Data Science

We weten allemaal dat verschillende persoonlijkheden en mindsets op de werkvloer elkaar kunnen versterken. Maar wanneer ze elkaar niet aanvullen of zelfs botsen, staat dit de ontwikkeling van een project of zelfs je bedrijf in de weg. Hoe stel je nu het best een productteam samen als het gaat om de ontwikkeling van datagedreven producten? Wanneer vullen datascientists en AI-experts elkaar het best aan? 

Sinds 2012 heeft meer dan 50 procent van de Fortune 500-bedrijven innovatie tot een integraal onderdeel van hun strategie gemaakt. Vanwege het succes van tech scale-ups die gebruikmaken van nieuwe technologieën zoals Data Science, Artificial Intelligence en Blockchain om gevestigde bedrijven te verstoren, hebben bedrijven de behoefte om te innoveren. 90 Procent van de innovatielabs faalt echter en volgens een rapport van Capgemini voelt slechts 5 procent van de research and development-medewerkers zich gemotiveerd om te innoveren. Dit resulteert in bezuinigingen, hogere kosten en falende innovatietrajecten. Bedrijven als Adecco, Microsoft Silicon Valley, Coca-Cola en Disney hebben zelfs hun innovatielabs gesloten. Waarom falen innovaties? En hoe zorg je dat ze wel succesvol zijn?

Vrije markten zorgen voor een prijsevenwicht, 'automagisch': vraag en aanbod van goederen bereiken automatisch en efficiënt een evenwicht. Dat noemen we de onzichtbare hand. Maar ik ben een datawetenschapper, ik doe niet aan automagisch. Geen waarnemingen betekent dat het fenomeen niet bestaat. Computer says no.

Het was begin 2017 en het was pas enkele weken na mijn start bij de Jheronimus Acadamy of Data Science, een universiteit waar data science en ondernemerschap gecombineerd worden, dat ik de hoop begon te verliezen. Tal van bedrijven hadden interesse getoond om samen te werken aan onderzoek of met studenten aan bedrijfsopdrachten, de belangstelling was echt overweldigend. Maar ze hadden allemaal bestaande datasets die wij moesten omzetten in goud. Dat moet anders. Bedrijven moeten streven naar extra inkomstenstromen die een positief effect hebben op hun continuïteit. Voor aanvullende inkomstenstromen is nieuwe data  nodig, en dit vereist een nieuwe aanpak voor datascience-projecten.

Intelligente systemen gaan steeds meer functies in ons leven overnemen. Zo worden geautomatiseerd eenvoudige rechtszaken afgehandeld, verzekeringspolissen beoordeeld en personen geïdentificeerd. Gaan deze systemen onze werkelijkheid bepalen of gaan we de toepassing van artificiële intelligentie beperken tot wat wij acceptabel vinden? In dit artikel laat ik je een tiental voorbeelden zien van disruptieve toepassingen van AI. Ik deel ze om je te laten ervaren waarom de toekomst van Artificial Intelligence niet rechtlijnig zal verlopen. 

Op Marketingfacts delen NIMA Register Marketeers hun mening over vakliteratuur. Welke boeken zijn interessant of relevant en wat vinden ervaren marketingprofessionals ervan? We recenseren de meest uiteenlopende marketing-gerelateerde boeken. Deze keer: 'Holy Fuck' van Mabel Nummerdor en Jeanneke Scholtens.

Hoe populair data science ook is, veel bedrijven weten niet waar ze moeten beginnen. Data wordt daardoor nogal eens een doel en eigen waarheid op zich. Vier experts delen hun ervaringen én adviezen.

De richtlijn voor de behandeling van urineweginfectie is gebaseerd op een onderzoek onder 5000 patiënten. Dat waren vrijwel allemaal jonge vrouwen, aangezien urineweg-infectieziekten onder hen het meest voorkomt. Je kunt je voorstellen dat de meest effectieve behandeling van oude mannen met eenzelfde kwaal afwijkt van de richtlijn. Pacmed wil die afwijkingen inzichtelijk maken, zodat artsen betere besluiten kunnen nemen. Hierbij wordt gebruik gemaakt van grote datasets en machine learning. Op dit moment loopt er een pilot.