Dat was even schrikken, toen advies- en onderzoeksbureau Gartner enkele maanden geleden ‘Big Data’ helemaal schrapte uit zijn welbekende Hype Cycle. Opmerkelijk, vooral ook omdat de term ‘Big Data’ nog maar 2 jaar geleden hoog op de lijst van veelbelovende technologische ontwikkelingen stond.
Is Big Data dan toch een hype? O nee, zeker niet, zegt Emile Aarts, rector magnificus van de Tilburg University en gastheer op het evenement Future Decoded van 30 november, waar betekenis, kansen en impact van de datarevolutie worden besproken. ‘Termen als ‘revolutionair’ en ‘disruptief’ zijn absoluut niet overdreven.’
- Meteen inschrijven voor dit congres
Hoe groot wordt de invloed van Big Data straks?
‘Zeer groot. Ik kan me goed vinden in de visie van een bedrijf als Microsoft: dat elk bedrijf dat wil overleven in deze eeuw een belangrijke plaats voor Big Data móét inruimen in de bedrijfsvoering. Zoals Copernicus, Darwin, Freud ons wereldbeeld hebben laten kantelen, zo gaan Big Data dat ook doen.
Door deze revolutie – die is ingezet door pioniers zoals Alan Turing – dringt het besef door dat de mens niet het slimste wezen in het universum is, maar dat hij het moet afleggen tegen machinale, kunstmatige intelligentie.
‘Of computers net zo breed georiënteerd worden als mensen? Die kant gaat het wel op’
Nog niet zo lang geleden konden computers de mens hooguit verslaan op een klein, duidelijk afgebakend terrein – denk aan Watson van IBM die in 1997 schaakkampioen Kasparov versloeg. Inmiddels zijn computers veel breder georiënteerd, zoals bleek toen Watson in 2011 wereldkampioen werd in het vraag- antwoordspel Jeopardy!
Of computers net zo breed georiënteerd zullen worden als mensen? Of mens en machine misschien zelfs volledig zullen versmelten, en zich zullen ontwikkelen tot een ‘singularity’? Die kant lijkt het wel op te gaan.’
Wat voor typen toepassingen ziet u als kansrijk?
‘Die lopen sterk uiteen, en kunnen zich in elke fase van de waardeketen bevinden – van analyse achteraf tot de fase waarin potentiële klanten worden benaderd.
Een voorbeeld is Process Mining, ontwikkeld door professor Wil van der Aalst aan de TU Eindhoven. Met Process Mining is het mogelijk om processen in een organisatie in kaart te brengen op grond van zogeheten ‘event logs’ en andere data die in het bedrijf ruim voorhanden zijn. Dit werkt beter dan de modellen die bedrijven tot voor kort altijd gebruikten: die gaven slechts een vereenvoudigd beeld van de werkelijkheid, zonder dat duidelijk was in hoeverre mensen afweken van de processen op papier. Met Process Mining gebeurt dat wel, waardoor het ook mogelijk wordt om procesverbeteringen veel nauwkeuriger en sneller door te voeren dan vroeger.
Ook in de gezondheidszorg worden enorme hoeveelheden data verzameld en opgeslagen in de vorm van bijvoorbeeld elektronische patiëntendossiers. Naast de standaard klinische en demografische data neemt het volume aan medische beelden zoals MRI, CT en PET exponentieel toe, terwijl ook de kosten van het zogeheten sequencen van DNA snel dalen.
Doordat ze toegang hebben tot al deze patiëntdata en kennis hebben van de medische literatuur, zullen digitale expertsystemen in toekomst steeds beter diagnoses kunnen stellen en op de persoon toegesneden behandelingen kunnen aanbevelen.
Predictive Maintenance kan tijdig bepalen of een machine aan onderhoud toe is.
Een andere zeer kansrijke toepassing is Predictive Maintenance. Machines leveren continu data, die ook voortdurend kunnen worden geanalyseerd. Zodoende kan tijdig worden bepaald of een machine aan onderhoud toe is. Het onderhoud hoeft dus niet meer op gezette tijden plaats te vinden, zonder te weten of het werkelijk nodig was, maar ook niet pas als een machine het heeft begeven. Dit is goedkoper, tijdiger en beter dan traditionele soorten onderhoud.
Een laatste toepassing die ik wil noemen is helemaal proactief: het gebruik van Big Data voor een ‘Recommendation Engine’, waarmee je (potentiële) klanten kunt benaderen.
Door van iedere klant en van elk product karakteristieke kenmerken te verzamelen en bovendien ook van elke klant te onthouden wat die in het verleden heeft gekocht, kan een Recommendation Engine voorspellen waarin iemand geïnteresseerd zal zijn. En hem dus allerlei aanbevelingen doen en hem benaderen met: ‘misschien vindt u dit ook interessant’, of ‘klanten die dit kochten, vonden dit ook leuk’. In de detailhandel is dit al ingeburgerd, banken en verzekeraars volgen snel met allerlei fintech-toepassingen.
Het mooiste voorbeeld vind ik nog altijd van de winkelketen Target, dat een tienermeisje bonnetjes voor kinderkleertjes en wiegjes had gestuurd toen uit data-analyse was gebleken dat ze zwanger was. Ten onrechte, volgens haar woedende vader, die niet wilde dat zijn dochter op ideeën werd gebracht. Totdat bleek dat zij inderdaad een kind verwachtte, maar het haar ouders nog niet had verteld.’
Zijn er ook belemmeringen die een brede toepassing van Big Data en kunstmatige intelligentie in de weg kunnen staan?
‘In elk geval moeten allerlei juridische en ethische kwesties worden opgelost. De mens moet zich veilig kunnen voelen. Misschien dat de computer in de toekomst moet worden uitgerust met moreel besef, zodat hij niet klakkeloos alles uitvoert wat hem wordt opgedragen, schadelijke beslissingen buiten de mens om neemt of juist in opstand komt.
Zoals de computer HAL uit de film Space Odyssee 2001: ‘I’m afraid I can’t do that’. Alleen dan niet kwaadaardig, maar uitgerust met een rem om het welzijn van de mens niet in gevaar wil brengen.
Ook moet duidelijk zijn van wie bepaalde data zijn, en wie erover mag beschikken en eraan mag verdienen. Dat is nog lang niet altijd het geval. Een voorbeeld. Gisteren is bij mij thuis ingebroken, en is de reservesleutel van mijn auto gestolen. Ik was onderweg en mijn auto is niet gestolen, maar als dat wel was gebeurd, had hij zo opgespoord kunnen worden dankzij de ingebouwde GPS-zender die gebuikt wordt om assistentie te verlenen als ik een ongeluk zou krijgen. Het gekke is dat het de politie niet is toegestaan die gegevens te gebruiken en dus de auto en de dief niet kan opsporen. Iedereen zal inzien dat dat beter kan worden geregeld.
‘Alleen al bij de overheid is er behoefte aan duizenden data scientists. Maar die zijn nauwelijks voorhanden.’
Een andere grote belemmering is de beschikbaarheid van data scientists, die de algoritmes kunnen programmeren om grote hoeveelheden data te kunnen doorspitten en interpreteren. Alleen al bij de overheid is er behoefte aan duizenden data scientists. Maar die zijn nauwelijks voorhanden.’
Grootse opleiding
Dit tekort aan goede data-deskundigen heeft ertoe geleid dat de Tilburgse universiteit de handen ineen heeft geslagen met de Technische Universiteit Eindhoven. Samen zijn ze in september van start gegaan met de zogenoemde ‘Jheronimus Academy of Data Science’ (JADS).
Behalve beide universiteiten zijn ook de gemeente Den Bosch en de provincie betrokken bij de totstandkoming van dit grootschalige initiatief, waaraan tientallen hoogleraren zijn verbonden. Het nieuwe universitaire onderwijsprogramma biedt zeven bachelor-, master en postmasterprogramma’s aan op drie locaties. Uiteraard op de campussen van de TU Eindhoven en Tilburg University, en daarnaast op de Mariënburg Campus in het voormalige Mariënburgklooster in Den Bosch – waarmee de provinciehoofdstad een échte universiteitsstad wordt, een droom van burgemeester Ton Rombouts, zegt Aarts. De Mariënburg Campus wordt op 1 december geopend door koningin Máxima.
Het is de bedoeling dat de opleidingen binnen 3 jaar 2.000 studenten trekken, waarmee JADS uit zou groeien tot het grootste wetenschappelijk opleidingscentrum in zijn soort binnen Nederland – en ook wel daarbuiten. ‘En de ambities reiken verder’, zegt Aarts. ‘Inmiddels zijn er gesprekken gestart met de universiteiten van Amsterdam en Maastricht om de samenwerking op onderwijsgebied uit te bouwen. Daarnaast bouwen we met de provincie Noord Brabant aan een data science ecosysteem voor bedrijven en instellingen in de regio.’
Aan welke voorwaarden moet een goede data scientist voldoen?
‘Zoals uit de opzet van de opleiding blijkt, moet een data scientist van vele markten thuis zijn. Hij moet niet alleen kunnen programmeren, maar ook thuis zijn in statistiek. Daarin verschillen data scientists ook van traditionele IT’ers of mensen met een technische achtergrond, die in het algemeen geen wiskundige achtergrond hebben.
Het liefst beschikken data scientists ook nog over communicatieve vaardigheden, terwijl ook kennis van economie, econometrie, gedragswetenschappen en juridische kennis van belang kunnen zijn. Soms kunnen ondernemerschap en managementvaardigheden ook van belang zijn, zeker wanneer een data scientist leiding moet geven.
Al met al heeft de data scientist zowel een alfa-, bèta- als een gammaprofiel. Een ‘T-profiel’, zoals het ook wel wordt genoemd, met zijn bètavaardigheden als pijler waarop de overige vaardigheden steunen.
Doordat de twee universiteiten van Tilburg en Eindhoven de handen ineen hebben geslagen, kunnen wij studenten opleiden en IT’ers omscholen tot breed georiënteerde data scientists: wij zijn complementair, en door de krachten te bundelen, kunnen we een gevarieerd onderwijsprogramma aanbieden.’
Lang niet alle managers hebben verstand van big data en kunstmatige intelligentie. Kunnen zij wel leidinggeven aan die data scientists?
‘Ondernemers en managers moeten enig verstand moeten hebben van Big Data en kunstmatige intelligentie. Niet om zelf algoritmen te schrijven, maar wel om beter leiding te kunnen geven aan de data scientists die dat wel doen. Hebben ze dat niet, dan krijgen ze het straks zeker moeilijk.
‘Hoe meer we op computers leunen, hoe meer mensen zich kunnen onderscheiden door hun empathische vermogen.’
Maar met verstand van Big Data alleen zijn ze er nog niet. De informatie op basis waarvan zij beslissingen moeten, zal steeds meer worden gevisualiseerd in scenario’s. Daarmee moeten ze dus ook kunnen omgaan, wat voor de manager die het liefste informatie in een spreadsheet heeft nog lastig kan zijn.
Tot slot worden ook ‘soft skills’ voor managers steeds belangrijker. Naarmate we meer op computers met hun rekenkracht en analytische vaardigheden leunen, kunnen mensen zich onderscheiden door hun empathische vermogen, hun communicatieve vaardigheden en de manier waarop ze anderen kunnen inspireren. Zeker als ze aan jongere mensen leiding willen geven, die wars zijn van hiërarchische structuren en graag werken in bedrijven waar beslissingen in sterke mate collectief worden genomen.’
Laten we eens kijken naar uw eigen praktijk: verandert het leidinggeven binnen de universiteit straks ook door Big Data?
‘We doen al veel contractonderzoek voor bedrijven, dus wat dat betreft is er al het een en ander veranderd. Binnen enkele jaren zullen we zelf ook Big Data inzetten om studenten beter te kunnen begeleiden. Bijvoorbeeld door hun cijfers met elkaar te vergelijken, en op basis van afwijkingen van gemiddelden studieadvies te geven.’
En het universitaire personeel, komt daar ook zo’n systeem voor?
‘Mogelijk op termijn, maar nu nog even niet. Zeker niet voor hoogleraren. Die zijn daar veel te autonoom voor. Trouwens, onze hoogleraren presteren prima zonder. Dus welk probleem los je met zo’n systeem op?’
Kom ook naar Future Decoded
Emile Aarts is gastheer van Future Decoded, een kosteloos evenement gericht op beslissers rondom digitale transformatie voor organisaties met meer dan 100 werknemers. Sprekers zijn onder meer Kevin Raaijmakers (Philips Lighting) en voormalig Booking.com-ceo Kees Koolen. Meteen inschrijven?
Bewaren
Bewaren
Bewaren
Bewaren
