Overslaan naar hoofdinhoud
Pulse
developer
Leestijd, 5 min.

Kunstmatige intelligentie (of AI) is de sleutel tot efficiënter management op basis van data. Zelflerende systemen zien sneller interessante dwarsverbanden en helpen je beter bij het nemen van de juiste beslissingen. Elke organisatie wil daarom profiteren van slimme algoritmes. Maar voordat ze dat kunnen doen, lopen ze vaak tegen dezelfde uitdagingen aan binnen dit nieuwe vakgebied. Wat zijn de hordes en hoe zorg je voor goede resultaten van je data science team?

Deze blog is tot stand gekomen door een interview met Dennis Eikelenboom (Data Scientist), Gabrielle Davelaar (Data Platform Solution Architect), Jaap Mollema (Digital Advisor)
We zien dat heel veel organisaties op de AI-trein springen en data science teams oprichten. Na een enthousiast begin, vallen de resultaten in de praktijk vaak tegen. De fase na een proof of concept wordt niet gehaald, of eenmaal in productie, blijken niet alle componenten een schaalbaar product te vormen.

De juiste balans tussen processen technologie en mensen
Een gebalanceerd data science team zorgt dat je niet tegen deze problemen aanloopt. Een goed team heeft de juiste balans tussen goed ingerichte processen, de juiste technologie en vooral de juiste mensen. Samen moeten zij de hele levenscyclus van het model weten te doorlopen: van AI-experiment tot productie van de applicatie en het continu onderhouden en verbeteren van het model. Hierdoor verslechtert de modelkwaliteit niet en blijft zoveel mogelijk transparantie geboden omdat duidelijk is via welke stappen een model tot een bepaald inzicht is gekomen.

Modellen moeten herleidbaar zijn
Het development proces moet ten eerste herleidbaar zijn ingericht. Het team maakt modellen die invloed hebben op bijvoorbeeld behandelplannen in ziekenhuizen of op de reserves van financiële instellingen. Voorspellen de modellen verkeerd, dan kan dat uiterst nare consequenties hebben en dan komt er natuurlijk een schuldvraag. Waarom kwam het model met dit resultaat? Technisch moeten er voldoende logs geïmplementeerd zijn zodat de uitkomsten herleidbaar zijn. Je moet achteraf kunnen aantonen wat er precies is gebeurd. Dit is dan ook een continu proces waarbij onoplettendheid ervoor kan zorgen dat vooroordelen in het model sluipen.

Met AI is iedereen verantwoordelijk voor innovatie
Met kunstmatige intelligentie is vaak het adagium: hoe meer data, des te beter de resultaten van de modellen. Alle data uit de organisatie kan bijdragen aan betere inzichten. Dat houdt ook in dat de hele organisatie verantwoordelijkheid draagt voor de innovatie. Zijn de data niet goed, dan heeft dat negatieve impact op de uitkomsten van het model. Silo’s zijn hierdoor niet meer denkbaar: iedereen doet mee. Anders krijg je scenario’s zoals bij BNP Paribas. Daar schoot de fraudedetectie tekort vanwege miscommunicatie tussen de bedrijfsonderdelen en werkte het systeem niet. Het data science team mag dus geen eiland binnen de organisatie zijn. Het moet meer zijn dan een solistische groep die alleen hypotheses valideert en daarna deze resultaten laat verstoffen in een slide deck. In de praktijk zien we dat de ontwikkeling vaak stokt.

Data science teams zijn vaak te homogeen
Het blijft vaak bij een experiment omdat de data science teams veelal uit leden met dezelfde skills bestaan. Kijk maar naar de vacatures voor data scientists: je ziet daar vooral analistenprofielen met achtergronden in wiskunde en statistiek. Data scientists uit de academische wereld stoppen meestal na het experiment omdat hun werk gedaan is. Ze hebben hun model immers al getoetst. Daarna is het toch tijd voor het volgende project, de volgende puzzel om op te lossen?! Eigenlijk is dit pas het begin.

Het vak data science is volop in ontwikkeling
Data science zit nu in de ontwikkeling waar software development jaren geleden in zat. Het vakgebied is nog relatief jong en best practices op veel gebieden worden nog altijd gevormd. Met meer en meer experimenten is standaardisatie van methodologieën en processen van belang om data science op schaal uit te kunnen voeren. Het team data science process van Microsoft biedt als methodologie structuur binnen de verschillende fases van het data science proces; van het ophalen van de data tot de uitrol van een model.

DevOps noodzakelijk in data science teams
We zien dat veel data teams leunen op traditionele software teams om modellen naar productiesoftware te kunnen brengen. Een data team moet zelf in staat zijn om van experiment naar productie te schalen om ondersteuning te kunnen blijven bieden op modellen in productie. Het toepassen van DevOps-principes binnen het data science veld is essentieel om een gecontroleerde en frequente uitrol van modellen mogelijk te maken.

Modellen blijvend trainen
Traditionele software development is echter anders dan AI Development, waardoor DevOps niet 1:1 toe te passen is in dit deelgebied. Data speelt een belangrijke rol in de kwaliteit van de software (het machine learning model), het moet daarom worden meegenomen in het testproces. Anders dan met traditionele softwarekwaliteit, zal de modelkwaliteit met de tijd verslechteren als er geen hertraining plaatsvindt. Continue monitoring van zowel model performance als datakwaliteit is daarom belangrijk. De Azure AI-diensten bieden een solide platform voor het schalen van experiment naar productie, continue verbetering, geautomatiseerde uitrol en monitoring van modellen.

Multidisciplinaire data science teams brengen succes
Een goed data science teams is multidisciplinair. Nu zien we dat de teams tekort schieten in de software development fase. Je hebt verschillende type vaardigheden nodig om modellen tot productie te brengen. Data science bestaat uit zoveel verschillende gebieden waardoor het bijna onmogelijk is om dat door collega’s met dezelfde achtergrond te laten doen.

Op naar betere AI-resultaten
Uiteindelijk wil je een team dat alles kan. Onder andere het presenteren van resultaten, datavoorbereiding, het modelleren, de pure analyse, advies en hands-on bepalen dat de data niet goed zijn. Deze rollen moeten elkaar kunnen begrijpen en elkaars werk een beetje kunnen uitvoeren. Wil jij ook een geolied data science team? Neem dan contact met ons op. Wij kunnen je zowel procesmatig en technologisch begeleiden zodat jij meer uit je AI-investering haalt.

Gratis AI-rapport: kunstmatige intelligentie in Nederland. Hoe 277 grote Europese bedrijven profiteren van AI

Ontdek hoe jouw West-Europese en Nederlandse collega's AI gebruiken om hun organisatie digitaal te transformeren

Probeer Microsoft Azure gratis

Werk je volgende geweldige idee uit met Azure

Educatie

Finance

  • Vergadering met twee mannen en één vrouw die naar een scherm wijst.

    AI, a key enabler to accelerate the digital transformation

    The financial-services industry is rapidly adopting Artificial Intelligence (AI), thus taking a key step on the road to staying competitive while complying with new regulations. Once the transition has been made, the amazing benefits of AI solutions are immediately apparent. More about this journey of opportunity and tremendous potential. The financial-services landscape is rapidly transforming […]

  • overleg op kantoor tussen twee vrouwen

    Snellere productinnovatie dankzij cloud HPC

    Snel, sneller snelst is het adagium bij productinnovatie in de hightechsector. Producten hebben een steeds kortere levensduur en moeten rap na introductie alweer opgevolgd worden door superieure exemplaren. “Om in de race met de concurrentie voorop te lopen, moeten de research and development-afdelingen ongehinderd modellen kunnen doorrekenen. Vaak worden ze beperkt in hun mogelijkheden door […]

Government

  • Binnenkijken bij de meest vooruitstrevende gemeente van Nederland

    Binnenkijken bij de meest vooruitstrevende gemeente van Nederland

    Technologie verandert duidelijk en voelbaar onze steden. Over de hele wereld. En ook in Hollands Kroon. We veranderen in de wijze waarop we leven en werken, onze woon- en werkomgeving inrichten en de manier waarop we ons organiseren. Bij Smart Cities komen digitalisering en verstedelijking samen. Slimme technologie en slimme mensen maken de stad aantrekkelijker, […]

  • Vrouw met telefoon en Surface in een kantoorgebouw

    Smart cities zijn aantrekkelijker, groener en veiliger

    De wereld urbaniseert in een stormachtig tempo, in 2050 woont naar schatting bijna 70 procent van de wereldbevolking in de stad. Het beheer en bestuur van steden met traditionele middelen en processen wordt door de snelle urbanisatie complex en duur. Een Smart City is dankzij de inzet van data veilig, groen, rendabel, aantrekkelijk en toekomstbestendig. […]

Manufacturing

  • 9 manieren om met field service uit te groeien tot een winstgevende organisatie

    9 manieren om met field service uit te groeien tot een winstgevende organisatie

    Een dienst die meer geld oplevert dan het kost. Dat wil iedere organisatie wel. We hebben alvast enkele tips voor je uitgelicht. 1. Weet wat je te bieden hebt Om je product of dienst op de markt te brengen, is het belangrijk dat je weet wat je te bieden hebt. En hoe (potentiële) klanten dat […]

  • gebouwen

    Een connected wereld is een betere wereld

    We wíllen alles weten en tegenwoordig kúnnen we alles meten. Dankzij fitnesstrackers tot en met slimme energiemeters analyseren we nauwkeurig onze gezondheid en energieverbruik. Deze data sporen ons aan om meer te bewegen en brengt energieverspilling aan het licht. Dankzij data uit Internet of Things staan sectoren zoals de bouw en industrie aan de vooravond […]

Retail

  • vrouw aan de balie in een winkel

    De rol van AI en chatbots bij het verbeteren van de customer experience

    We hebben allemaal weleens een slechte ervaring gehad met een bedrijf. Van matige service tot een uitverkocht of verkeerd geleverd product. Daar komt bij dat onze verwachtingen zijn veranderd ten opzichte van vroeger. We lopen niet langer alleen maar door de winkelstraat naar etalages en producten te kijken. We doen nu impulsaankopen via de mobiele […]

  • Webinar-serie: de toekomst van de retailbranche

    Webinar-serie: de toekomst van de retailbranche

    Technologie is overal aanwezig. De digitale transformatie is in volle gang in alle bedrijven en alle branches. De verandering voltrekt zich in een hoog tempo en veel, zo niet alle, businessmodellen gaan hierdoor op de schop. Marktverstorende, vernieuwende retailbedrijven zijn de eerste organisaties die laten zien hoe de toekomst van retail eruitziet. Digitale transformatie Deze […]

Zorg

  • Een vrouw die een scan krijgt

    Predictive maintenance verbetert de levenskwaliteit van kankerpatiënten

    Ruim 17 miljoen mensen worden jaarlijks getroffen door kanker en dat aantal zal alleen maar toenemen in de komende jaren. Daarom zijn efficiënte en voordelige behandelingen van levensbelang. Dankzij Microsoft Azure IoT heeft IBA Worldwide, een vooraanstaande ontwikkelaar van medische apparatuur voor de behandeling van kanker, de onderhoudskosten van de apparaten weten te verlagen en […]

  • Two people working in Healthcare with a Windows device

    Leverancier van medische hulpmiddelen bouwt toekomstbestendig Azure-platform

    Het Deense bedrijf Coloplast maakt innovatieve zorgproducten voor mensen met intieme gezondheidsproblemen. Coloplast wilde een blijvende, productieve relatie onderhouden met klanten en de behoeften van patiënten beter doorgronden. Om dat te bewerkstelligen besloot het bedrijf van een on-premises datawarehouse- en BI (Business Intelligence)-oplossing over te stappen op Microsoft Power BI, Azure SQL Data Warehouse en […]