Underlined werkt samen met het VU AI-LAB

Underlined heeft intensief samengewerkt met Prof. dr. Frans Feldberg van de VU Universiteit Amsterdam aan het Artificial Intelligence (AI) LAB, dat deel uitmaakt van het masterprogramma Digital Business & Innovation van de School of Business and Economics.

De opdracht

Samen wilden we een tool creëren voor HR-managers om hen te helpen inzicht te krijgen in knelpunten die de hoge tevredenheid van medewerkers beperken. Talrijke studies hebben aangetoond dat een hogere medewerkerstevredenheid niet alleen leidt tot een hogere productiviteit en kwaliteit, maar ook tot een hogere klanttevredenheid. De relatie tussen medewerkerstevredenheid is vrij eenvoudig: tevreden medewerkers zijn zeer gemotiveerd, hebben een uitstekende werkmoraal en werken effectiever. Samen met een hogere productiviteit en kwaliteit heeft medewerkerstevredenheid een directe invloed op de proceskwaliteit.

 

“Elk afstudeerproject combineert de twee unieke aspecten: datascience en ondernemerschap, wat betekent dat het afstudeerproject gerelateerd is aan data, ondersteund door een dataset en zakelijke of maatschappelijke impact heeft.”

 

“Knelpunten in interne processen”

Het onderzoek toont aan dat er verschillende redenen zijn waarom werknemers ontmoedigd raken in hun werk, zoals hoge niveaus van stress, gebrek aan interne communicatie binnen het bedrijf, gebrek aan erkenning, of helemaal geen mogelijkheid tot groei. Om hoge klanttevredenheid te behouden, moeten managers een actieve rol spelen bij het identificeren van deze factoren, die we “knelpunten in interne processen” noemen.

 

Impact op werknemerstevredenheid en klanttevredenheid

Underlined is gespecialiseerd in het gebruik van op data gebaseerde inzichten om klanttevredenheid te verbeteren en wil weten hoe bestaande diensten kunnen worden gebruikt om HR-gerelateerde kwesties te verbeteren. Om een overzicht te krijgen van de knelpunten in de werkprocessen van werknemers en welke werkprocessen van invloed zijn op de klanttevredenheid. Deze knelpunten in de werkprocessen zijn nog steeds ‘verborgen’ voor bedrijven.

 

HAPP-AI

Het nieuwe op data gebaseerde businessmodelinnovatie biedt inzicht in de infrastructuur voor werkgevers, door zowel de klantzijde (NPS) als de werknemerszijde (eNPS) in overweging te nemen. Het biedt inzicht voor zowel werkgevers als werknemers en identificeert de knelpunten die worden veroorzaakt door ontevredenheid van werknemers met hun werk. Het identificeert ook gebieden waar klanten vinden dat de dienstverlening en producten tekortschieten en kijkt of er een correlatie is met de input van werknemers. Hiermee wordt de menselijke kant van alle bedrijven transparanter.

 

Bovendien kan de gebruiker van het instrument best practices en knelpunten identificeren. Het toont welke elementen van de werknemerservaring klantadvocatie stimuleren en biedt inzicht in hoe de werknemerservaring kan worden verbeterd. Wanneer de werknemerservaring verbetert, zullen werknemers meer betrokken en tevreden zijn met hun werk, wat zal leiden tot verhoogde productiviteit, een betere kwaliteit van dienstverlening en als gevolg daarvan zullen klanten ook loyaler worden.

 

Het team van Underlined studenten presenteerde hun op data gebaseerde businessmodelinnovatie aan een jury in het format van Dragons’ Den. Elk jurylid ontving een bedrag om te investeren in de gepresenteerde businessmodellen. Het team slaagde erin bijna 1 miljoen virtuele munten van de jury te verzamelen en voltooide daarmee succesvol de opdracht.

 

Speciale dank aan:

 

Team 8 AI-Lab VU: Sanne, Colin, Zita, Aïmane & Lieke

 

en prof. dr. Frans Feldberg, Hoogleraar Data-Driven Business Innovation

 

We willen de studenten hartelijk bedanken en zullen verder onderzoek doen. Onze complimenten aan de studenten en we wensen jullie veel succes in jullie studiecarrière!

 

“De Reis van Studenten bij Underlined”

Een blijvende impact creëren

Studenten spelen een actieve rol in de toepassing en uitwerking van onze (product) ontwikkeling op het gebied van CX, data en tekst mining. Dit omvat het ontwikkelen van tekst mining modellen, het optimaliseren van tekst mining algoritmes, het uitvoeren van kwaliteitscontroles op modellen en algoritmes, en het testen van onze API-producten.

 

Stapsgewijze Reis

Het doen van literatuuronderzoek om een expert te worden,

Training, begeleiding en begeleiding van professionals op het gebied,

Het toepassen van technieken op daadwerkelijke klantgegevens om kennis in de praktijk te brengen,

Het vergelijken van technieken en het geven van advies om de bedrijfsvoering te verbeteren,

Het implementeren van technieken om een blijvende impact te creëren.

 

De Onderzoeksverzameling

Kennis delen

Underlined maakt scripties wereldwijd online toegankelijk. In de catalogus kunt u (oudere) studentenscripties vinden waarvan een digitale versie aan de collectie is toegevoegd.

 

Welke modeltechniek kan het beste gebruikt worden om de belangrijkste drijfveren van de Net Promoter Score te vinden?

Auteur: Stance Lammers, Publicatiedatum: 2021

Welke supervisietechniek voor machine learning kan het beste worden gebruikt voor optimale classificatie van CX-gegevens?

Auteur: Fenna Blom, Publicatiedatum: 2021

Het voorspellen van het voorkomen van klachten binnen de klantreis op basis van proces mining technieken

Auteur: Jasper Nooyen, Publicatiedatum: 2020

Masterthesis Consumentenmerkimago en positioneringspercepties op sociale media

Auteur: Gerdien Ridderbos, Publicatiedatum: 2015

Masterthesis Sponsoring via sociale media

Auteur: Bart Smarius, Publicatiedatum: 2012

Masterthesis Sociale Sentiment als voorspeller van NPS

Auteur: Hanneke van Keep, Publicatiedatum: 2012