Sleutel tot datagedreven groei: de quickscan

AI kan auto’s rijden, gedichten schrijven en ziektes detecteren. Hoewel de diversiteit aan AI-tools groot is, is de basis van elke tool hetzelfde, namelijk data. En data worden door elke organisatie onvermijdelijk verzameld en geproduceerd. Dit betekent ook dat elke organisatie de potentie heeft AI te gebruiken en zelfs te ontwikkelen.

De hoeveelheid mogelijkheden in de AI-wereld is groot, AI kan worden ingezet in elke sector. De kansen brengen inspiratie en uitdagingen met zich mee voor organisaties. Deze kunnen enorm variëren afhankelijk van diverse organisatiespecifieke factoren zoals financiën, bestaande technische infrastructuur, datageletterdheid, datakwaliteit enz.

Als Dataprofessional bij Van Dam Datapartners ben ik betrokken bij verschillende aspecten van data zoals het ontwikkelen van ons Datamanagementplatform, het doorvoeren van analyses voor klanten en het schrijven van informatieve stukken over data en AI, zoals dit artikel.  Als organisatie ondersteunen we onze klanten bij verschillende datagerelateerde uitdagingen en één van onze geheimen is onze universele maar flexibele en contextgerichte aanpak: de Quickscan. In dit artikel presenteer ik de Quickscan en onze methodiek die we volgen om organisaties te helpen bij het maken van de volgende stap met data.

Use cases

Heb je veel ideeën over de datagedreven toekomst van je organisatie, maar weet je niet hoe je kunt beginnen? Of misschien heb je al iets geïmplementeerd, maar ben je niet tevreden over de resultaten. Het maakt niet uit of jij ondersteuning wilt bij de verwezenlijking van je datadromen of een probleem wilt aanpakken. De Quickscan is het juiste startpunt.

Van heel brede verzoeken tot heel specifieke uitdagingen, met de Quickscan kunnen we voor elk vraagstuk een resultaatgericht perspectief bieden. De volgende fictieve voorbeelden illustreren de toepassingsmogelijkheden voor de Quickscan.

Van inspiratie naar innovatie

Stel je hebt een groeiende interesse in AI en ziet de grote potentie voor je organisatie. Je kent veelgebruikte tools zoals ChatGPT, Copilot en Midjourney en weet dat AI ook wordt ingezet bij gezichtsherkenning, fraudedetectie en de aanbevelingsalgoritmes van Spotify en Instagram. Maar de grote vraag blijft: hoe kan AI van toepassing zijn voor jouw organisatie en team?

We geloven in de kracht van data en AI en dat ze voor elke organisatie iets kunnen bieden. Onze consultants beschikken over expertise in zowel data als maatschappelijke kwesties en kunnen hiermee samen met jouw team een doelgerichte oplossing ontwikkelen met behulp van de Quickscan-methodiek. De eerste stap bij een Quickscan is het definieren van een hoofdvraag. De hoofdvraag weerspiegelt de behoeften van je organisatie en de doelstelling van de Quickscan. Als je brede interesse in AI hebt en niet precies weet wat voor toepassingen geschikt kunnen zijn voor je team, bespreken we eerst of we een specifiekere focus willen bepalen. Wil je met AI bijvoorbeeld repetitieve taken automatiseren, kosten verminderen of dienstverlening optimaliseren? 

Na de probleemdefinitie volgen de twee Quickscan-fases: inventarisatie en advies. Tijdens de inventarisatiefase verzamelen onze adviseurs informatie over de specifieke context van je organisatie, de bestaande potentie voor AI-inzet, de bereidheid om AI in te zetten, de diverse behoeften binnen de organisatie enz. Dit doen ze aan de hand van interviews met belangrijke stakeholders in je organisatie en een uitgebreide desk research.

Tijdens het analyseren van de informatie uit de inventarisatiefase vergelijken we de huidige situatie met de gewenste situatie. Een cruciaal element dat de huidige situatie met de toekomstvisie verbindt, zijn de reeds bestaande capaciteiten. Ter illustratie: we constateren dat je organisatie beschikt over uitgebreide en goed gedocumenteerde data met betrekking tot de tevredenheid van deelnemers aan jullie informatieve evenementen. Gezien de gestructureerde aard van deze data adviseren wij de implementatie van een clusteringmodel om inzicht te krijgen in de verschillende groepen die door jullie evenementen worden bereikt. Daarnaast raden we aan om een ethische commissie te betrekken bij dit project, zodat de clusteranalyse verantwoord kan bijdragen aan jullie besluitvorming.

Als onderdeel van ons advies stellen we een roadmap op met concrete stappen om de doelen te bereiken. In deze roadmap vind je alles van het samenstellen van een geschikt projectteam, de verwerking en analyse van data, tot aan het testen en interpreteren van de resultaten.

AI komt in veel vormen voor en het hoeft niet door je team zelf ontwikkeld te worden. Er zijn veel gebruiksklare tools ‘off the shelf’ beschikbaar en onze consultants kunnen je helpen de meest geschikte tools te vinden voor jouw toepassing(en). Daarbij houden we ook rekening met ethiek, toekomstbestendigheid, financiën, etc.

Ook in deze situatie wordt de adviesfase afgerond met een eindverslag en een presentatie. Het eindverslag bevat een roadmap voor de toepassing van de gekozen tool, maar ook advies over bepaalde trainingen die gebruikers kunnen volgen, het technische beheer van de tool of het aantal nieuwe medewerkers dat voor de implementatie nodig zouden zijn.

Een roadmap, eindverslag en dan is het voorbij? Nee, zowel bij intern gebouwde AI of als bij kant-en-klare oplossingen, kan ons team je ondersteunen bij de realisatie. En we bieden nog meer geschikte diensten die cruciaal kunnen zijn in de datatransformatie van je organisatie. In het geval van AI die afhankelijk is van je interne data, kan ons Datamanagementplatform uitkomst bieden. Als je voor het Datamanagementplatform kiest, dan ontzorgen wij je bij het ontsluiten, transformeren en laden van je data, ben je verzekerd van goede datakwaliteit en heb je zo een goede basis voor AI-analyses. Bij het implementeren van gebruiksklare AI-producten is datageletterdheid van belang. Om de gebruiksbereidheid van medewerkers te stimuleren en hun kennis van AI te vergroten, biedt onze Academy specifieke trainingen aan. De training ‘Datageletterdheid & Datagedreven Werken’ is voor iedereen die de kracht van datagedreven werken wil ontdekken, terwijl we ook meer gespecialiseerde trainingen kunnen voorstellen zoals ‘Data en Organisatie’ voor je directie en managers. Als een inhoudelijke training nog een stapje te ver is voor jouw medewerkers, bieden we ook de laagdrempelige DataDropping aan. Hiermee maken medewerkers in een serious game kennis met data en datatheorie aan de hand van data uit de eigen omgeving. Zo wordt data tastbaar en herkenbaar, ook als werken met data (nog) geen dagelijks praktijk is.

Van uitdaging naar succes

Stel: je organisatie heeft al in AI geïnvesteerd, jullie hebben een apart datateam en jullie ontwikkelen zelf machinelearning-algoritmen die voor hogere efficiëntie zorgen en jullie helpen beter geïnformeerde beslissingen te nemen. Alles ging goed, totdat jullie dataprofessionals veel negatieve feedback kregen over het prognosemodel dat blijkbaar verkeerde voorspellingen maakt. De cijfers voor september klopten helemaal niet. Iedereen dacht dat dit een uitzondering was, maar nu in december blijken de cijfers nog steeds onbetrouwbaar. Het datateam kon geen oplossing vinden, ze moeten andere producten blijven ontwikkelen en hebben geen tijd voor de grote uitdaging van het prognosemodel. De potentie van dit model wordt zo teniet gedaan en een desinvestering ligt op de loer. Ook in deze situatie kan de Quickscan je helpen. Met onze beproefde aanpak komen we tot de kern van het probleem en de best passende oplossingsrichting.

Er kunnen diverse redenen zijn voor de fouten in het prognosemodel – verbinding met de bron, datakwaliteit, overfitting* of de keuze voor bepaalde functionaliteiten in het model. De vragen van onze consultants tijdens de inventarisatiefase zijn gericht op het achterhalen van de verschillende mogelijke oorzaken. We spreken met de data engineers, analisten en scientists, maar ook met de gebruikers en de directie. Naast de interviews inspecteren we de documentatie van het model om een beter idee te krijgen van hoe het hele proces is opgezet. Hoe worden de data ontsloten en later getransformeerd en welke methodiek is er gekozen voor de prognoses?

Uitgerust met antwoorden op deze vragen uit de interviews en de desk research gaat ons team het probleem identificeren en een plan maken met concrete stappen om het model te verbeteren en toekomstbestendig te maken. Het adviesrapport van de Quickscan biedt handvatten waarmee je zelf aan slag kunt, of waarmee je externe partners aan het werk kunt zetten. Ook onze experts helpen je graag. Als Datapartner werken wij samen met jouw eigen professionals aan een oplossing die bij jullie past. Zo gaan onze data engineers en analisten graag aan de slag met jullie prognosemodel, waarbij in korte sprints steeds kleine verbeteringsstappen worden aangebracht. Je hoeft zelf geen nieuwe dataspecialisten aan te stellen en je medewerkers kunnen in de tussentijd aan andere datadiensten werken, terwijl ze in een passend tempo leren om het vernieuwde model te gebruiken en zelf te onderhouden.

Inzicht

In dit artikel worden twee heel verschillende use cases beschreven. Eén van de fictieve organisaties heeft minder ervaring met datagedreven werken en is geïnspireerd om met AI aan de slaag te gaan, terwijl de andere al jaren ervaring heeft en zelf machinelearning-modellen ontwikkelt, maar tegen een schijnbaar onoplosbaar probleem aanloopt. De Quickscan-methodiek biedt in beide gevallen inzichtelijke antwoorden en kan zo elke organisatie ondersteunen bij het zetten van de volgende stap naar een datagedreven toekomst.

*Overfitting in de context van machine learning betekent dat een model te nauwkeurig de trainingsdata volgt, inclusief ruis en irrelevante details, waardoor het slecht presteert op nieuwe, ongeziene data.