28/11/2019
Dinsdag 19 november was het weer zover: tijd voor de CQM Masterclass. Ieder jaar organiseren wij een inspirerende lezing inclusief buffet en informeel samenzijn voor onze vaste klanten. Dit jaar hadden we maar liefst 130 gasten. Als kersverse content medewerker was ik voor de eerste keer van de partij. En ik ben 60 minuten lang geboeid door Prof. Viktor Mayer-Schönberger, die over zijn visie op data praatte. Hoe is dat mogelijk, ik, zonder wiskundige achtergrond? Mede door de link die ik kon leggen met de knappe koppen van CQM waar ik elke dag mee werk. Benieuwd naar de highlights van deze lezing? Lees mijn blog en ik zorg ook nog dat je 3 tips krijgt om anders naar data te kijken…
Het geheim van data
Viktor – contentdames mogen hem zo noemen – opende zijn verhaal met “How to make better decisions with data”. Niet iets wat de data-analisten onder ons meteen op scherp zet, aangezien mijn wiskundige collega’s hier dagelijks mee bezig zijn. Hij vervolgde zijn verhaal – ik schakel voor het gemak even over naar het Nederlands – met “Het is belangrijk dat we met een andere blik naar data kijken, zoals een kind voor het eerst naar de wereld kijkt. Want er zit namelijk een geheim in het verzamelen van data.” Geheimen… je hebt me. Viktor vertelt dat de aanwezige data elk jaar bijna 1,5x verdubbeld wordt en dat 80% wereldwijd niet eens gebruikt wordt. Niet een keer! Dat is als je rijbewijs halen en nooit in de auto stappen. Enorm zonde als je het mij vraagt en daar is Viktor het uiteraard mee eens. Wat als je die data wel gaat gebruiken? Dan zouden er zomaar ontzettend mooie dingen kunnen ontstaan...
Tip 1: Er is zoveel data die niet gebruikt wordt. Als je daar eens naar kijkt, kom je tot vele nieuwe inzichten. En: gebruik data van anderen, er is online zoveel beschikbaar.
Begin bij de oplossing i.p.v. de vraag
Maar dat is niet het enige. Naast ‘anders kijken’ is ‘anders werken’ met data noodzakelijk om voorop te blijven lopen op het gebied van Data Science. Iets wat we bij CQM graag doen. Hoe doe je dat nou volgens Prof. Viktor Mayer-Schönberger? Simpel. Je proces omgooien. Normaal start je altijd met een vraag of hypothese, een klant zit ergens mee, wil iets verbeterd hebben. Daarvoor verzamel je data, die analyseer je en tada (ja, dat is een data-anagram): je komt met een oplossing. Wat als je dit proces nou eens andersom doet? Dus met een oplossing komt en daarvoor de mogelijke middelen gaat verzamelen?
Ken je Duolingo, de app waarmee je vreemde talen leert? De ontwikkelaars van deze app merkten op dat Spanjaarden het erg lastig vonden om de Engelse taal onder de knie te krijgen. Daar ging het een en ander mis. Als je via ‘de ouderwetse’ manier zo’n app wilt optimaliseren, analyseer je data om patronen te herkennen: waar gaat het telkens mis? Als je het op ‘de nieuwe, de andere kijk op data’ manier wilt analyseren, stel je jezelf de vraag: “Wat is de juiste manier om Engels te leren voor Spanjaarden?” en op basis daarvan verzamel je data en verbeter je de app.
Tip 2: Stel andere vragen, het helpt je data anders gebruiken en betere beslissingen te nemen. Begin bij ‘welke oplossing voor mijn probleem zie ik graag’?
Data mindset vs autogedreven mindset
Toen ik na afloop met mijn collega’s in gesprek ging, vroeg ik ze of deze lezing voor hen net zo vernieuwend voor hen was als voor mij. Niet alles zeiden ze, maar het zette ze wel aan het denken. En dat doen ze nog niet zo vaak ;-)
Wat hen zo aansprak, was nog een voorbeeld dat Viktor gaf, over zelfrijdende auto’s en hoe de kijk op data daarin maakt of iets doorbrekend is of niet. En waarom Google bijvoorbeeld veel sneller groeit op dit gebied dan Tesla. Google optimaliseert namelijk de zelfrijdende auto niet voor efficiëntieverbetering van de auto, maar om te leren van data. Het verschil tussen een autogedreven mindset en een data mindset. Wanneer een zelfrijdende auto een ongeluk maakt, is heel de wereld in rep en roer. Pas dan gaan mensen de data analyseren: hoe kon dit gebeuren? Google draait dit om (net als in tip 2): ze creëert een virtuele wereld met 25000 verschillende scenario’s die op de weg kunnen voorkomen. Zodat de zelfrijdende auto – komen de boeiende topics Deep & Machine Learning weer terug – leert te handelen in diverse situaties. Wat Google hiermee al bereikt heeft? 17.847 rijdende kilometers zonder ongelukken en menselijke interventie ten opzichte van 2,4 km van Tesla/Daimler.
Tip 3: Verzamel data, zoveel mogelijk, met als doel ervan te leren. Viktor zei ook nog dat je soms zelf data moet verzamelen, zonder dat je er een concrete toepassing voor hebt gevonden. Omdat het later van pas kan komen. Maar daar zijn de meningen binnen CQM over verdeeld... Heerlijk, zo'n professor die de boel een beetje op stelten zet. Spreek mijn collega's er gerust eens over aan, ze discussieren graag met je!
Omdenken 2.0
De moraal van dit verhaal: verder kijken dan je neus lang is, iets wat we bij CQM uiteraard al lang toepassen in de praktijk. Of zoals Viktor zei “You are never done with data and that’s good for CQM”. We hebben hem niet betaald om dit te zeggen ;-) Elke dataset is een kans om dichterbij de realiteit te komen, om anders ernaar te kijken. Het liefst vanuit de ogen van een kind – zo opende ik mijn verhaal – met ongekende nieuwsgierigheid. De skills bezitten we vaak al, nu moeten we het nog daadwerkelijk toepassen. Eigenlijk is het niets minder dan ‘het omdenkprincipe’, waarvan ik elke dag een quote in mijn mailbox krijg. Het geeft je net dat andere gevoel, die andere kijk en maakt dat de creativiteit in je loskomt. Iets waar ik als creatief ontzettend van hou.
Ik vond het erg leuk om aanwezig te zijn bij een event waar collega’s en klanten samenkomen en om te voelen wat voor fijne band er is tussen deze twee. En nog leuker, om daar als niet-wiskundige een bijdrage aan te leveren door middel van dit verhaal. Hopelijk heb ik jullie net als Viktor tot het einde weten te boeien. Zo niet, stel ik mezelf de vraag: hoe ga ik dat de volgende keer anders doen? En schakel ik mijn collega’s in om daar passende data bij te verzamelen…
Red. wijziging (1/11/2023): De auteur van dit artikel, content medewerker Lonneke, werkt inmiddels niet meer bij CQM.
Heb je vragen? Neem dan contact op met de CQM’er die bij deze publicatie als contactpersoon vermeld staat.
Wil je op de hoogte blijven van het laatste nieuws van CQM? Volg ons op LinkedIn of meld je aan voor onze digitale nieuwsbrief.
