Data

Vandaag kan iedereen relatief eenvoudig AI-modellen aanspreken om bepaalde services 'slimmer' te maken. Daardoor wordt het moeilijker om een strategisch voordeel te halen uit specifieke technologieën die gebruikt worden. Dé manier om je als bedrijf te differentiëren wordt dus de unieke en kwalitatieve data die gevoed wordt aan die AI systemen. Wij kunnen je helpen om die data vorm te geven die jou als bedrijf uniek maakt.

Als organisatie kan je ervoor kiezen om data in te zetten op twee fronten: als versterking in je producten of services naar je klanten toe, of om interne processen te ondersteunen. Hierbij variëren de doelstellingen van het maken van gefundeerde strategische beslissingen of het ontdekken van nieuwe opportuniteiten tot bedrijfsprocessen optimaliseren. Onze data consultants zetten zich in om, met het oog op deze businessvraag, data vanuit een technische expertise te benaderen. We bepalen samen een roadmap met de vooropgestelde doelstellingen in het vizier.

1/ Data Engineering

Als gespecialiseerde software engineers zorgen deze technische profielen voor het verzamelen en structureren van alle data die binnen een organisatie gegenereerd worden, om op een overzichtelijke manier toegang te krijgen tot betekenisvolle informatie. Het sleutelwoord is hier informatie, want data wordt pas bruikbaar als het gekneed wordt in de juiste vorm, dankzij:

• Bronnen combineren
• Structureren
• Transformeren
• Kwaliteit monitoren

Om deze taken tot een goed einde te brengen hebben onze data engineers een opleiding genoten die de algemene principes van data engineering uit de doeken deed, maar ook specifieke tools die een grote meerwaarde kunnen betekenen. Naast een algemene blik op data architectuur kwamen ook volgende topics aan bod: ingestion, SQL & dbt, cloud services, spark, terraform, scheduling, storage, data modeling, schemas & open table formats en machine learning. Ten slotte was er een integrated exercise om dit allemaal aan elkaar te breien én de oplossing voor te stellen aan kritische stakeholders. Aansluitend op de opleiding is het initiatief gekomen om de setup rond data binnen Axxes onder de loep te nemen en als team zelf ownership te nemen over de infrastructuur en use cases die daarop bouwen. Onze data engineers staan te popelen om deze verworven kennis voor jou in de praktijk om te zetten.

2/ Data Science & Analyse

Graven in data om op zoek te gaan naar patronen, plotse veranderingen, of nieuwe inzichten: dat is de passie van onze data scientists. Dit gebeurt nooit zonder doel, maar altijd met een specifiek businessvraagstuk vooropgesteld. Dat vraagstuk wordt benaderd met innovatieve methoden en gevestigde waarden zoals statistiek en machine learning, en een goede portie domeinkennis. Onze data scientists doen hiervoor beroep op technologieën zoals R en Python die snel evolueren met de ontwikkeling van nieuwe technieken. Ze bouwen modellen om fenomenen te beschrijven, verklaren of voorspellen en conclusies te trekken die een meerwaarde zijn voor jouw bedrijf.

Best practice

1. Niet 'from scratch'

Net zoals bij andere domeinen, hoef je ook bij data niet vanaf nul te starten. Wij maken gebruik van verschillende bouwstenen die je alvast de eerste stappen doen zetten. Afhankelijk van de doelstellingen en beschikbare data kan dit variëren tussen een low-level technologie zoals Python of een high-level service zoals Azure ML Studio, via een uitgebreide data warehouse of een eenvoudiger data lake. Je kan kiezen om lokaal te werken, maar steeds vaker worden data pipelines in de cloud uitgewerkt.

2. Software engineering principes in data engineering

Meer en meer worden principes uit software engineering ook gebruikt in data engineering, wat de kwaliteit van data pipelines sterk vooruit helpt. Denk dan bijvoorbeeld aan testing, modulariteit in code, versiecontrole, etc. Een mooi voorbeeld hiervan is de ontwikkeling van dbt (data build tool), waarbij deze principes geïntroduceerd worden voor SQL transformaties.

3. Bouw vertrouwen op met POC's

Start met een dataproject dat qua omvang bevattelijk is en een specifieke businessvraag beantwoordt. Zo krijg je voeling met de werkwijze en vertrouwen vanuit de business, waardoor de adoptie van datagedreven werken nadien vlotter kan verlopen. Kijk hierbij ook uit naar collega's voor wie het dataverhaal nauw aan het hart ligt en die kunnen optreden als data evangelisten of 'friendlies'.

4. Product thinking en data mesh

Naast de voordelen van software engineering principes, ziet men recent ook de voordelen om data pipelines te zien als een data product. Zaken als user requirements, life cycle, kwaliteitscontrole, product owners zorgen voor een bredere adoptie en enthousiaster gebruik van meer relevante oplossingen. Dit gaat hand in hand met het concept van data mesh, waarbij ownership over de data bij de betreffende domeinen gelegd wordt.

5. Governance en vindbaarheid

Bij veel bedrijven groeit het besef dat data pas echt iets kan betekenen als medewerkers kunnen ontdekken welke data beschikbaar is om hun vragen te beantwoorden en als die data voldoende kwalitatief is om de juiste antwoorden naar voor te schuiven. Goede data governance vertrekt van wat relevant is voor de business, vermindert risico's door foutief gebruik en brengt waarde door juist gebruik van data. Uiteraard wordt dit steeds belangrijker naarmate de data omvangrijker wordt, wat meer en meer het geval is. Met data die verwerkt en bevraagd wordt door verschillende departementen en medewerkers is het ook cruciaal om te bewaken wie toegang heeft tot welke data, om zo op een verantwoorde manier met kostbare data om te gaan.

Toepassingen

Data kan een rol spelen voor bedrijven in elke sector, maar we illustreren de technologie hierbij graag met enkele impactvolle toepassingen.

Weet wie je klanten zijn: een analyse van welke groepen en trends aanwezig zijn in het gedrag van je klanten maakt het mogelijk om acties meer te personaliseren voor bepaalde groepen, wat dan weer zorgt voor happy customers. Dat gedrag kan in kaart gebracht worden door enerzijds aankoopgedrag, maar ook door bijvoorbeeld volgen van links in nieuwsbrieven. Dit is voor veel organisaties interessant, onder meer mediabedrijven die verschillende kanalen aanbieden die typisch verschillende doelgroepen aanspreken.

Optimalisatie van logistieke processen: data science kan logistieke processen op een objectieve manier in kaart brengen en tonen waar ruimte is voor verbetering. Niet alleen welke weg gevolgd wordt is belangrijk, maar ook hoeveel exemplaren van elk product nodig zullen zijn, om zo verkoop te maximaliseren en verspilling tegen te gaan.

Computer vision: real-time analyse van beelden wordt gebruikt om processen te automatiseren, zoals producten sorteren, onderdelen evalueren op defecten, voorraden scannen, of gewassen herkennen bij plukmachines. Over het algemeen wordt deze technologie ingezet om saaie, moeilijke of gevaarlijke taken over te nemen. Zo zijn er computer vision systemen ontwikkeld om batterijen en andere gevaarlijke objecten te detecteren in afval.

Precisiegeneeskunde: bij de behandeling van kankerpatiënten wordt data science ingezet om specifieke zwakke punten te identificeren waardoor de ziekte kan bestreden worden op een slimme manier. Via een fijne samenwerking met het Mechelse bedrijf Biocartis hebben we zo kunnen bijdragen aan algoritmes voor snelle testen voor kankerpatiënten en datagedreven gezondheidzorg.