Terugblik kennisbijeenkomst Big Data: de stand van zaken

[fusion_text]De Big Data kennisbijeenkomst van Samenwerking Noord op 25 februari bij het CJIB in Leeuwarden was zeer geslaagd. Het vormde voor de bijna 90 deelnemers een uitgelezen mogelijkheid om zich te laten informeren over de laatste stand van zaken rond Big Data. Daarnaast was er, door de talloze aangehaalde voorbeelden voldoende inspiratie op te doen.

Age of opportunity
Erik van Ommeren van VINT / Sogetilabs noemde dit tijdperk de ‘age of opportunity’. “Was tot een paar jaar geleden 2 gigabyte ‘big data’, dat is het nu al lang niet meer.” De mogelijkheden lijken nagenoeg onbeperkt, maar wat wil je met die data? Het antwoord is simpel: voorspellen! En de eerste successen worden hiermee geboekt, bijvoorbeeld in het voorspellen van inbraken. Data wordt volgens van Ommeren vergeleken met een wetenschappelijke revolutie. “We kunnen nu al met 90% nauwkeurigheid over 90% van de mensen zeggen waar ze morgen zijn. En dus ben je als mens misschien wel voorspelbaarder dan je denkt.”

Van techniek naar emotie
Volgens van Ommeren verschuiven data en IT van techniek naar het gedrag en de emotie van mensen. Als voorbeeld: er valt te meten wanneer je het meest productief, geconcentreerd of creatief bent. Crystal knows (https://www.crystalknows.com/) kijkt bijvoorbeeld naar al je data en zet dat om in persoonlijkheidsprofielen. Een ander bedrijf maakt al persoonlijkheidsprofielen op basis van 200 tweets. Stel dat jij belt met iemand van een servicedesk die over jouw profiel beschikt. Dan kan hij in zijn reactie op jouw vraag of klacht daar rekening mee houden. Data verandert dus gedrag.

Pizza
Een ander treffend voorbeeld is Psychic Pizza. Door het koppelen van data van bijvoorbeeld je telefoon, klantencard, creditcard, medische gegevens, agenda’s van jezelf en huisgenoten en je kijkgedrag op tv voorspelt de pizzeria of je zin in pizza hebt. Hij wacht niet tot je bestelt. Nee, hij laat er gewoon eentje met een drone bezorgen. Op die manier worden ‘systems of record’, ‘systems of engagement’ gekoppeld aan ‘systems of prediction’.

Jeopardy
Volgens Nicky Hekster van IBM wordt er 2,5 miljoen terrabyte per dag geproduceerd. Daarvan is slechts 20% gestructureerde data. De rest ongestructureerd. Hekster vertelde over Dr. Watson: een IBM computer (genoemd naar de oprichter van IBM) die met ongestructureerde data overweg kan. Via een uitgebreid leerprogramma kan de computer niet alleen taal en tekst analyseren, maar ook interpreteren. Overtuigend bewijs was dat de computer in 2011 de quiz Jeopardy in Amerika wist te winnen van de tot dan toe beste spelers. Hierbij moeten spelers de vraag bedenken bij een antwoord. De computer was in staat om de kennis van 200 miljoen A-4’tjes in 1 seconde op te hoesten.

Dr. Watson
Sindsdien wordt Dr. Watson voor veel meer toepassingen ingezet. Bijvoorbeeld bij de diagnose van kankerpatiënten, voor vermogensbeheer, voor het verlagen van de regeldruk, het vergroten van klantenservice, als kennisbron uit alle TedX presentaties, het beantwoorden van alle vragen die kinderen in de leeftijd tussen 4 en 8 jaar hebben, het verbeteren van de beleving van studenten rondom hun studie of voor het samenstellen van creatieve recepten. De volgende stap is volgens Hekster Holistic Computer Intelligence: chips die zijn geïnspireerd op de werking van onze hersenen waardoor computers zelflerend worden.

Exponentieel snel
De ontwikkelingen en toepassingen op basis van Big Data gaan exponentieel snel. Henk van Haaster van CGI had nog wel een paar tips voor organisaties die willen starten met Big Data. Begin niet te groot. Iedere organisatie heeft ongeveer twee jaar nodig om de systemen op orde te krijgen. Kijk niet alleen naar data uit je eigen organisatie, maar ook daarbuiten. Denk out of the box. Organiseer of neem deel aan hackathons. Die zijn altijd inspirerend. Geef niet op. Een op de drie experimenten lukken. En dat kan je veel opleveren. Van Haaster had voorbeelden meegenomen uit de thuiszorg en over de Velsertunnel. Deze gaat in verband met onderhoud een aantal maanden dicht. “We kunnen nu een half uur vooruit de effecten voorspellen, bijvoorbeeld de drukte bij de Wijkertunnel of op andere alternatieve routes.” Van Haaster brak een lans voor de gamification. “Mensen houden van competitie en spellen. Door bijvoorbeeld medewerkers inzicht te geven in hun rijgedrag en brandstofverbruik en dat te koppelen aan een competitie, heeft DHL bijvoorbeeld al heel wat brandstof bespaard.”

Stratumseind
Jan Joost van Kan van Atos had een mooi voorbeeld meegenomen over Stratumseind, het uitgaansgebied in Eindhoven. Door diverse databronnen te combineren is criminaliteit snel op te sporen en hopelijk te voorkomen. Data die gebruikt wordt zijn bijvoorbeeld beelden van bewakingscamera’s, geluid, social media (inclusief classificatie zoals sentiment, stress en gevaar), weer (temperatuur, windkracht, regen) en indicatoren zoals geplande evenementen, bestaande cijfers over criminaliteit en dergelijke. Daarnaast is een systeem in ontwikkeling waarbij mensen in het uitgaansgebied realtime geteld kunnen worden en beweegpatronen in kaart kunnen worden gebracht. Door de analyse van deze data kunnen ongebruikelijke situaties snel gedetecteerd worden en kan er indien nodig vroegtijdig worden ingegrepen. Maar ondanks alle mogelijkheden blijft het nog steeds lastig om op individueel niveau het gedrag te voorspellen.

Privacy, ethiek en juridische kwesties
Veel presentaties gingen over de (bijna) onbegrensde mogelijkheden van Big Data. Maar uiteraard is er ook een keerzijde. Ook die kwam aan bod. Privacy en juridische kwesties over bijvoorbeeld het eigenaarschap van data (“ik wil weten wie welke data over mij heeft opgeslagen”) zijn belangrijke thema’s waar het laatste woord nog lang niet over gezegd is. Maar voorlopig gaan ontwikkelingen snel. Stel in je organisatie maar de vraag: wat doe je om ervoor te zorgen dat wat je nu in tien dagen doet, straks in tien uur doet? Als dan het antwoord is: “Ja, maar dan moet ik alles anders doen”, zit je op de goede weg!

Sprekers tijdens deze kennisbijeenkomst waren: