Bram den Teuling

Onverwachte inzichten door data science

Bram den Teuling

Digitalisering biedt grote kansen voor organisaties die daarin durven te investeren. Onder de noemer Digitale Lente lees je de komende tijd op deze site de verhalen van een aantal voorlopers in dit digitale tijdperk. Mensen die er met hun organisaties voor kiezen om de mogelijkheden van digitale technologie te benutten. Vandaag lees je het verhaal van Bram den Teuling, mede-oprichter van orikami.

Tijdens een studie Biofysica maakte hij kennis met de wetenschap en met kunstmatige intelligentie. Naast zijn studie leerde hij zichzelf programmeren. Nu combineert hij deze kennis en ervaring binnen het mede door hem opgerichte bedrijf orikami.

Wat doet orikami?
Ik ben orikami vier jaar geleden gestart met enkele studiegenoten. Inmiddels zijn we met acht mensen. Binnen orikami combineren we kennis over data analyse, over programmeren en over het visualiseren van data. Met deze kennis maken wij dataproducten. Dat doen we eigenlijk altijd in partnerschap met onze klanten. Dataproducten zijn applicaties waarin heel veel data samenkomen en waarbinnen we van die data informatie maken. Datavisualisatie en het snel kunnen komen tot prototypes zijn daarbij heel belangrijke onderdelen. Wij worden vaak door opdrachtgevers gekozen omdat wij niet alleen goed overweg kunnen met grote hoeveelheden en met complexe data, maar juist ook doordat we deze data en informatie snel kunnen verwerken tot toepassingen die voor gebruikers toegankelijk en gebruiksvriendelijk zijn.

Kun je voorbeelden noemen van dataproducten die jullie hebben gemaakt?
In samenwerking met het Ministerie van Onderwijs, Cultuur en Wetenschap hebben we een dashboard gemaakt dat hen helpt bij het houden van toezicht op het hoger onderwijs. Daarin verzamelen we gegevens uit onder andere de Nationale Studenten Enquête, jaarverslagen van onderwijsinstellingen en signalen die bij de inspectie binnenkomen. In die gegevens zijn wij op zoek gegaan naar signalen die iets zeggen over of er iets aan de hand is met een studie of een instelling. De uitkomsten presenteren we in een webgebaseerd dashboard. Uiteindelijk heeft het ministerie de inzichten uit ons prototype geïntegreerd in hun eigen datawarehouse. Een ander voorbeeld is dat wij op dit moment een deel van de Nederlandse muziek Top 40 mede bepalen. Tot een paar jaar geleden werd de Top 40 vooral bepaald op basis van de verkoop van muziek en het aantal keer dat een bepaald nummer op de radio werd gedraaid. Wij hebben een product gemaakt dat gegevens haalt uit allerlei open bronnen zoals Twittter, Facebook en YouTube. Op basis daarvan analyseren we hoe vaak een bepaald nummer wordt beluisterd en wat mensen ervan vinden. Op die manier bepalen wij de social media top voor de Top 40.

Jullie noemen jezelf een data science boutique. Kun je uitleggen wat dat betekent?
Het omgaan met data wordt veel moeilijker naarmate de hoeveelheid data toeneemt, de data realtime beschikbaar moet komen of als de data heel ongestructureerd zijn. Er is binnen de IT een hele wetenschap over het omgaan met grote hoeveelheden complexe data, ook wel Big Data. Aan de andere kant is er een hele wetenschap die gaat over het halen van informatie uit data, denk aan Machine Learning. Hoe kunnen we zoveel mo­gelijk informatie halen uit een zin of uit een signaal van een meetinstrument. Binnen data science worden die beide vakgebieden gecombineerd. Met boutique bedoelen we dat we kleinscha­lig en kwalitatief opereren. We doen maar een beperkt aantal klussen per jaar. Daar kunnen we ons dan op focussen. Voor data science is die focus heel belangrijk om tot de gewenste kwaliteit te komen.

Voor welke type organisatie heeft data science toegevoegde waarde?
Organisaties verzamelen aan de lopende band gigantische bakken met data. Die kun je veel nuttiger gebruiken dan nu vaak gebeurt. Wij zien bij bijna iedere organisatie wel kansen om data nuttiger te gebruiken. Het wordt wel interessanter naarmate de schaal groter is. Wij richten ons expres niet op sectoren, omdat de vragen zo breed zijn dat ze de grenzen van sectoren overschrijden. Data science gaat ook vaak over het combineren van data uit verschillende afdelingen, bedrijven of sectoren. Daar ligt zowel de kracht als de uitdaging van ons werk.

Is data science iets wat organisaties zelf in huis moeten hebben?
Het blijkt voor organisaties heel lastig om dit in eigen huis op te bouwen. Allereerst heb je hiervoor hele specialistische kennis nodig. Wetenschappelijke kennis, kennis over complexe IT systemen en kennis over design en visualisatie. Met name de technische kennis over het omgaan met grote datasets is heel schaars. De mensen die dat soort kennis hebben, worden meteen weggekocht door de grote jongens zoals Google. Hetzelfde geldt voor echte datawetenschappers die kennis hebben over machine learning en over neurale netwerken. Deze kennis en vaardigheden vind je niet in één persoon verenigd, daarvoor moet je een echt team hebben. Tot slot moet je echt een cultuur weten op te bouwen. Data science is een wetenschappelijke zoektocht. Je tast in het duister en soms vind je iets. Dat vraagt een hele andere manier van managen dan klassiek projectmanagement.

Jullie zijn volop actief in het gebruiken en benutten van nieuwe technologie. Van welke opkomende technologie heb jij hoge verwachtingen?
Waar ik heel positief over ben is de snelheid waarmee wij real-time data apps kunnen maken. Een jaar geleden kostte ons dat een half jaar werk en nu kan dat bij wijze van spreken in een week. Er zijn frameworks op de markt geko­men die dat mogelijk maken en die helpen ons enorm. Verder heb ik hoge verwachtingen van het internet of things. Met name op medisch gebied. Kijk bijvoorbeeld naar devices zoals de Fitbit, Apple Watch en Microsoft Band. Die draag je om je arm en zitten vol met sensoren. Dat is voor medische doeleinden heel interessant en wij zien ontzettend veel start-ups die op dat gebied actief zijn. Ik wil je nog een voor­beeld noemen van een project waar wij bij betrokken zijn en waarin wij veel nieuwe technologie hebben toegepast. Bij onder andere het Radboudumc zijn wij betrokken bij een pilot om de smell-of-the-place te bepalen. Dat is eigenlijk een klimaatmeting onder het personeel over de sfeer op een afdeling. Die resultaten kunnen vervolgens getoond worden met behulp van Philips HUE lampen die je van kleur kunt laten veranderen. Het doel daarvan is om de sfeer inzichtelijk te maken en om zo de bewustwording daarover te vergroten en het gesprek te faciliteren.

Welk advies heb jij voor organisaties die de mogelijkheden van digitale technologie willen benutten?
Het is in ieder geval belangrijk om te beginnen. In kleine stapjes. Probeer eens één ding, maak het meetbaar en ontwikkel het van daaruit langzaam door. Wat je meet kun je verbeteren. Daarnaast constateer ik dat organisaties data nog maar amper benutten. Het merendeel van de organisaties heeft de basis informatiehuishouding nog niet op orde. Laat staan dat ze er echt informatie uit kunnen halen en hun winst en toegevoegde waarde zo kunnen optimaliseren. Mijn tweede advies aan organisaties is dan ook om daar in te investeren.

 


digitalelente

Dit artikel is eerder gepubliceerd in Digitale Lente. Een publicatie over de mogelijkheden van digitale technologie voor organisaties.

In Digitale Lente lees je over open digitaal leermateriaal, de digitale collectie van het Rijksmuseum, data science boutique orikami, indoor navigatie en meer inspirerende onderwerpen.

Om Digitale Lente te ontvangen, stuur je een e-mail met je naam en adresgegevens naar mail@maartenkuiper.nl.  Je ontvangt dan binnen enkele dagen een exemplaar per post.

Tags: No tags

Leave a Comment