Datakwaliteit basis van succes Machine Learning en Predictive Analytics
19 september 2016 -
Is het mogelijk een computer iets te leren? Ja, dat kan. Natuurlijk leert een computer niet zoals wij dat doen, maar door middel van Machine Learning kan een computer wel patronen en regelmatigheden herkennen om vervolgens voorspellingen te doen.
"Maar dan moet de basis goed zijn, want als data niet kloppen, zijn de voorspellingen onjuist," legt Prof. dr. ing. Peter Lehmann, directeur van het Institute for Business Intelligence (IBI) en betrokken bij het project ‘Ground Truth’ van Uniserv, uit. "U kunt een computer door middel van voorbeelden uit een database leren wat een stoel is. Vervolgens kan de computer andere stoelen herkennen die niet uit de database komen. Maar als een tafel wordt aangeduid als stoel heeft u geen goede data gebruikt en gaat er in de leerfase van Machine Learning iets fundamenteel mis."
Leren en toepassen
Machine Learning betekent dat een kunstmatig systeem door middel van voorbeelden kan leren wat bepaalde voorwerpen, gegevens of afbeeldingen zijn. Na afloop van deze leerfase kan het systeem deze kennis ook toepassen op nieuwe gegevens. Het systeem herkent dus wat een stoel is en herkent door de inzet van verschillende algoritmen ook een andere stoel die niet uit de database komt. Dit kunt u toepassen op allerlei soorten data, zoals producten, klantgegevens of bijvoorbeeld aankopen. De data kunnen ook worden ingezet om voorspellingen te doen in koopgedrag. Eerdere aankopen van de klant worden gebruikt om, met behulp van Predictive Analytics, suggesties te doen, toegespitst op de persoonlijke interesses van de klant.
Slechte database, slechte uitkomsten
"Als u blind vertrouwt op de resultaten van een algoritme die op een slechte database zijn gebaseerd, maakt u als bedrijf al snel fouten," legt Lehmann uit. "Dit kan allerlei vervelende missers tot gevolg hebben. Als u hotelovernachtingen aanbiedt gebaseerd op een geboekte vlucht, is dat van toegevoegde waarde voor de klant. Maar als de klant al een reis en hotel heeft geboekt naar diezelfde stad, slaat u de plank mis. Als de database niet up-to-date is, maar deze wordt wel gebruikt voor Machine Learning, kan er geen enkele juiste voorspelling worden gedaan."
Data vormt het fundament
Big Data is geen hype meer; it’s here to stay. De toepassing ervan verandert echter wel. Het gaat niet meer om het verzamelen van zoveel mogelijk data, maar het draait om het inzetten van de juiste, verrijkte data. Traditionele databases kunnen ondertussen ook grote hoeveelheden gegevens verwerken. Big Data zorgt ervoor dat data met verschillende formaten, zoals afbeeldingen, video, tekst, audio worden beoordeeld en bruikbaar worden gemaakt. Lehmann geeft een voorbeeld: "Heeft de klant die zich net door het callcentermenu heeft gezwoegd een goed of slecht humeur? Als u deze klant wilt behouden, is het dan beter om een mannelijke of vrouwelijke stem te gebruiken die getraind is om de persoon correct te woord te staan? Als u met Big Data aan de slag gaat, moet het ook duidelijk zijn wat de voordelen zijn."
Voorspellingen in het voordeel van de klant
"De Verenigde Staten en Azië lopen voor als het gaat om Predictive Analytics. Deze landen zijn veel verder omdat gegevensbescherming daar een minder belangrijke rol speelt," legt Lehmann uit. Ook in Europa zijn er al voorbeelden te vinden waarbij bedrijven Predictive Analytics inzetten gebaseerd op klantdata. "Als ik een verzekering wil afsluiten en ik krijg korting als ik mijn gegevens achterlaat, dan zal ik dat voordeel gebruiken. Vooral als ik mijn motorrijtuigenverzekering van 800 kan halveren naar 400 per jaar. Of een luchtvaartmaatschappij weet dat ik graag op vakantie ga naar zonnige bestemmingen en er is volgende week een hele week regen voorspeld. Dan maken ze me erg blij met een aanbieding naar Barcelona met vlucht en viersterrenhotel voor 299. Waarom zou ik dat niet willen?"
Verzamelen van klantdata
"Het verzamelen van klantdata kan niet meer worden tegengehouden. Data worden geëvalueerd, gecategoriseerd en gebruikt. Ieder online bezoek laat sporen na en deze gegevens worden optimaal ingezet door de bedrijven achter websites. Google weet nu al meer van ons dan we zelf doorhebben. Dat hoeft niet slecht te zijn. Ik ben ervan overtuigd dat er dankzij Big Data nog veel mooie nieuwe ontwikkelingen gaan komen. Maar om Big Data te gebruiken voor Machine Learning en Predictive Analytics moet u wel zorgen voor de data die u gebruikt van de hoogste kwaliteit is," concludeert Lehmann.
