In de blogserie “How it’s done” nemen we je mee in de wereld van Artificial Intelligence technieken en de manier waarop wij als Datacadabra dit toepassen. Daarmee geven we je inspiratie over hoe het waardevol kan zijn binnen jouw domein. In dit artikel gaan we je leren te interpreteren. Om precies te zijn: hoe zet je data om in informatie?

It’s all in the name
Datacadabra – het bedrijf en de naam – zijn geboren uit de realisatie dat er in de 21e eeuw enorm veel data beschikbaar is. Ook wel big data genoemd. Het is het gevolg van de ontwikkeling dat er op steeds meer plaatsen en momenten, steeds meer gegevens worden vastgelegd en beschikbaar zijn. De bronnen ervan zijn divers en de data kan zowel gestructureerd als ongestructureerd zijn. Ook bedrijven en overheden hebben steeds meer informatie beschikbaar en kunnen hier veel inzichten uit halen. Maar, veel organisaties weten niet hoe ze die gigantische hoeveelheid informatie bruikbaar kunnen maken. En dat is waar wij te hulp schieten!

Wij maken de ‘abacadabra’ aan informatie bruikbaar

Inzichten genereren
Uit de immense hoeveelheden data kunnen computers door algoritmen steeds sneller informatie filteren en gebruiken. Met de verbanden die gelegd worden tussen verschillende soorten informatie kan inzicht worden gegeven in marktkansen, klantgedrag en brancheontwikkelingen. Maar ook in maatschappelijke, economische, financiële, commerciële of politieke trends. Het is goed om te zien dat beslissingen nemen op basis van data steeds meer gemeengoed binnen het Nederlandse bedrijfsleven wordt. Wil jij je beslissingen ook steeds meer baseren op data? We kunnen je helpen om voorop te lopen.

Hoe wij dit toepassen
Je weet nu meer over de aanleiding tot het oprichten van Datacadabra. Daarnaast weet je dat er met de steeds grotere hoeveelheid aan informatie inzichten gegenereerd kunnen worden. Maar, hoe kom je tot die inzichten?

Wij kunnen ervoor zorgen dat beschikbare data automatisch wordt geanalyseerd. Dat doen we door kunstmatige intelligentie toe te passen. Algoritmes worden losgelaten op grote hoeveelheden data en halen interessante relaties, overeenkomsten, verschillen en trends omhoog. Dat kan op heel veel verschillende manieren, bijvoorbeeld door computer vision of machine learning. In ons vorige blog hebben we besproken wat deep learning inhoudt, een onderdeel van machine learning.

Voorbeeldcase: De MowHawk
Oké, klinkt logisch allemaal. Maar hoe werkt dat nu in de praktijk? Daarvoor nemen we je mee door het proces van een van onze klanten. Naar aanleiding van een vraag vanuit Provincie Overijssel is De MowHawk (www.mowhawk.nl) ontwikkeld. Simpel omschreven is het een camerasysteem die op de maaibalk van een bermmaaimachine is bevestigd. De camera haalt tijdens het maaien van de bermen real-time beelden binnen (data). Tegelijkertijd worden algoritmen losgelaten op deze beelden en de computer herkent specifieke kenmerken zoals vorm, grootte of kleur. De computer stelt de kenmerken vast en bij een specifieke samenstelling herkent hij het als een bepaald object, bijvoorbeeld een blikje drinken (zwerfvuil). Op deze manier kan real-time door worden gegeven aan de chauffeur of én waar er zwerfvuil in het bermmaaisel zit. Op basis van die informatie kunnen beslissingen worden gemaakt. Het stuk berm dat zwerfvuil bevat wordt bijvoorbeeld niet gemaaid, omdat we geen zwerfvuil willen maaien: vervuild maaisel kan namelijk niet circulair worden verwerkt. Op die manier kan dus efficiënter beleid worden gevoerd. De computer heeft geleerd dat bij het vaststellen van deze kenmerken, het herkend wordt als een bepaald object, bijvoorbeeld een blikje drinken (zwervuil). Op deze manier kan real-time door worden gegeven aan de chauffeur of én waar er zwerfvuil in het bermmaaisel zit. Op basis van die informatie kunnen beslissingen worden gemaakt. Het stuk berm dat zwerfvuil bevat wordt bijvoorbeeld niet gemaaid, omdat we geen zwerfvuil willen maaien: vervuild maaisel kan namelijk niet circulair worden verwerkt. Op weg naar een efficiënter beleid!


Afbeelding: Detectie van zwerfvuil

Datacadabra
We hopen dat je nu begrijpt hoe je data om kunt zetten tot informatie en hoe dit kan leiden tot betere inzichten. Wij als Datacadabra zetten technologieën in om organisaties te ondersteunen en daarmee haar experts om sneller, beter en efficiënter te werken. Dat doen we met slimme, schaalbare oplossingen. Heb je inspiratie gekregen om ook AI toe te passen binnen jouw domein? Of heb je juist hulp nodig bij het vinden van inspiratie? Neem dan contact met ons op.

Up-to-date blijven met betrekking tot het laatste nieuws rondom Datacadabra? Volg ons via LinkedIn en Instagram.