Wat kan er allemaal met data? Verslag Data Expo

Posters en stickers in de vorm van voetstappen leiden naar Jaarbeurshal 12, waar bezoekers zich vlak voor 10h00 verzamelen voor de ingang van de Data Expo. We staan bijna te dringen, alsof we fans van een popgroep zijn in afwachting van een concert. Een meneer van ING Real Estate bestudeert op zijn mobiel het programma. Een medewerker van een pensioenfondsbeheerder doet hetzelfde. Ik heb de avond ervoor een lijstje gemaakt van lezingen die ik wil volgen. Na enkele minuten mogen we naar binnen, voor de tweede dag van de beurs over data-oplossingen.

Voorspellen beschikbaarheid OV-fiets
Marthe Veldhuis, datawetenschapper bij de NS, trapt af als een van de eerste sprekers. Ze vertelt over hoe data helpen bij het voorspellen van de beschikbaarheid van OV-fietsen. Ze toont een grafiek waarbij het aantal beschikbare fietsen wordt vergeleken met de voorspellingen. “Voorheen waren er nog geen voorspellingen, waardoor de reiziger soms teleurgesteld bij een lege OV-fietsenstalling aankwam. Dat soort situaties wil de NS voorkomen,” zegt Veldhuis.

De oplossing is om de treinreizigers in de NS-reisplanner te informeren over het verwachte aantal OV-fietsen bij aankomst. De NS heeft hiervoor een voorspellend model gemaakt dat vooral is gebaseerd op de historische beschikbaarheid van de OV-fietsen. “Gek genoeg had het weer weinig invloed op het model. Evenementen zijn nog niet meegenomen in het model, omdat hier nog geen betrouwbare bron voor is. Op feestdagen wordt niks voorspeld,” meldt Veldhuis.

De eerste versie van het model is nu live in de NS-reisplanner. Het model zal in de toekomst nog worden verbeterd, aldus Veldhuis. De NS wil het model ook gebruiken om het onderhoud van de OV-fietsen te voorspellen.

Beter voorspellen met machine learning
René van Luxemburg, business developer bij Atim, spreekt over machine learning en hoe hiermee voorspellingen te verbeteren. Hij verwijst naar de Cypriotische professor Spyros Makridakis, grondlegger van de zogeheten M-competitie voor voorspellende methoden, de ‘gouden standaard’ in forecasting. Machine learning (ML) komt hierbij in acht van de tien gevallen aan te pas, zegt Van Luxemburg. Volgens hem is supervised ML geschikt voor het maken van voorspellingen, al zijn van dit type ML verschillende methoden mogelijk.

Wat is het voordeel van Machine Learning? Van Luxemburg: “Bij ML werken algoritmes zonder software. Ze maken gebruik van features en labels. Voordeel is dat features gebruik maken van domeinkennis, die nodig is voor interpretatie. Zonder die kennis zijn de resultaten onbruikbaar. Nadeel van ML is dat het doorrekenen tijd kost.” Na zijn presentatie bedankt Van Luxemburg de bezoekers voor hun aandacht. Hij zag sommigen foto’s maken van het scherm. Ze mogen zijn presentatie krijgen als ze hun gegevens achterlaten bij de stand van Atim, zegt hij.

Data delen in de keten
Een legpuzzel oplossen met een blinddoek voor. Daarmee vergelijkt Chris Lemmens, directeur data driven consulting bij Philips, de uitdaging om data over een product te delen in de keten. De vraag om data te delen ontstond door veranderende regelgeving in de gezondheidsmarkt en een grotere behoefte aan productinfo vanuit consumenten. Vragen over de CO2-neutraliteit van een product zoals de Oneblade, een trendy scheermes, bleven soms lang onbeantwoord doordat niet alle informatie op de juiste plek aanwezig was. “Dat wilden we veranderen, zegt Lemmens.

De R&D-tak Innovations Engineering van Philips loste het probleem op met een uitgebreide data-architectuur en betrouwbare data-uitwisselingspunten. Hier ging een gestructureerde aanpak aan vooraf, met het in kaart brengen van alle databronnen. Lemmens: “We hebben hiervoor samengewerkt met BearingPoint. Dit resulteerde in interactieve dashboards en directe rapportagelijnen. Voordeel is dat de data voor alle medewerkers beschikbaar zijn. We hoeven elkaar geen Excel-bestanden meer te mailen. Het delen van data gaat nu een stuk efficiënter.”

Slimmer retailen met dataplatform
Ook de doe-het-zelfmarkt is de laatste jaren veranderd. “We zijn amateurklussers meer gaan helpen, nadat we hun behoefte in kaart brachten door productdata en klantdata te combineren,” vertelt Nick Meulenbroek, product owner data & analytics bij Intergamma, de organisatie achter de doe-het-zelf-formules Gamma en Karwei. “Daarnaast helpen we onze interne klanten door self-service analytics aan te bieden via ons dataplatform. Daarmee kunnen de prijzen in de winkels makkelijk worden aangepast en ontstaat er meer inzicht in bijvoorbeeld duurzaamheid.”

Intergamma is ook bezig met generatieve AI, zegt Meulenbroek. “Met BI-software kunnen gebruikers dashboards aanpassen. Een stap verder in deze ontwikkeling is dat de zogeheten dataklussers zelf hun eigen dashboards kunnen maken. Zo kunnen ze een alert krijgen naar hun smart phone of laptop als ze bijvoorbeeld hun beoogde omzet nog niet hebben gehaald.” Ook is er een chatbot ontwikkeld die klanten helpt bij de visualisatie van hun data in Tableau. “We zijn ermee bezig om dit onder te brengen in de datawarehouse,” aldus Meulenbroek.

Gemeente Huizen werkt datagedreven
Gemeente Huizen heeft haar digitale dienstverlening verbeterd door datagedreven te werken. “Hierdoor kunnen we op basis van goede data de juiste keuzes maken,” vertelt Colin Goosensen, informatiemanager sociaal domein bij de gemeente. Huizen is een relatief kleine gemeente, maar is al redelijk ver met automatiseren van haar dienstverlening. Een voorbeeld is het gebruik van zelfontwikkelde applicaties en dashboards bij het aan werk helpen van werkzoekenden. “Hierdoor kan de gemeente de effectiviteit van haar beleid bepalen,” zegt Goosensen.

Gemeente Huizen heeft ook gebruik gemaakt van robotic process automation (RPA), dat data checkt en fouten ontdekt. Goosensen: “Dit hebben we gebruikt voor het toekennen van de energietoeslag aan zo’n drieduizend inwoners. Dit hebben we binnen twee weken kunnen realiseren; normaal zou dat vijf maanden duren met inzet van administratieve krachten.” Huizen zet ook AI in bij het doorzoeken van teksten en verkent algoritmes en zelflerende modellen. De gemeente gebruikt een algoritme en zelfontwikkelde software bij Zicht op Werk, het re-integratieprogramma. Het algoritme heeft de gemeente ontwikkeld in samenwerking met SAS analytics, aldus Goosensen.

Data-strategie bij Schiphol
Vlieghaven Schiphol heeft geworsteld met haar data-strategie, vertelt head of data van Schiphol Maarten den Outenaar in zijn keynote speech. Hij zelf zag al snel de voordelen, maar moest zijn best doen om het nut van data in de hoofden van het management te krijgen. “Het was lastig om de baten uit te drukken in geldbedragen. De opbrengsten zaten vooral in efficiënter en effectiever werken op Schiphol.” Dat vertelt hij ook in een interview met Release.nl.

“Wij helpen Khalid”, werd de slogan waarmee Den Outenaar de top van Schiphol over de streep trok om te investeren in data-management. “Dat was duidelijker dan de vorige slogans. Elke manager kan zich hier iets bij voorstellen, omdat het gaat om zijn of haar werknemer. Doordat de werknemers meer inzicht krijgen in de data kunnen ze beter inspelen op de behoefte van de reiziger. Eén van de successen was dat de wachttijd voor de reiziger bij het ophalen van de bagage daalde. De top van Schiphol ziet nu de waarde van data bevestigd,” aldus Den Outenaar.

Lees het beursmagazine van de Data Expo

De volgende Data Expo wordt gehouden op 10 en 11 september 2025 bij de Jaarbeurs Utrecht.

Bekijk de website van de Data Expo