Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors
dslc_downloads
events_agenda
klanten
dslc_projects
vacature
Data Scientist

Met data-analyse de toekomst voorspellen

  • 14 maart 2019

Data een goudmijn?

Voor veel mensen was data vroeger maar een vreemd concept. Wie wilde zich nou bezighouden met 1-en en 0-en? Een man met een bril die achter drie schermen met matrixachtige codes zit weggedoken, is het eerste beeld dat men hierbij had. Data was niet iets voor de ‘gewone’ zakenman, maar voor die ‘nerd’ in dat stoffige hok. ‘Iets met de data doen’ duurde te lang en het was niet duidelijk waar die data nou vandaan kwam. De data was toen al een onuitputtelijke goudmijn, maar dan wel één die niet werd herkend. Deze lag verstopt onder een grote laag modder. De goudmijn aanboren kostte heel veel moeite en leverde helaas vaak nog weinig resultaat.

Het ‘bevrijden’ en inzetten van data

Gelukkig kijken we nu heel anders tegen data aan. Data wordt steeds toegankelijker en de tools waarmee je de data kunt integreren, analyseren en visualiseren worden steeds intuïtiever. Dankzij de exponentiële groei in rekenkracht kunnen we data nu real-time verwerken en visualiseren. Daarbij kunnen we de gegevens niet alleen meer gebruiken voor het analyseren van het verleden, maar ook voor het werpen van een blik op de toekomst. Er wordt steeds meer ‘open’ data beschikbaar gesteld en ongeveer elk bedrijf lijkt wel op zoek te zijn naar een ‘Data Scientist’: een schaap met vijf poten dat verstand heeft van statistiek en IT en ook nog marktspecifieke kennis bezit. Ook zien we steeds meer toepassingen van Artificial Intelligence (AI) in verschillende marktsegmenten. We zien Blockchain in de financiële wereld, Machine Learning in de medische wereld en Cluster- & Classificatiemodellen in de gemeentemarkt. Er worden allerlei analyses ingezet voor diverse doeleinden, zoals het leveren van de juiste zorg op de juiste plek, het automatiseren en optimaliseren van processen, het detecteren van fraude, het verbeteren van ‘customer retention’, het visualiseren van demografische ontwikkelingen en nog veel meer. We zijn er eindelijk klaar voor om beslissingen te baseren op feiten en niet meer slechts op ervaring en onderbuikgevoel. We worden steeds meer data gedreven.

Voorspellende analyses in de zorg

Een onderwerp dat mij na aan het hart ligt, is het inzetten van voorspellende analyses binnen zorg en welzijn. Ik ben bezig met een project, gericht op het verbeteren van de zorg in de regio met behulp van ‘Big Data’. Bij dit project hanteren we de Triple Aim methode. Dit is een wetenschappelijk bewezen methode voor de zorg, waarbij drie doelen gelijktijdig gerealiseerd worden. De drie doelen zijn het verminderen van de kosten per capita, het verbeteren van de gezondheid van een gedefinieerde populatie en het verbeteren van de ervaren kwaliteit van de geleverde zorg.

Analyses omzetten in preventieve maatregelen

Als eerste stap zetten we data in om op regionaal niveau te achterhalen welke individuen het hoogste risico genieten op veel en dure zorg in de toekomst. Hoe kunnen we in de keten vroegtijdig deze ‘heavy users’ herkennen? Wat zijn de overeenkomstige patronen en hoe kunnen we deze kennis omzetten in preventieve maatregelen, waardoor de regionale zorgkosten minder hard zullen stijgen? Dus, op welke doelgroep(en) kunnen we ons het beste richten voor de meeste resultaten.

We verzamelen hiervoor de data van zoveel mogelijk zorgaanbieders op een gezamenlijk dataplatform. Zo brengen we de hele zorgketen in beeld: gegevens van de Wmo, Jeugdzorg, thuiszorg, ziekenhuis- en huisartsbezoekjes, GGZ en elke andere zorgaanbieder die zich wil aansluiten. Dit zijn gepseudonimiseerde gegevens over wanneer, wie, welke zorg waar heeft gehad met zoveel mogelijk details. Uiteraard gaat dit niet zonder slag of stoot. Er moet veel geregeld worden met betrekking tot het juist en veilig opslaan en delen van (persoons)gegevens, want we willen natuurlijk voldoen aan de AVG. Op het gebied van Data Governance zijn er meerdere overeenkomsten nodig en verschillende rollen die moeten worden ingevuld. Hierover meer in een volgende blog: “Pijnloos implementeren van Analytics, met de mens centraal”.

Voorspellen van de toekomst

Op basis van (bijna) dezelfde data kunnen ook andere onderzoeksvragen over de toekomst worden gesteld. Waar we in mijn huidige project classificatie modellen inzetten om groepen te herkennen, kunnen we ook andere modellen gebruiken. Bijvoorbeeld modellen die concrete aantallen voorspellen. De resultaten hiervan kunnen we benutten om inzichten over de toekomst te krijgen, zoals “Voldoet het huidige aanbod van de zorg aan de toekomstige vraag?”. Met de aanstormende vergrijzingsgolf en de daarbij horende toenemende zorg is het verstandig om deze vraag te kunnen beantwoorden. Wanneer dit niet het geval is, wat kunnen we er dan aan doen? Waar in de regionale keten zullen interventies het meeste rendement opleveren en de ervaren kwaliteit van de zorg het meest verbeteren?

Data gedreven: goed geïnformeerde beslissingen

Wanneer we vragen over de toekomst kunnen beantwoorden, kunnen er op feiten gebaseerde, goed geïnformeerde beslissingen worden gemaakt. Dan kunnen we in feite ‘kennis van de toekomst’ inzetten voor het maken van efficiënter beleid en kunnen er proactieve en preventieve maatregelen ingezet worden. Zo kunnen we recht doen aan het oude gezegde: ‘Voorkomen is beter dan genezen’. Hoe mooi is dat?

Wil jij weten wat voor voorspelmodellen nuttig kunnen zijn voor jouw organisatie? Neem dan gerust contact op via mprinz@scamander.com .

Expert meets Expert Analytics

Interesse in Analytics? Op 22 mei organiseren we een Expert meets Expert sessie met als titel: van BI naar BA. Klik hier voor meer informatie en om je in te schrijven.

Deel dit met uw volgers

Data een goudmijn?

Voor veel mensen was data vroeger maar een vreemd concept. Wie wilde zich nou bezighouden met 1-en en 0-en? Een man met een bril die achter drie schermen met matrixachtige codes zit weggedoken, is het eerste beeld dat men hierbij had. Data was niet iets voor de ‘gewone’ zakenman, maar voor die ‘nerd’ in dat stoffige hok. ‘Iets met de data doen’ duurde te lang en het was niet duidelijk waar die data nou vandaan kwam. De data was toen al een onuitputtelijke goudmijn, maar dan wel één die niet werd herkend. Deze lag verstopt onder een grote laag modder. De goudmijn aanboren kostte heel veel moeite en leverde helaas vaak nog weinig resultaat.

Het ‘bevrijden’ en inzetten van data

Gelukkig kijken we nu heel anders tegen data aan. Data wordt steeds toegankelijker en de tools waarmee je de data kunt integreren, analyseren en visualiseren worden steeds intuïtiever. Dankzij de exponentiële groei in rekenkracht kunnen we data nu real-time verwerken en visualiseren. Daarbij kunnen we de gegevens niet alleen meer gebruiken voor het analyseren van het verleden, maar ook voor het werpen van een blik op de toekomst. Er wordt steeds meer ‘open’ data beschikbaar gesteld en ongeveer elk bedrijf lijkt wel op zoek te zijn naar een ‘Data Scientist’: een schaap met vijf poten dat verstand heeft van statistiek en IT en ook nog marktspecifieke kennis bezit. Ook zien we steeds meer toepassingen van Artificial Intelligence (AI) in verschillende marktsegmenten. We zien Blockchain in de financiële wereld, Machine Learning in de medische wereld en Cluster- & Classificatiemodellen in de gemeentemarkt. Er worden allerlei analyses ingezet voor diverse doeleinden, zoals het leveren van de juiste zorg op de juiste plek, het automatiseren en optimaliseren van processen, het detecteren van fraude, het verbeteren van ‘customer retention’, het visualiseren van demografische ontwikkelingen en nog veel meer. We zijn er eindelijk klaar voor om beslissingen te baseren op feiten en niet meer slechts op ervaring en onderbuikgevoel. We worden steeds meer data gedreven.

Voorspellende analyses in de zorg

Een onderwerp dat mij na aan het hart ligt, is het inzetten van voorspellende analyses binnen zorg en welzijn. Ik ben bezig met een project, gericht op het verbeteren van de zorg in de regio met behulp van ‘Big Data’. Bij dit project hanteren we de Triple Aim methode. Dit is een wetenschappelijk bewezen methode voor de zorg, waarbij drie doelen gelijktijdig gerealiseerd worden. De drie doelen zijn het verminderen van de kosten per capita, het verbeteren van de gezondheid van een gedefinieerde populatie en het verbeteren van de ervaren kwaliteit van de geleverde zorg.

Analyses omzetten in preventieve maatregelen

Als eerste stap zetten we data in om op regionaal niveau te achterhalen welke individuen het hoogste risico genieten op veel en dure zorg in de toekomst. Hoe kunnen we in de keten vroegtijdig deze ‘heavy users’ herkennen? Wat zijn de overeenkomstige patronen en hoe kunnen we deze kennis omzetten in preventieve maatregelen, waardoor de regionale zorgkosten minder hard zullen stijgen? Dus, op welke doelgroep(en) kunnen we ons het beste richten voor de meeste resultaten.

We verzamelen hiervoor de data van zoveel mogelijk zorgaanbieders op een gezamenlijk dataplatform. Zo brengen we de hele zorgketen in beeld: gegevens van de Wmo, Jeugdzorg, thuiszorg, ziekenhuis- en huisartsbezoekjes, GGZ en elke andere zorgaanbieder die zich wil aansluiten. Dit zijn gepseudonimiseerde gegevens over wanneer, wie, welke zorg waar heeft gehad met zoveel mogelijk details. Uiteraard gaat dit niet zonder slag of stoot. Er moet veel geregeld worden met betrekking tot het juist en veilig opslaan en delen van (persoons)gegevens, want we willen natuurlijk voldoen aan de AVG. Op het gebied van Data Governance zijn er meerdere overeenkomsten nodig en verschillende rollen die moeten worden ingevuld. Hierover meer in een volgende blog: “Pijnloos implementeren van Analytics, met de mens centraal”.

Voorspellen van de toekomst

Op basis van (bijna) dezelfde data kunnen ook andere onderzoeksvragen over de toekomst worden gesteld. Waar we in mijn huidige project classificatie modellen inzetten om groepen te herkennen, kunnen we ook andere modellen gebruiken. Bijvoorbeeld modellen die concrete aantallen voorspellen. De resultaten hiervan kunnen we benutten om inzichten over de toekomst te krijgen, zoals “Voldoet het huidige aanbod van de zorg aan de toekomstige vraag?”. Met de aanstormende vergrijzingsgolf en de daarbij horende toenemende zorg is het verstandig om deze vraag te kunnen beantwoorden. Wanneer dit niet het geval is, wat kunnen we er dan aan doen? Waar in de regionale keten zullen interventies het meeste rendement opleveren en de ervaren kwaliteit van de zorg het meest verbeteren?

Data gedreven: goed geïnformeerde beslissingen

Wanneer we vragen over de toekomst kunnen beantwoorden, kunnen er op feiten gebaseerde, goed geïnformeerde beslissingen worden gemaakt. Dan kunnen we in feite ‘kennis van de toekomst’ inzetten voor het maken van efficiënter beleid en kunnen er proactieve en preventieve maatregelen ingezet worden. Zo kunnen we recht doen aan het oude gezegde: ‘Voorkomen is beter dan genezen’. Hoe mooi is dat?

Wil jij weten wat voor voorspelmodellen nuttig kunnen zijn voor jouw organisatie? Neem dan gerust contact op via mprinz@scamander.com .

Expert meets Expert Analytics

Interesse in Analytics? Op 22 mei organiseren we een Expert meets Expert sessie met als titel: van BI naar BA. Klik hier voor meer informatie en om je in te schrijven.