MBA in Big Data #5 (slot)

De afgelopen tijd deed ik verslag van mijn opleiding MBA Big Data & Business Analytics. Wel, het is gelukt: ik ben een heuse MBA. De mastertitel zegt me niet zoveel hoor, veel meer popel ik om mijn kennis in de praktijk te brengen. Big-dataoplossingen voor relevante projecten waarbij voorspellingen nodig zijn of afbeeldingen en/of teksten geanalyseerd worden. Want er is ongelofelijk veel mogelijk en genoeg te doen. Ik geef wat voorbeelden en dan: daag me maar uit met jouw uitdaging.

Gegevensbeheer ziekenhuisbezoek

Als ik met mijn moeder in het ziekenhuis ben, vraagt een specialist naar de lijst met medicijnen die gebruikt worden. Die hebben we bij ons. De specialist begint met het overtypen van de lijst in de computer, duurt toch zeker vijf tot tien minuten. En dan denk je: dat is eenmalig. Maar nee, elke keer als we in het ziekenhuis komen wordt de lijst weer overgetypt. Dit is toch ongelofelijk inefficiënt en onnodig in deze tijd van automatisering.

Een oplossing: Laat de patiënt zelf zijn gegevens beheren, deze tijdelijk overhandigen aan de specialist op het moment dat hij in het ziekenhuis is. Voor oudere en niet digitaal vaardige patiënten is het beheren van de gegevens nog wel een uitdaging. En het privé houden van de gegevens ook. Ik moest gelijk denken aan blockchain, dat we net hadden behandeld. Dat is hier een ideale oplossing voor, waarbij transparantie en veiligheid centraal staan.

Tekst- en sentimentanalyse

Op de klantenservice komen veel gesprekken binnen, zowel via telefoon, via chat als via e-mail. Veel van de vragen zijn eenvoudig te beantwoorden. Zou het niet handig zijn als je een selectie kunt maken van de makkelijke en de moeilijke vragen? Dat kan dus. Met machine learning. De makkelijke vragen kunnen we afhandelen met een snel automatisch antwoord en de moeilijkere vragen krijgen meer aandacht.

Ook kunnen we in een live telefoongesprek of een chat het sentiment van de klant volgen. Is een klant boos, signaleert de computer dit direct en geeft gelijk een goede reactie voor de agent. Door het sentiment te volgen kunnen we ook vaststellen of de klant een bepaalde uitleg heeft begrepen. Zo niet, wordt dat gesignaleerd en kan de uitleg nogmaals en op een ander manier worden gegeven.

Oh, en laten we dan gelijk werken aan een tool waarin zowel als tekst en speech samen geanalyseerd worden, om klanten nog beter van dienst te zijn.

Beeldanalyse

Beeldanalyse is een tool waarmee we ongelofelijke resultaten behalen. In mijn thesis heb ik afbeeldingen geanalyseerd om te bepalen hoe deze scoren op de schalen introvert-extravert, ego-groep en cultuurbevestigend-cultuuraanvallend. Deze techniek is overal te gebruiken waar beeld een rol speelt. Twee voorbeelden.

• Infrastructuur: we maken met een camera regelmatig beelden maken van wegen, waardoor we zien of er onvolkomenheden in de weg zitten die gerepareerd moeten worden.
• Websites optimaliseren: dit is een combinatie van beeld en tekst. In de analyse bepalen we welke elementen bijdragen aan een goede website. Een analyse van afbeeldingen geeft inzicht of de juiste doelgroep wordt aangesproken.

Voorspellingen verder getrokken

Naast de voorspellingen die we al maken met afbeeldingen (past wel/niet bij de lezer), kunnen we voorspellingen ook verder trekken. Zo kunnen we voorspellen welk huis een bezoeker van een huizensite kiest als er meer huizen worden aangeboden. Voor consumenten is het ook erg prettig om op het juiste moment een aanbieding te krijgen van een nieuwe tv en niet als je er net een gekocht hebt. En het is helemaal ideaal als je zelf kunt aangeven als je open staat voor een goede aanbieding. Scheelt de consument ergernis en je data worden ook nog eens verrijkt.

Daag me uit

Ik zei het al: big data is een speelveld waarop ongelofelijk veel mogelijk is. En wat je uitdaging ook is: ik weet bijna zeker dat big data je verder kunnen helpen. Heb je een uitdaging en wil je deze delen? Bel of e-mail me en dan gaan we aan de slag.