Artificial Intelligence (AI)

Artificial Intelligence (AI) is een containerbegrip waarbij veel rekenkracht en statische modellen gebruikt worden om tot verbanden, voorspellingen en verklaringen in je data te kunnen komen. Een computer is de mens op bepaalde vlakken al voorbij: ze kan schier oneindige data aan, raakt niet verveeld en heeft bovendien nooit moeite met zelfreflectie. Dat laatste is een techniek die ‘machine learning’ heet; de computer leert daarbij van eerder onnauwkeurigheden, zonder dat een programmeur daar uitdrukkelijk bij betrokken hoeft te zijn.

Toegevoegde waarde

Ook voor de gebruiker die niet gepokt en gemazeld is op dit gebied, heeft Artificial Intelligence in BI veel toegevoegde waarde. Als eindgebruiker zie je dan enkel de voorspellingen, patronen, tekst- of afbeeldinginterpretatie en clusters, die de machine ingeschat en zelf ook al gevalideerd heeft. Daarmee kan je een grote verrijking van je data bereiken, door nieuwe selecties mogelijk te maken, maar ook kan je de data verdiepen door nauwkeuriger aan te geven welke verbanden er tussen verschillende velden zijn.

Onze podcast over Machine Learning

Zo is het logisch dat wanneer het warmer wordt, er meer klanten voor je ijssalon zijn; maar in welke mate zorgt 1 graad extra voor extra omzet? En wat nou als het opeens 40 graden op straat is? En wat als het 25 graden is maar windkracht 8? Allemaal vragen waar, mits er voldoende informatie voorhanden is, de AI een antwoord op kan geven.

Onder de ijsberg…

Stel je Artificial Intelligence voor als een ijsberg. Als gebruiker zie je alleen de top, maar met AI-implementatie kun je uit de immense hoeveelheid data patronen gaan herkennen, voorspellen en clusters vinden om je analyses beter te ondersteunen.

Voorbeeld

Hypotheken Data Netwerk (HDN) en HippoLine hebben machine learning technieken losgelaten op bijna 390.000 hypotheekaanvragen uit 2018. Zo zijn met een  clusteranalyse tien nieuwe, gedetailleerde klantprofielen bepaald en hebben we voor HDN de Klantprofiel Index ontwikkeld.

Clusteranalyse voor HDN

Door het toepassen van Advanced Analytics kan eenmalig of doorlopend een veel diepergaande analyse worden gemaakt van de data. Ook kunnen diversere technieken worden toegepast waardoor bijvoorbeeld het verwerken van vrije tekst mogelijk wordt. Met dergelijke methodiek wordt het mogelijk om uit de puur beschrijvende analyse te stappen, zoals in veel dashboards gebeurt, naar voorspellende factoren te kijken en zelfs te kijken naar welke elementen veranderd kunnen worden om deze voorspellende factoren te beïnvloeden.

      • Op basis van een tiental kenmerken van een tweedehands auto de verkoopwaarde via Marktplaats met 85 pocent zekerheid voorspellen.
      • Clusteren van personen op basis van speeddates, zodat er zes duidelijk verschillende groepen overblijven.
      • Het simuleren van de situatie waarin een pakjesbezorger spoedpakketten zou gaan verwerken.
      • Het optimaliseren van de verwerking van orders door meerdere medewerkers in een situatie met strikte deadlines en hoge boeteclausules.
      • Het opstellen van een greedy algoritme om reistijd met 50 procent te verkorten.
      • Automatisch analyseren van toespraken, gekoppeld met populariteitscijfers, om beter te kunnen bepalen welke boodschap bij het publiek goed aankomt.
      • Voorspellen van de kans op een diagnose met diabetes type II bij een persoon.
      • Het kunnen voorspellen van de toekomstige werkdruk aan de hand van ingevulde vragenlijsten van patiënten.

    Kortom, er zit veel meer in je data dan je misschien op het eerste oog zou zeggen. Met statistiek kun je nog beter onderbouwde beslissingen nemen.