Machine learning duldt niet langer uitstel

Moderne managers, bestuurders of consultants kunnen tegenwoordig niet meer optimaal functioneren zonder een grondig begrip van machine learning. Niet omdat het concept nu dagelijks “trending topic” is, maar omdat het zin heeft en geeft.

Machine learning maakt nu al het verschil tussen winnaars en verliezers, tevreden klanten en klagers, kwaliteitswerk en broddelwerk. Over welke basiskennis zouden leidinggevenden minimaal moeten beschikken als zij zich een beeld willen vormen en in actie willen komen, omdat uitstel niet langer wenselijk is? En welke vragen komen dan op hen af?

  • Welke projecten zijn bij uitstek geschikt om met machine learning op te pakken?
  • Hoe kom je aan de juiste vaardigheden en capaciteit in het team?
  • Wie betrek je bij het project en hoe creëer je draagvlak door disruptie?
  • Welke tools voor machine learning kun je het beste inzetten?
  • Wat zijn de belangrijkste valkuilen en risico’s in een machine learning-traject?

De antwoorden vinden op deze vragen is niet altijd eenvoudig, omdat elke situatie en businesscase weer verschillen. Maar de machine learning-specialisten van de Passionned Group staan je graag bij in deze vaak moeizame zoektocht.

Creëer draagvlak door disruptie

Nog nooit leefden we in zulke spannende tijden. De wendbaarheid van organisaties moet maximaal zijn om te kunnen blijven overleven. Disruptie ligt voortdurend op de loer en zonder machine learning zal uiteindelijk elk bedrijf vroeg of laat het loodje leggen.

Het is eigenlijk kinderlijk eenvoudig. Wie bovenop de data zit en hier machine learning succesvol op weet toe te passen, is spekkoper en kan een hele sector op zijn kop zetten en domineren. Dit bewijzen bedrijven als Amazon, Google, McDonald’s, Netflix, de zelfrijdende auto Tesla, Uber, en nog heel veel andere ondernemingen die met hun succesverhalen over toegepaste algoritmes aan de weg timmeren.

Maar hoe zorg je voor draagvlak als de “man in de middle”, de tussenpersoon, gaat verdwijnen en de machtige ketenregisseurs die rol overnemen?

Draagvlak creëren voor innovatie in organisaties is altijd een lastige zaak. Als innovatiemanager of projectleider zoek je steun en dekking bij het management. Tegelijkertijd mobiliseer je de early adaptors en ambassadeurs die de noodzaak tot verandering wél inzien en bereid zijn jou support te geven. In plaats van te streven naar draagvlak voor disruptie, streef je aldus naar draagvlak door disruptie. Dit is een subtiel verschil in formulering, maar een wezenlijk verschil in beleving.

Wat is machine learning?

Wat is machine learning?Machines kunnen niet van zichzelf leren, dus waarom dan toch machine learning? We maken modellen van de werkelijkheid, althans we proberen die na te bootsen. Die stoppen we in de computer en die voeden we met zoveel mogelijk cases, waardoor de kwaliteit van het model toeneemt. En daarmee de uitkomst van de voorspelling.

Machine learning is het boetseren van een voorspellend model met behulp van data, ook wel data mining genoemd.

Deep learning is een subdomein van machine learning.

Waarin verschilt machine learning van machine data?

Het Internet of Things genereert continu data. Er zijn momenteel al meer devices en machines die data genereren dan de gehele mensheid en het totale dierenrijk bij elkaar. Data die deze machines genereren noemen we machine data. Het gaat bijvoorbeeld om sensoren die beweging, geluid, temperatuur, wrijving of luchtvochtigheid meten.

Type projecten machine learning

Machine learning-projecten zijn onder te verdelen in:

  • Enkelvoudige projecten (continu verbeteren): deze kun je met een beperkt budget en scope uitvoeren bijvoorbeeld om fraude te ontdekken bij creditcards. Het businessmodel wijzigt niet of nauwelijks, de bestaande processen ga je optimaliseren. Er is relatief weinig impact op het personeel.
  • Multidisciplinaire projecten (innovatie): deze hebben impact op de totale organisatie en er staan grote tactische en operationele veranderingen op stapel. Het businessmodel wijzigt drastisch, zoals bij de politie waar een machine learning model alle politieagenten elke dag gericht op pad stuurt naar de plaats waar de kans op een delict het grootst is.

Wat zijn de risico’s en valkuilen?

De grootste risico’s van machine learning liggen in het ontbreken van een heldere businesscase, het gebrek aan draagvlak, onbegrip bij het management, opstand onder het personeel en data die van slechte kwaliteit is. Wij staan je graag terzijde bij het managen van deze risico’s en zetten de kansen samen met jou om in succesverhalen.

Symbiose tussen de intelligente organisatie en machine learning

Het is tegenwoordig ondenkbaar dat een intelligente organisatie zonder data science en machine learning een lang leven is beschoren. Groeien in intelligentie betekent automatisch een punt bereiken waarbij machine learning en advanced analytics een cruciale rol van betekenis gaan spelen. Om te innoveren en processen continu te verbeteren. Benieuwd hoe dit zit? Lees dan het boek ‘De intelligente organisatie’.

De cruciale rol van Big Data

Dat machine learning (of artificial intelligence) nauwelijks meer zonder grote hoeveelheden data kan, is wel duidelijk geworden (BI trends 2019). De Big Data is zo belangrijk omdat het eeuwig leren door computers mogelijk maakt. Door de continue aanwas van nieuwe data en daarmee nieuwe cases gaat het machinale leren dieper en sneller.

19 tools voor machine learning

19 tools voor machine learning & BIDe BI Tools survey bied je werkelijk inzicht in zowel de sterktes als zwaktes van de verschillende business intelligence tools. Bovendien is het 100% leveranciersonafhankelijk, wij zijn op geen enkele wijze gelieerd aan de leveranciers. Het onderzoek vergelijkt de BI tools op 15 belangrijke categorieën en vermeldt al hun functionaliteiten in geuren en kleuren.

Wij zochten het voor je uit in ons Business Intelligence Tools Survey 2019. De enorme markt voor Business Intelligence software is nog steeds sterk in beweging. Als je overweegt om machine learning tools aan te schaffen, kun je je beter goed laten informeren welke leveranciers de gewenste functionaliteit kunnen leveren en tegen welke voorwaarden. Gewoon, om het kaf van het koren te scheiden.

Verdiep je ook in de ethiek van machine learning

Nooit hebben we ons zorgen gemaakt om het feit dat die vriendelijke kruidenier om de hoek ook veel van ons persoonlijke leven wist. Maar computers daarentegen vertrouwen we voor geen meter. Misschien wel omdat computers en digitale assistenten onderling tegenwoordig wel erg veel met elkaar kletsen achter onze rug… Big Data marketing is in dit verband een sprekend voorbeeld.

Als je een ticket naar Barcelona zoek bij Transavia, komt er bij een volgend internetbezoek geheid een aanbieding langs van bol.com voor een Lonely Planet Barcelona gids. Wij begrijpen dit als geen ander. Er zit echter een grens aan de acceptatie van dit soort ongevraagde informatie en opdringerigheid. Privacy van het individu is een groot goed dat we moeten (leren) respecteren. Als de uitkomsten van machine learning echter relevant zijn, dan accepteren mensen dat gemakkelijker. Zo niet, dan zijn we een grens aan het overschrijden. Zo simpel is het. Pas machine learning daarom altijd verantwoord en transparant toe en blijf altijd binnen de juridische kaders.

Opleiding in Data Science

Ook expert worden in machine learning, big data en datagedreven organisaties? Dan is onze 10-daagse cursus Data Science zeker een aanrader. Zet de juiste stappen in machine learning & data science en schrijf je vandaag nog in.

naar de opleiding

Machine learning schept ruimte voor bezinning

Veel (dom) werk wordt door machine learning overbodig. En dat is maar goed ook. Want de mens is niet gemaakt om 40 uur per week routinearbeid te verrichten volgens de principes van Adam Smith. De mens is gemaakt voor het realiseren van doelen die hoger in de behoeftenhiërarchie vallen, zoals zelfrealisatie. Af en toe eens lanterfanten en reflecteren op het leven zijn nuttige tijdsbestedingen. Hoewel sommige beroepen nu keihard worden geraakt door machine learning, geloven we dat het goed is voor de zingeving. De oude ambachten keren terug, organisaties worden platter en organisaties intelligenter, gezonder en vriendelijker om in te werken. De passie komt terug op de werkvloer. En dat is pure winst.

Opleidingen voor het toepassen van machine learning

Wij bieden de volgende trainingen aan voor het leren toepassen van machine learning en het ontwikkelen van algoritmes.

4 concrete voordelen van machine learning

✓ Kostenbesparing: meer doen met minder mensen
✓ Sneller betere beslissingen nemen met een datagedreven organisatie
✓ Datagebaseerd producten en diensten ontwikkelen en innoveren
✓ Meer plezier voor je totale medewerkersbestand

Wil je ook met machine learning scoren?

Neem contact op met de specialisten van de Passionned Group en laat je verrassen door onze eigenwijze aanpak en visie op machine learning. We helpen je graag verder.

neem contact met ons op

Plaats review

Geef je mening over dit product of deze dienst

Dit veld is verplicht!
Dit veld is verplicht! optioneel
Dit veld is verplicht! optioneel
Dit veld is verplicht! optioneel
Dit veld is verplicht!
Review verzendenHet formulier bevat fouten.

Een selectie van onze klanten

Word nu ook klant

Wil je ook klant bij ons worden? Wij helpen je maar wat graag verder met machine learning (machine data) of andere zaken waar je slimmer van wordt.

Gustaaf Vocking, Associate Partner Big Data Analytics

GUSTAAF VOCKING

Associate Partner Big Data & Machine Learning

neem contact met mij op

Fact sheet

Organisaties geholpen
18591
Trainingen & workshops
18592
Deelnemers opgeleid
18593
Beoordeling klanten
8,9
Consultants & docenten
18594
Kantoren
3
Jaar ervaring
14