Van data-experimenten naar geïntegreerde data-oplossingen

Simon van Ulden
27 sep 2019

Dankzij nieuwe technologieën beloven intelligente systemen ons gouden bergen. Maar in feite blijven computers beperkte apparaten die niet meer doen dan wij van ze vragen. Als we geautomatiseerde systemen alleen dingen zouden vragen binnen de kaders waarvoor ze zijn ontwikkeld, is dat geen probleem. De praktijk is echter anders en veel dynamischer, wat leidt tot allerlei onzekerheden en mogelijk zelfs gevaren. Dat schreeuwt om een goede organisatorische inbedding.

Wie heeft tegenwoordig niet de mond vol van ontwikkelingen op het gebied van artificial intelligence, machine learning, big data en data science? Het zijn de buzzwords van deze tijd, niet alleen onder millennials maar inmiddels ook onder oudere generaties. Ze geven voeding aan een perspectief van groot commercieel succes voor bedrijven en instellingen omdat ze tal van aantrekkelijke toepassingen in het vooruitzicht stellen. Die dankzij een intelligent gebruik van data zullen leiden tot producten en diensten waar een miljardenpubliek naar hunkert.

 

Van experimenten naar geïntegreerde toepassingen

Tot zover de theorie. Want hoewel Nederland op het vlak van technologische innovatie een behoorlijk partijtje meeblaast, valt het met al die superintelligente toepassingen in de praktijk nog best mee. Een computer is immers een dom apparaat dat slechts in enen en nullen denkt en niet meer doet dan wij vragen. En dan nog niet eens altijd. Als recruitmentsoftware die is ontworpen om ‘toptalenten’ op te sporen structureel vrouwelijke kandidaten afwijst, klopt er ergens iets niet. En als zelfrijdende auto’s een stopbord interpreteren als een uitnodiging om 130 te gaan rijden, kan dat onbedoeld tot dodelijke ongelukken leiden. Computers die leren via machine learning, hebben niet het vermogen verder te denken dan wat ze aantreffen in de data waarmee ze getraind zijn.

 

Toch bevinden we ons op een kantelpunt waarop bedrijven hun experimenten met data gaan opschalen tot in de bedrijfsprocessen geïntegreerde toepassingen. Dat betekent echter niet dat de onderliggende technologieën ineens het stadium van volwassenheid hebben bereikt. Computermodellen die op basis van door data scientists ontworpen algoritmes beslissingen nemen, hebben voortdurend training en onderhoud nodig. Niet alleen om te ontdekken of er vormen van bias in die modellen zijn geslopen, maar ook omdat zo’n computermodel is gebouwd op basis van een beperkte dataset. Als het computermodel in de praktijk met nieuwe data te maken krijgt, weten we dan nog wel zeker dat de algoritmes de juiste beslissingen nemen?

 

Gestandaardiseerde aanpak volgens vaste methodiek

Soortgelijke onzekerheden zijn er ook op het gebied van data quality, data governance, data ethics, data architecture en data security. Als hackers in staat zijn om data te stelen – en dat zijn ze – dan kunnen ze met die data andere systemen voeden om algoritmes te manipuleren. In potentie kan dat de meest succesvolle bedrijven de das omdoen. In minder desastreuze situaties kan de reputatieschade zeer ernstig zijn.

 

Om bestaande onzekerheden te mitigeren, doen bedrijven en instellingen er verstandig aan een gestandaardiseerde aanpak volgens een vaste methodiek te volgen. Bij EY hebben we een Data Science en Artificial Intelligence Standard ontwikkeld. Deze DS & AI Standard helpt organisaties om ervoor te zorgen dat projecten op het gebied van DS en AI goed zijn opgebouwd door op gestructureerde wijze alle processtappen in kaart te brengen en te valideren. Deze aanpak zorgt voor borging op organisatieniveau. Daarmee zijn de processen en werkwijze voor alle projecten op het gebied van DS & AI uitstekend gedocumenteerd, volledig transparant en probleemloos overdraagbaar. Hoewel de DS en AI Standard in Nederland is ontwikkeld, sluit deze naadloos aan op het Trusted AI Framework – een conceptueel kader dat EY wereldwijd hanteert. Tijdens het EY Analytics Summit* vertel ik er graag meer over.

 

190925_EY_DataAnalyticsSimon_V2-1

 

Vooruitstrevende datatoepassingen

Bergen data, maar geen idee wat je er mee kunt? Laat de data scientists van EY VODW je helpen! Wij helpen je met een logische roadmap, een 360 graden klantbeeld of next best actions.

Ik wil een data oplossing

Onze blogs direct in je mailbox?

Interessant? Laat een reactie achter