Rik van der Woerdt: zo maak je (nu al) gebruik van machine learning en AI

Dit artikel is een weergave van het gesprek dat Remy Gieling (RG) onlangs voerde met datascientist Rik van der Woerdt (VW). Van der Woerdt was ook te gast in een van de vijf radio-uitzendingen ter gelegenheid van de Smart Business Week.

RG: Zullen we eerst iets vertellen over jouw achtegrond en Amsterdam Data Collective?

VW: Ik ben econometrist. Het idee achter Amsterdam Data Collective. Wij helpen klanten met data-strategie, data engineering (de IT-kant) en data science (het bouwen van algoritmes).

RG: En in zes jaar is er veel gebeurd.

VW: We zijn nu met bijna 80 medewerkers, in Nederland en Denemarken. Dit zouden er binnenkort nog wel eens meer kunnen zijn door onze recent ingezette buy-and-build strategie (bedrijfsgroei creëren door het doen van overnames, red.). De grootste sectoren die we bedienen zijn de financiële sector, gezondheidszorg en de publieke sector. Dat zijn de sectoren waar we geloven dat we de meeste impact kunnen maken. Denk aan banken, ziekenhuizen, ministeries.

Onbekend maakt onbemind

RG: Wat ik vaak merk is dat veel ondernemers, vooral die van bedrijven die al wat langer bestaan, moeite hebben om de stap te maken. Om echt te gaan investeren in AI en in het verlengde daarvan machine learning. Ook omdat ze er zelf nog weinig verstand van hebben en onbekend maakt onbemind. Bij grotere organisaties al helemaal. Geef ik een lezing en zit de directeur van de club ondertussen zijn mail te checken. Terwijl de rest wel oplet. Kan natuurlijk ook aan mijn verhaal liggen. Maar toch… Hoe kijk jij daarnaar?

VW: Super herkenbaar. Eén van de problemen is dat veel technologiepartijen fetishisten zijn. Die willen gewoon heel graag vette dingen bouwen, maar ze willen niet per se een probleem oplossen. Het is natuurlijk preken voor eigen parochie, maar het is belangrijk dat je vanuit het business-vraagstuk gaat denken. Zijn er toepassingen die je goed kunt oplossen met machine learning en AI? Sommigen beginnen meteen te bouwen, terwijl je eigenlijk van tevoren al kunt simuleren en valideren of jouw idee werkelijk waarde gaat toevoegen.

RG: Als mensen tegen mij zeggen dat ze iets met data science willen, maar niet weten wat, zeg ik vaak dat je het voor de korte en de lange termijn moet benaderen. Op de korte termijn is het zaak om te bekijken hoe je met bestaande tools en middelen zoveel mogelijk taken binnen de organisatie kunt automatiseren. De winst is dat er dan uren overblijven voor andere skills, communicatie, creativiteit bijvoorbeeld. Op de langere termijn is de vraag hoe kan ik mijn bedrijf transformeren tot een data en AI-first organisatie? Daar heb je eigen datastromen voor nodig en eigen processen. Hoe kijk jij naar dat speelveld van automatisering en bedrijfstransformatie? Bij veel bedrijven denken ze: waar moet ik nou op focussen? Ik heb al zo weinig tijd. Hoe zorg je ervoor dat ondernemers toch de noodzaak van data science gaan inzien?

VW: Ik praat meestal over exploit en explore. Exploit is je huidige businessmodel optimaliseren en explore is het ontdekken van nieuwe businessmodellen. Die twee hebben ieder een heel andere aanpak nodig. Exploit betekent dat je binnen je organisatie onderzoekt welke datagedreven interventies het proces efficiënter maken. Bij explore zit je aan de innovatiekant en daar moet je gewoon vaak op je bek gaan. Dat is een andere aanpak die mensen best wel spannend vinden, want je moet experimenteren.

RG: Hoe kun je als organisatie met bestaande systemen de transformatie maken naar een nieuw systeem met een cloud infrastructuur? Wat zijn de stappen als bedrijf, als leider in je bedrijf, om mensen mee te krijgen en zie jij valkuilen?

VW: Ik bekijk dat altijd vanuit de kansen die je ermee kunt creëren. Kijk hoe Picnic als hard core techbedrijf de andere supermarkt dwingt om mee te bewegen door te laten zien wat ze met automatisering van processen voor elkaar krijgen. Je personeel is ook steeds meer digital native. Als jij als ondernemer dan met een proces komt dat ze tien keer moeten herhalen, zijn ze al volledig afgehaakt.

Ook belangrijk: strategisch stappen zetten en niet in één keer willen omschakelen. Probeer de hele data flow uit te denken en op te splitsen in logische delen. Deze delen ontwikkel (en test!) je parallel aan je bestaande systemen, voordat je ze naar de cloud brengt. Zo migreer je stap voor stap, waardoor je het overzicht behoudt en snel de eerste waarde creëert. Maar een beetje lef is wel nodig, halffabricaten leiden zelden tot het gewenste resultaat.

Ik vind Nederlandse ondernemers af en toe echt van die...? Het klinkt oneerbiedig, maar een dozen schuif mentaliteit hebben. Van oh, hier valt wat geld te verdienen en daar wat. De Amerikanen zeggen: ik ga de volgende nicorn maken! En zo maken ze ook een plan voor het bedrijf. ‘Ik ga voor niks minder dan een unicorn!’ Ja, daar zit iets van grootheidswaanzin in, maar het gaat ook over serieus nadenken over hoe dat er dan uit zou zien, je organisatie en dat je daar volgens dan veel sneller naartoe werkt. Terwijl wij als Nederlanders - dat is wel wat gechargeerd - wat kleiner, wat organischer en dan iedere keer van ‘oh, nu zijn we weer de volgende fase. Hoe zou die eruit moeten komen te zien? En dan is het toch wel echt jammer dat je misschien al waardevolle data volledig hebt laten liggen.