Hans Blogt

Datamining as a service: zou jij ook moeten doen!

2017: tijd om een aantal zaken fundamenteel anders te doen. Bijvoorbeeld: hoe gaat jouw bedrijf meer halen uit de schier oneindige databronnen om slimmer klanten aan je te binden en leads effectief binnen te harken? Juist ja: laat Artificial Intelligence technieken los op je bronnen en laat zo automatisch voor jou de krenten uit de pap destilleren.

En dan wordt het stil… waar moet ik beginnen? Je ziet wel kansen, maar niet de juiste mensen in huis. Sterker nog: de meeste bedrijven in Nederland zullen nooit zich de luxe kunnen permitteren specialisten in dienst te hebben. Schaars, duur en ze zijn zo weer weg, omdat de concurrentie moordend is. Daarom tijd om het helemaal anders te doen: waarom besteed je AI niet uit AS A SERVICE?

Hieronder een aantal redenen waarom dat helemaal niet zo gek is.

  • Jouw bedrijf lijkt misschien uniek, maar heel veel datamining / AI vraagstukken zijn universeel. Denk hierbij aan conversie predictie, profiel segmentatie, seizoens-patroon forecast en productsuggesties in je webshop.
  • Ieder bedrijf heeft unieke data, maar op voorhand is bekend welke soort gegevens een hoge voorspellende waarde hebben. Bijvoorbeeld: gedragsdata voorspelt veel beter dan attitude data of extern ingekochte profielen.
  • Er is veel aandacht in de pers voor Machine Learning en Artificial Intelligence alsof het allemaal schreeuwend nieuw is. De meeste technieken zijn echter al jaren bekend, inclusief praktische toepassing en bekende valkuilen.
  • Data Science professionals die voor meerdere bedrijven en situaties modellen hebben ontwikkeld zijn bewezen efficiënter in het vaststellen wat de mogelijkheden zijn, welke data relevant en welke oplossing het beste past. Dus je profiteert van die brede kennis.
  • Veel AI-technieken zijn open source beschikbaar, dus helemaal niet nodig om op voorhand zwaar te investeren in dure tools. Dat kan altijd nog als het echt moet.
  • Het geheim van goede modellen is zoveel mogelijk relevante databronnen koppelen: online bronnen (web, mobile, social, shop) en meer traditionele data (crm, transacties, service). Veel bedrijven komen hier niet uit, ook door gebrek aan kennis hoe dit te doen.

en.. veel van deze learnings en modellen kunnen bij diverse bedrijven hergebruikt worden.

Wat is in essentie de aanpak?

Beginnen met de kernvraag: wat zijn de datamining kansen, specifiek voor jouw organisatie. Waarschijnlijk heb je al wat ideeën, maar laat je vooral ook inspireren in een korte workshop waarin wij jouw situatie onder de loep nemen en met tal van praktische voorbeelden bij andere bedrijven zullen komen.

Natuurlijk: data moet worden geïnventariseerd, ontsloten, onderzocht en geprepareerd worden voor de verschillende technieken. Juist vanwege de ervaring bij verschillende bedrijven en situaties is er al veel gestandaardiseerd en hoeft dit geen onnodig tijdverslindende operatie te zijn. Maar besef wel dat deze fase het meest cruciaal is voor het uiteindelijk succes!

Het doel is altijd: de best voorspellende model/techniek en zo stabiel mogelijke uitkomsten. Dit maakt ook per definitie dat een goed model alleen een periodieke APK nodig heeft. Dus checken of de diverse vitale onderdelen nog goed werken, en alleen aanpassen waar nodig of waar het beter kan.

Datamining moet geen black box operatie zijn. Daarom nemen wij graag jouw specialisten mee in het avontuur en zal het ontwikkeld model met toelichting overgedragen worden aan jouw bedrijf. Lekker helder.

Hoe kan Piconcepts dat waarmaken?

Natuurlijk mijzelf: meer dan 25 jaar hands-on ervaring met complexe analyses en allerlei praktische modelontwikkeling in tal van bedrijven: van telecom tot aan een simpele webshop. Daarnaast is Piconcepts een netwerk organisatie, aangesloten bij diverse clubs maar ook directe relaties met diverse Data Science professionals: ieder met eigen specialiteit en kunde. Dus de beste match wordt voor jou gezocht.

Datamining begint met data, dus hier wordt gebruik gemaakt van zoveel mogelijk standaard technieken. De ontwikkelde modellen draaien rechtstreeks, runtime op die data en uitkomsten worden direct weer weggeschreven naar de bron. Dus alleen de hoogst nodige scripts die de klus doen, zo blijft de complexiteit beperkt.  Daarnaast kan er worden gekozen voor de selfservice portal in samenwerking met ClearPredictions, maar ook kan gebruik gemaakt worden van Microsoft Azure Machine Learning platform.

Waarom zou je het niet proberen? Ik zou zeggen: laten we beginnen met een kop goede koffie!

Contact

Hans de Boer

+31 (0)6 290 600 66
pi@piconcepts.nl

Big Data Buzz

Altijd op de hoogte van de laatste ontwikkelingen.

Schrijf je in!