Deep Learning, Machine Learning en Artificial Intelligence (AI) zijn hot topics. Niet alleen wordt er veel over gezegd en geschreven, ook is er toenemende vraag naar mensen die deze disciplines beheersen. Maar hoe is het nu echt om hiermee te werken, en wat kun je ermee in de praktijk? We vroegen het enkele mensen die via Yacht met deze technologieën werken bij Aegon.
Big data-revolutie
Terwijl termen als Machine Learning en Kunstmatige Intelligentie voor de gemiddelde Nederlander nog steeds als sciencefiction klinken, passen talloze organisaties deze technieken al toe. Ze brengen immers voordelen mee in logistiek, productie maar ook in klantenservice en vele andere cruciale afdelingen.
De enorme technologische sprongen die de afgelopen jaren door bedrijven werden gemaakt, zijn voor een groot deel het gevolg van de big data-revolutie. Die zorgde ervoor dat organisaties op steeds grotere bergen data kwamen te zitten – klantgegevens bijvoorbeeld. Maar die data worden niet altijd even efficiënt benut; daarvoor zijn specialisten nodig. Datawetenschappers zorgen ervoor dat bedrijven de schatten aan gegevens die ze al in huis hebben, ook daadwerkelijk voor ze laten werken.
Kansen in de praktijk
Data-scientist Sander van Rijswijk legt uit hoe hij en zijn team bij Aegon voortdurend op zoek zijn naar de kansen die data bieden. “Wij gebruiken data om inzicht te geven in processen, een beeld van de toekomst te schetsen of processen geheel te automatiseren. Daarmee kan Aegon kosten besparen, sturing verbeteren en als bedrijf efficiënter opereren. Bovendien is het doel om een positief effect te hebben op de doorlooptijd die klanten ervaren, en daarmee hun tevredenheid te vergroten.”
Documenten-classifier
Een goed praktijkvoorbeeld is volgens Van Rijswijk de documenten-classifier. Die automatiseert de verwerking van het vele papierwerk dat door klantcontacten wordt geproduceerd. “Het handmatig doorlezen en verwerken van deze documenten kost ontzettend veel tijd en mankracht. De classifier zet een aantal stappen om de data goed te verwerken: met behulp van OCR, tekenherkenning, wordt de tekst omgezet naar iets wat de computer kan lezen. Vervolgens wordt het type document bepaald zodat het correct gecategoriseerd wordt. Als dit duidelijk is, wordt de relevante informatie uit de tekst gehaald en verwerkt.”
‘Dankzij ons werk kan Aegon efficiënter opereren’
E-mail-classifier
Ook het e-mailverkeer kan zo geoptimaliseerd worden. Een e-mail waarvan niet duidelijk is waar deze naartoe moet, komt normaliter op een stapel terecht waarna een medewerker uitzoekt wie er het beste naar kan kijken. Net als met de documenten zorgen Van Rijswijk en zijn team ervoor dat ook de mails automatisch op de juiste plek komen. “Het is fijn als we een dergelijk product kunnen afleveren dat op een mooie manier een behoefte vanuit het bedrijf vervult.”
Alle data hebben waarde
Alle data hebben waarde, weet van Rijswijk. Maar hij weet ook dat het vanwege de hoeveelheid data onmogelijk is om alles handmatig te analyseren, iets wat voor een computer natuurlijk geen probleem is. “De kracht van de genoemde hot topics zoals Machine Learning en AI wordt pas echt duidelijk als je met complexe data moet werken. Voor het verkrijgen van inzichten uit data van een enkele bron kom je met Excel een heel eind. Maar als je een bepaalde vraag probeert te beantwoorden met een gigantische hoeveelheid data van wel tientallen bronnen, dan is een slimme oplossing nodig. De kracht van deze technieken zit in hun eigenschap om data om te zetten in een oplossing voor een probleem, waarbij je met meer data een betere oplossing vindt.”
‘Doordat er steeds meer data worden verzameld en verwerkt kunnen we steeds beter aansluiten bij de wensen van het individu’
Future-proof
De dataspecialisten die via Yacht bij Aegon werken, gebruiken hun kennis van onder meer Machine Learning, visualisaties en forecasting om tot die slimme oplossingen te komen, vertelt IT-manager bij Aegon Frans Pleij. “Deze innovatieve technieken helpen een grote hoeveelheid data, die over een periode van meerdere jaren binnen het bedrijf werd verzameld, zodanig te benutten dat het Aegon meer dan ooit future-proof maakt.”
Uren-forecasting
Dat geldt onder meer voor werkprocessen binnen de organisatie. Een bedrijf functioneert het beste als de hoeveelheid werk aansluit op het aantal uren dat de medewerkers besteden. Om een idee te krijgen van de hoeveelheid werk in de toekomst, wordt gebruikgemaakt van een forecasting gebaseerd op historische data. Als we begrijpen welke factoren van invloed zijn op schommelingen in die data, nemen we die mee in het model. Van Rijswijk: “De truc is om te werken met het juiste model en de juiste data. Het is altijd een interessante onderneming de combinatie vinden die de beste resultaten biedt. Vooral de mogelijkheid om nieuwe modellen te proberen houdt het spannend.”
Van Google tot straatlampen
Data-scientist Trudy Buwalda, die eveneens via Yacht bij Aegon terechtkwam, geeft voorbeelden van AI waarmee we in ons dagelijks leven al veel in aanraking komen, zoals het voorspellen van je zoektermen in Google, maar ook de straatlampen die hun lichtsterkte aanpassen aan de drukte op straat. “De mogelijkheden zijn eindeloos. Doordat er steeds meer data worden verzameld en verwerkt kunnen we steeds beter aansluiten bij de wensen van het individu.”
‘Elke keer een nieuw avontuur’
De bedrijfsvoordelen zijn duidelijk, maar hoe is het nu echt om hiermee te werken? Van Rijswijk vindt het erg mooi om te zien hoe in zijn vak oplossingen voor een vraagstuk gevonden worden, en dat die de oplossingen ook meerwaarde hebben. “Het begint vaak met een vraag waar je niet makkelijk een antwoord op vindt met de gebruikelijke softwareontwikkeling. De enige duidelijkheid die je hebt is dat je relevante data moet leveren. Met de data op zoek gaan naar oplossingen door technieken uit te proberen en te brainstormen met collega's, dat is elke keer een nieuw avontuur.”
‘Door up-to-date te blijven, kun je jezelf blijven ontwikkelen en ervoor zorgen dat je opdrachtgever concurrerend blijft’
Op het snijpunt van IT en business
Data-scientist Buwalda vindt niets mooier dan data gebruiken om te komen tot nieuwe inzichten en nieuwe oplossingen. “Zo maak je het traject dat je klanten doorlopen net dat beetje beter. Door up-to-date te blijven van de nieuwe ontwikkelingen binnen het vakgebied, kun je én jezelf blijven ontwikkelen én ervoor zorgen dat je als bedrijf concurrerend blijft. Je begeeft je als data-scientist op het snijpunt van business en IT door zelf actief input te leveren in de rol die data kunnen spelen binnen je bedrijf.”
Enorme voordelen voor bedrijf
Bedrijven halen aantoonbaar voordeel uit Deep Learning, Machine Learning en AI, en bij Aegon is er dan ook veel enthousiasme voor het ontwikkelen van nieuwe initiatieven op datagebied. Dit houdt onder andere in dat werknemers niet langer elke dag veel tijd kwijt zijn aan simpele taken en administratie. Buwalda: het project om e-mails automatisch te laten verwerken en om automatisch te laten registreren over welke onderwerpen er gebeld wordt zorgt voor flinke kostenbesparingen voor Aegon. Bovendien wordt het proces voor de klant sneller en de werkomgeving beter: werknemers kunnen zich zo meer bezighouden met de leuke aspecten van hun werk.”
Sneller antwoord
Met zijn werk haalt Van Rijswijk het beste uit de data die Aegon verzamelt. Dat doet hij op meerdere manieren. “Aan de hand van analyses kun je inzicht krijgen in bedrijfsprocessen en zien waar je tijd en geld bespaart, of helpen beslissen welke keuzes voor het bedrijf de beste uitkomst hebben.” Ook zijn er vraagstukken waar met data een direct antwoord mogelijk is. Verder kunnen handmatige processen deels vervangen worden, en werkzaamheden sneller en goedkoper uitgevoerd met behulp van de verzamelde data. “Klanten krijgen sneller antwoord terwijl op kosten wordt bespaard.” Ook Pleij is ervan overtuigd dat al deze technieken de komende jaren nóg belangrijker worden. “De hoeveelheid verzamelde data zal alleen maar groeien. Dat maakt het gebruik van deze technieken des te interessanter.”
