Intelligent gebruik van data kan concurrentievoordeel opleveren, maar een data-analyse alleen is niet genoeg. Om de concurrentie voor te blijven, moet je nieuwe verbanden leggen, de markt doorgronden, trends ontdekken en bestaande en nieuwe klantgroepen aanspreken. Dat kan met behulp van voorspellende analyses, zeggen Jeroen de Haas en Serge Beniers, oprichters en directieleden van Bright Cape.

Hoe werkt Predictive Analysis?

De Haas: “Het gaat om het herkennen van patronen op basis van data. Op grond van die patronen kun je de juiste acties ondernemen. Verzekeraars gebruiken allerlei variabelen om een voorspelling te doen over het risico dat een auto schade krijgt, zoals het type, bouwjaar en de kleur auto, en de leeftijd en de postcode van de autobezitter.”

Beniers: “Banken gebruiken data om in te schatten hoe groot bijvoorbeeld de kans is dat iemand niet aan zijn hypothecaire verplichtingen kan voldoen. In de financiële wereld wordt vanuit een statistische basis al heel lang gewerkt met risico- en voorspelmodellen. Nu zie je dat ook andere organisaties kansen zien en ermee aan de slag gaan.”

Zijn er trends in data-analyse?

De Haas: “Een toenemende vraag naar Predictive Process Mining. Hiermee kun je niet alleen processen in een organisatie veel beter in kaart brengen, maar tevens voorspellende analyses maken waardoor het mogelijk wordt om processen steeds verder te optimaliseren.”

Wat is jullie rol?

Beniers: “We hebben ons toegelegd op Small & Big Data Solutions. Wat wij doen is het oplossen van complexe problemen met behulp van geavanceerde wiskundige methodes, algoritmes, waardoor bedrijven in staat zijn om meer datagedreven beslissingen te nemen. Hierdoor ontstaan innovatieve inzichten. Dit kan tegenwoordig in vrijwel alle sectoren.”

De Haas: “Bij ons werken wiskundigen en bedrijfskundigen. Omdat een model per definitie een vereenvoudiging is van de werkelijkheid, zorgen de bedrijfskundigen voor de aansluiting van de wiskundige oplossing met de business.

Zo hebben we voor een e-commercebedrijf dat elke dag 20.000 orders moet verwerken, een model ontwikkeld dat voorspelt wat er in de komende week aan bestellingen binnenkomt. Het resultaat is minder piekbelasting in de orderverwerking en een forse kostenbesparing. Ander voorbeeld: een taxidienst gebruikt onze technieken om te voorspellen hoeveel taxi’s zij nodig hebben op een bepaalde dag. Hiervoor gebruiken we onder andere file-, weer- en OV-data.”