17/01/2017
Mensen vragen mij regelmatig wat ik doe. “Wij gebruiken wiskunde om bedrijven te helpen”, zeg ik dan. Daarna mompel ik nog iets over data science en software. Nou, dan zie ik mijn gesprekpartner al vaak afhaken. Een andere tactiek die ik regelmatig gebruik is een sprekend voorbeeld uit de praktijk vertellen. Dan worden mensen wel enthousiast. Het nadeel is dat het dan alleen nog maar over dat voorbeeld gaat. Jammer, want wiskunde is zo veel breder toepasbaar. In deze blog leg ik uit hoe wij bedrijven helpen met wiskunde.
Onderbouwen van beslissingen
In de basis komt het er op neer dat wij bedrijven helpen met het nemen van beslissingen op basis van data en wiskunde. Laten we, voordat we naar de wiskunde gaan, eerst eens naar die beslissingen kijken. In de praktijk zie ik hier twee varianten. Variant nummer één is dat wij bedrijven helpen de juiste beslissing te nemen, waardoor zij het bijbehorende interne proces kunnen verbeteren. De tweede variant is dat wij bedrijven helpen bij het ontwikkelen van een dienst waardoor hun klanten betere beslissingen kunnen nemen. Twee voorbeelden.
De NS neemt regelmatig beslissingen rond materieelinzet. Dit is essentieel voor een goede klanttevredenheid. Het is telkens weer een afweging tussen kosten voor de materieelinzet en het vervoerscomfort. Hoe beter de beslissing rond de inzet van materieel, des te beter het is voor de NS en haar klanten. NS heeft samen met CQM een model ontwikkeld om deze beslissingen te onderbouwen (eerste variant).
AgroEnergy is energiespecialist voor o.a. de Nederlandse glastuinbouw. In de glastuinbouw is veel warmte nodig. Bij de productie daarvan wordt ook elektriciteit opgewekt, die kan worden verkocht op de APX-elektriciteitsmarkt. Een kweker moet elke dag een beslissing nemen over wanneer warmte op te wekken en energie in te kopen en te verkopen. AgroEnergy heeft samen met CQM een dienst ontwikkeld om de kwekers te ondersteunen om de juiste beslissingen te nemen (tweede variant).
Beslissen door de juiste vragen te stellen
Het draait dus om ondersteuning bij het nemen van beslissingen. Maar hoe maak je de juiste beslissing? En hoe kan wiskunde daarbij helpen? Het begint bij het stellen van de juiste vragen!
Stap 1 is het begrijpen van het verleden. Wat is er gebeurd? Waarom gebeurde het? In stap 2 gebruik je deze inzichten om een voorspelling te maken. Wat gaat er gebeuren? Wat zijn de mogelijke scenario’s? In stap 3 ga je op basis van deze informatie een beslissing nemen. Wat is het beste dat kan gebeuren?
Binnen data science heeft elke stap een eigen naam met bijbehorende wiskundige technieken:
- Descriptive analytics zijn statistische analysetechnieken die data samenvatten en die het verleden beschrijven.
- Predictive analytics zijn technieken zoals voorspelmodellen en ‘machine learning’ waarmee voorspellingen over de toekomst gedaan kunnen worden.
- Prescriptive analytics zijn optimalisatie-algoritmes om de best mogelijke oplossingen te vinden.
Data: van vraag naar antwoord
Zonder data heb je natuurlijk helemaal niets aan al die mooie wiskunde. Door de verschillende stappen met de beschikbare data door te lopen, proberen we klanten te inspireren en uit te dagen om met behulp van de juiste wiskundige technieken hun beslissingen te ondersteunen. Maar het begint altijd bij het begrijpen van de beslissingen, processen en belangrijkste vragen!
Bent u benieuwd wat wiskunde voor úw bedrijf kan betekenen?
Neem dan eens contact op, we kijken graag samen met u naar de mogelijkheden!
