgewerkt dat het maken van visualisaties met een aantal vuistregels niet moeilijk is.

Over Ymke de Jong, Data Scientist, BPAnalytics

Deze serie blogs wordt geschreven door Ymke de Jong, data scientiste bij BPAnalytics. BPAnalytics focust zich op het adviseren, ontwikkelen en exploiteren van data analytics vraagstukken in de business. De insteek van BPAnalytics differentieert zich in de vertaalslag van de technische taal naar de business user.

 

 

Bronnen:

  1. https://www.forbes.com/sites/berlinschoolofcreativeleadership/2017/10/18/the-future-of-artificial-intelligence-from-minimizing-food-waste-to-terrible-self-creating-music/#33b063aa6b76
  2. https://nos.nl/artikel/2173288-politie-gaat-misdaad-voorspellen-met-nieuw-systeem.html
  3. https://freshgadgets.nl/waarom-de-zelfrijdende-auto-de-oplossing-voor-het-fileprobleem
  4. https://www.ibm.com/watson/health/oncology-and-genomics/oncology/
  5. https://blog.prototypr.io/behind-the-magic-how-we-built-the-arkit-sudoku-solver-e586e5b685b0