Met de inzet van data science wordt datagericht werken dynamisch: je kijkt niet alleen terug, maar ook vooruit. Zo geven inzichten je de mogelijkheid om proactief te reageren op wat eraan komt, waardoor het werk effectiever en vaak ook efficiënter wordt. Dat kan onder meer dankzij de inzet van algoritmes. Maar dan wel op een volledig transparante manier.
Beeld: 123RF
“Veel zogenoemde data science projecten komen niet verder dan de bekende toepassingen van business intelligence (BI), met het maken van dashboards en grafieken. Dat is niet zo gek, want logischerwijs begin je met een analyse van de bestaande situatie, zodat je de knelpunten in een proces kunt aanpakken. Het wordt data science als je de vraag stelt waarom iets gebeurt. Zodra je die kenmerken herkent, kun je voorspellen. En wordt datagericht werken signaleren en adviseren”, zegt Frank de Nijs, enterprise innovator bij Centric. Het is zijn werk “om klanten te wijzen op de mogelijkheden van techniek en om samen met Centric te helpen op die mogelijkheden in te spelen”. Zoals de mogelijkheden van data science.
“Organisaties zijn steeds meer met elkaar verbonden en hebben data van elkaar nodig om goede beslissingen te kunnen nemen”
Processen worden fluïde
Er wordt veel gesproken over datagedreven of datagericht werken, maar in feite werkt de overheid allang datagericht, zegt De Nijs. “Met de introductie van de computer werd het werk op de werkvloer steeds meer datagedreven. Zoals gebeurt in zaakgericht werken, waarin alle data die bij een zaak horen bij elkaar staan en waarbij die zaak automatisch langs de stappen in een proces wordt geleid.” Deze werkwijze, in een vooraf vastgesteld proces, staat echter onder druk. “Organisaties zijn steeds meer met elkaar verbonden en hebben data van elkaar nodig om goede beslissingen te kunnen nemen. Processen zijn niet meer rechtlijnig en het werken in ketens wordt vervangen door werken in netwerken, in digitale ecosystemen. Hoe het gehele proces verloopt, wanneer je de data krijgt en naar wie het verder gaat, gebeurt wel gecontroleerd maar is niet meer in beton te gieten.”
Stroomversnelling
De opkomst van data science heeft datagericht werken in een stroomversnelling gebracht. “Over data science en specifiek artificial intelligence, wordt gesproken als de vijfde industriële revolutie. Deze technologie heb je nodig om de enorme hoeveelheid data te kunnen duiden. Hiermee kun je kritisch naar je processen kijken, waar dat voorheen niet kon.” In de praktijk blijkt dan dat processen vaak heel anders verlopen dan hoe ze op papier zijn ontworpen, vertelt hij. Er is bijvoorbeeld een grote diversiteit aan procesgangen, werk wordt dubbel gedaan of men gaat herhaaldelijk terug in een proces. “Op basis van dit inzicht kun je processen, met Lean Change Management, verbeteren en vervolgens ook het nieuwe proces meten, verder verbeteren en mogelijk automatiseren.
Met data science kun je patronen ontdekken en voorspellen.
Als je op deze manier je werkwijzen onder de loep neemt en aanpast, dan blijken organisaties gemiddeld 20 procent verbetering te boeken in doorlooptijd of bekostiging.” Het grote verschil tussen data science en de meer traditionele business analyse-oplossingen: met data science kun je patronen ontdekken en voorspellen. “Een dergelijk model kan aantonen waarom bijvoorbeeld bepaalde piekbelastingen ontstaan en vanuit dat inzicht waarschuwen om hierop in te spelen. Met data science kijk je dus ook vooruit.”
Data science in de praktijk
Hoe doe je dat in de praktijk? Hiervoor heb je een aantal zaken nodig, vertelt De Nijs: data, een systeem waarin je deze data met behulp van algoritmes onderzoekt en deskundige mensen vanuit data science én de bedrijfsprocessen die hier samen mee aan de slag gaan. Het systeem dat Centric hiervoor aanbiedt is van partner Dataiku. Met de gemeente Amsterdam is het nu bezig om het proces van de afhandeling van WOZ-bezwaren te stroomlijnen. De gemeente krijgt veel bezwaarschriften over de aanslag WOZ, mede van bureaus die deze voor inwoners op basis van no cure no pay indienen. De afhandeling ervan kost gemeenten veel tijd en geld. Er ligt dus winst als dit slimmer gedaan kan worden. De Nijs: “Over het WOZ-proces zijn veel data beschikbaar. Data scientists van ons onderzoeken samen met analisten van de Amsterdamse belastingdienst hoe deze processen lopen en waar de knelpunten zitten. Ze zijn daar nu anderhalf jaar mee bezig en binnenkort worden de eerste verbeteringen in het proces doorgevoerd.” Dat is een eerste stap, die de gemeente veel kan opleveren als je weet dat het gaat om gemiddeld duizenden bezwaarschriften per jaar en dat met dit soort verbetertrajecten gemiddeld 20 procent wordt bespaard. Een volgende stap is om de afhandeling van bezwaarschriften deels geautomatiseerd te doen, zegt De Nijs.
Het is een duidelijk voorbeeld van hoe data science heel praktisch en concreet ingezet kan worden om processen van organisaties te verbeteren. Met als uiteindelijke doel geld en menskracht overhouden om in te zetten voor de inwoners en ondernemers in de stad.
Transparante algoritmes
“De wereld van algoritmes is een beetje een cowboywereld. Vaak is niet transparant hoe de algoritmes werken en op basis waarvan bepaalde keuzes zijn gemaakt”, zegt Frank de Nijs, enterprise innovator bij Centric. In het data science-platform dat Centric aanbiedt, samen met partner Dataiku, wordt gewerkt met bouwstenen die volledig transparant zijn. “Je kunt altijd terugvinden hoe een algoritme is opgebouwd en welke aspecten dominant zijn bij een bepaald signaal. Je kunt dus herleiden waarom een model een bepaald advies gaf.”
Meer informatie? Mail met: pss.marketing@centric.eu
