Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors
dslc_downloads
events_agenda
klanten
dslc_projects
vacature
Experimenteren essentieel voor Analytics projecten

Experimenteren essentieel voor Analytics-projecten. Welke etappes leg je hierbij af?

  • 23 april 2019

Scamander is specialist in het omzetten van data naar waarde. Wij zien dit omzetten van data naar waarde als een reis, een expeditie, waarbij wij samen de databerg beklimmen. De klant bepaalt de top van de berg, Scamander is de reisbegeleider en zorgt dat de expeditie succesvol verloopt. We onderscheiden hierbij drie onderdelen: inspireren, experimenteren en uiteindelijk implementeren. Mijn collega Carmen de Lange deelde al eerder een aantal inspiratiemiddelen die we hiervoor inzetten en gaf tips om het team gemotiveerd te krijgen én houden tijdens de reis naar de top. Deze blog zoomt in op het experimenteren, wat essentieel is om met Analytics de juiste resultaten en inzichten te krijgen.

Scamander’s Data Liberation-expeditie bestaat uit drie onderdelen: inspireren, experimenteren en uiteindelijk implementeren.

Experimenteren met CRISP-DM

Tijdens het experimenteren leer en ervaar je zelf wat data kan betekenen aan de hand van een concrete onderzoeksvraag waarbij snel de eerste onderzoeksresultaten worden getoond. Om dit voor elkaar te krijgen gebruiken we bij Scamander voor Analytics projecten het CRISP-DM model (‘Cross-Industry Standard Process for Data Mining’-model). De Agile insteek en de focus op het continu toetsen van alle activiteiten aan het doel, ofwel de business vraag, maken dit model zeer geschikt. De verschillende stappen in het model zien wij als de benodigde etappes voor het bereiken van de top. Maar welke etappes zijn dit dan precies? Ik licht dit hieronder toe en geef ook enkele voorbeelden.

CRISP-DM model procesdiagram

Etappe 1 – Business Understanding

In de eerste etappe gaan we samen met de business(experts) in gesprek om te bepalen wat de gewenste top, ofwel het reisdoel, is. Het is van belang te weten wat de spreekwoordelijke hobbel in de weg is die een organisatie ervaart, welk probleem we gaan verhelpen en wat er uiteindelijk met de inzichten zal worden gedaan. Op deze manier halen we de essentiële context op. Data is namelijk alleen waardevol wanneer je context toevoegt. De inspiratiemiddelen die collega Carmen heeft omschreven in haar blog, kun je in deze etappe heel goed inzetten.

Etappe 2 – Data Understanding

Welke gegevens hebben we precies nodig om de onderzoeksvraag te kunnen beantwoorden? In etappe twee onderzoekt een data expert van Scamander wie deze gegevens beheert en wie ze kan leveren. Vervolgens verkennen we de data om erachter te komen of het de juiste informatie bevat. Dit is nodig om analytische of voorspellende modellen te kunnen bouwen. Denk hierbij aan het beschrijven en valideren van de data(kwaliteit) en het uitvoeren van eerste statistische testen. Mogelijk moeten we nog een keer terug naar ‘basecamp’, ofwel de etappe Business understanding, om te bepalen of we de juiste route hebben genomen en de context goed hebben begrepen.

Etappe 3 – Data Preparation

In de derde etappe van onze expeditie gaan we de benodigde en verkregen data opschonen, transformeren en samenvoegen. Het resultaat is dat de data in de juiste formaten beschikbaar zijn om het modelleren mogelijk te maken. Zijn er problemen bij het koppelen en opschonen van de gegevens als je rekening houdt met de AVG (Algemene Verordening Gegevensbescherming)? Dan kan waar nodig de expertise van een Privacy Officer worden ingeroepen.

Etappe 4 – Modeling

Er zijn verschillende modelleringstechnieken om analytische of voorspellende inzichten te kunnen verkrijgen. In etappe vier bepalen de Scamander Analytics experts welke modellen ingezet gaan worden, zoals: Decision Trees, Neurale Netwerken of een simpelere Correlatiematrix. Vervolgens wordt het ontwerp getest, gebouwd en toegepast op de data. De uitkomsten worden bekeken en het model getoetst in termen van bijvoorbeeld accuraatheid en precisie. Eventueel worden parameters of data nog een paar keer aangepast.

Etappe 5 – Evaluation

Dit is de etappe waarin de modelresultaten worden teruggekoppeld aan de business en opdrachtgever. We presenteren de resultaten en bepalen samen of de succescriteria behaald zijn. Moeten we nog een keer terug naar basecamp om de onderzoeksvraag bij te stellen of een nieuwe onderzoeksvraag te formuleren? Is er een nieuw experiment nodig? Of kunnen we door naar de volgende etappe?

Etappe 6 – Deployment

Wanneer de resultaten van het analytische experiment(en) bijdragen aan het behalen van de top die in we in etappe 1 met de business hebben vastgesteld is het moment aangebroken om het resultaat in de organisatie te gaan borgen. Je zult hiervoor een volgende reis, de implementeerfase, gaan plannen. In een volgende blog zullen we ingaan op deze fase in de reis van data naar waarde én welzijn.

Meer weten?

Ben je op zoek naar een verdere toelichting over dit onderwerp of ben je benieuwd naar onze ervaringen met Analytics projecten? Ik vertel je er graag meer over. Stuur me een e-mail (rrobijns@scamander.com)of vul het ‘reageren’ formulier hiernaast in en ik neem contact met je op.

Expert meets Expert sessie – ‘van BI naar BA’

Als laatste maak ik je graag attent op de Expert meets Expert sessie ‘van BI naar BA’ die we op 22 mei organiseren. Deze sessie is gericht op BI-experts die nieuwsgierig zijn naar de wondere wereld van Analytics. Gastspreker
Sjoerd Braaksma, Data Scientist bij Gemeente Rotterdam, deelt zijn opgedane ervaring met een casus Mobiliteit. Daarna bekijken we de populairste scripting languages en ga je onder begeleiding van onze analytics experts gelijk hands-on aan de slag in R of Python met een voorbeeldcase. Interesse? Meer informatie en de mogelijkheid om in te schrijven vind je hier.

Roxanne Robijns
Consultant Business Analytics

Deel dit met uw volgers

Scamander is specialist in het omzetten van data naar waarde. Wij zien dit omzetten van data naar waarde als een reis, een expeditie, waarbij wij samen de databerg beklimmen. De klant bepaalt de top van de berg, Scamander is de reisbegeleider en zorgt dat de expeditie succesvol verloopt. We onderscheiden hierbij drie onderdelen: inspireren, experimenteren en uiteindelijk implementeren. Mijn collega Carmen de Lange deelde al eerder een aantal inspiratiemiddelen die we hiervoor inzetten en gaf tips om het team gemotiveerd te krijgen én houden tijdens de reis naar de top. Deze blog zoomt in op het experimenteren, wat essentieel is om met Analytics de juiste resultaten en inzichten te krijgen.

Scamander’s Data Liberation-expeditie bestaat uit drie onderdelen: inspireren, experimenteren en uiteindelijk implementeren.

Experimenteren met CRISP-DM

Tijdens het experimenteren leer en ervaar je zelf wat data kan betekenen aan de hand van een concrete onderzoeksvraag waarbij snel de eerste onderzoeksresultaten worden getoond. Om dit voor elkaar te krijgen gebruiken we bij Scamander voor Analytics projecten het CRISP-DM model (‘Cross-Industry Standard Process for Data Mining’-model). De Agile insteek en de focus op het continu toetsen van alle activiteiten aan het doel, ofwel de business vraag, maken dit model zeer geschikt. De verschillende stappen in het model zien wij als de benodigde etappes voor het bereiken van de top. Maar welke etappes zijn dit dan precies? Ik licht dit hieronder toe en geef ook enkele voorbeelden.

CRISP-DM model procesdiagram

Etappe 1 – Business Understanding

In de eerste etappe gaan we samen met de business(experts) in gesprek om te bepalen wat de gewenste top, ofwel het reisdoel, is. Het is van belang te weten wat de spreekwoordelijke hobbel in de weg is die een organisatie ervaart, welk probleem we gaan verhelpen en wat er uiteindelijk met de inzichten zal worden gedaan. Op deze manier halen we de essentiële context op. Data is namelijk alleen waardevol wanneer je context toevoegt. De inspiratiemiddelen die collega Carmen heeft omschreven in haar blog, kun je in deze etappe heel goed inzetten.

Etappe 2 – Data Understanding

Welke gegevens hebben we precies nodig om de onderzoeksvraag te kunnen beantwoorden? In etappe twee onderzoekt een data expert van Scamander wie deze gegevens beheert en wie ze kan leveren. Vervolgens verkennen we de data om erachter te komen of het de juiste informatie bevat. Dit is nodig om analytische of voorspellende modellen te kunnen bouwen. Denk hierbij aan het beschrijven en valideren van de data(kwaliteit) en het uitvoeren van eerste statistische testen. Mogelijk moeten we nog een keer terug naar ‘basecamp’, ofwel de etappe Business understanding, om te bepalen of we de juiste route hebben genomen en de context goed hebben begrepen.

Etappe 3 – Data Preparation

In de derde etappe van onze expeditie gaan we de benodigde en verkregen data opschonen, transformeren en samenvoegen. Het resultaat is dat de data in de juiste formaten beschikbaar zijn om het modelleren mogelijk te maken. Zijn er problemen bij het koppelen en opschonen van de gegevens als je rekening houdt met de AVG (Algemene Verordening Gegevensbescherming)? Dan kan waar nodig de expertise van een Privacy Officer worden ingeroepen.

Etappe 4 – Modeling

Er zijn verschillende modelleringstechnieken om analytische of voorspellende inzichten te kunnen verkrijgen. In etappe vier bepalen de Scamander Analytics experts welke modellen ingezet gaan worden, zoals: Decision Trees, Neurale Netwerken of een simpelere Correlatiematrix. Vervolgens wordt het ontwerp getest, gebouwd en toegepast op de data. De uitkomsten worden bekeken en het model getoetst in termen van bijvoorbeeld accuraatheid en precisie. Eventueel worden parameters of data nog een paar keer aangepast.

Etappe 5 – Evaluation

Dit is de etappe waarin de modelresultaten worden teruggekoppeld aan de business en opdrachtgever. We presenteren de resultaten en bepalen samen of de succescriteria behaald zijn. Moeten we nog een keer terug naar basecamp om de onderzoeksvraag bij te stellen of een nieuwe onderzoeksvraag te formuleren? Is er een nieuw experiment nodig? Of kunnen we door naar de volgende etappe?

Etappe 6 – Deployment

Wanneer de resultaten van het analytische experiment(en) bijdragen aan het behalen van de top die in we in etappe 1 met de business hebben vastgesteld is het moment aangebroken om het resultaat in de organisatie te gaan borgen. Je zult hiervoor een volgende reis, de implementeerfase, gaan plannen. In een volgende blog zullen we ingaan op deze fase in de reis van data naar waarde én welzijn.

Meer weten?

Ben je op zoek naar een verdere toelichting over dit onderwerp of ben je benieuwd naar onze ervaringen met Analytics projecten? Ik vertel je er graag meer over. Stuur me een e-mail (rrobijns@scamander.com)of vul het ‘reageren’ formulier hiernaast in en ik neem contact met je op.

Expert meets Expert sessie – ‘van BI naar BA’

Als laatste maak ik je graag attent op de Expert meets Expert sessie ‘van BI naar BA’ die we op 22 mei organiseren. Deze sessie is gericht op BI-experts die nieuwsgierig zijn naar de wondere wereld van Analytics. Gastspreker
Sjoerd Braaksma, Data Scientist bij Gemeente Rotterdam, deelt zijn opgedane ervaring met een casus Mobiliteit. Daarna bekijken we de populairste scripting languages en ga je onder begeleiding van onze analytics experts gelijk hands-on aan de slag in R of Python met een voorbeeldcase. Interesse? Meer informatie en de mogelijkheid om in te schrijven vind je hier.

Roxanne Robijns
Consultant Business Analytics