Keuzes in Data Science - wat als je resources beperkt zijn?

WED 10:30 - 11:00

Lecture hall 2

EDM

Om in te kunnen spelen op de individuele klantbehoeften is een goed klantbeeld nodig en daarmee dus goede klantdata. Het vervelende van klantdata is dat het dynamisch is: mensen verhuizen, gaan trouwen, krijgen kinderen, gaan scheiden, overlijden, gebruiken meerdere adressen, contactkanalen, etc. Ook is de data vaak versnipperd over verschillende systemen en missen veel matchkeys. Bedrijven beschikken wel over veel klantdata maar zelden over een goed klantbeeld. Dagelijks verwerken we bij EDM veel van dit soort data waarvoor we issues moeten oplossen om tot een optimaal 360 graden klantbeeld te komen.

Tijdens de presentatie geven wij aan hoe we een en ander aanpakken. Daarnaast zijn er uitdagingen met betrekking tot het onderhoud van onze AI-modellen. Eenmalig maken en met de hand runnen is geen probleem, maar hoe ga je het structureel onderhouden? Technieken veranderen, data ook en je werkt met verschillende collega’s. Daarvoor hebben wij voor onszelf een ‘modellenfabriek’ ingericht. Uiteraard met een beperkt budget en restricties vanwege security, organisatie, etc. We vertellen hoe we dit aangepakt hebben, welke issues we tegenkwamen en welke keuzes we gemaakt hebben. Zeer leerzaam voor het zelf opzetten van een eigen modellenfabriek.

  • Theme
    Data Science

    Organisaties beschikken al over extreem veel data. De grote uitdaging zit erin om met de beschikbare data waarde toe te voegen aan een proces of klanttraject. Data science is daarvoor uitstekend geschikt. Finance en het voorspellen van consumentenbehoeften zijn twee gebieden waarop data science effectief is toe te passen. De investering loont sowieso, want beschikt een organisatie over meer inzicht, dan zijn ook slimmere keuzes te maken. Het thema data science neemt precies hierom een steeds prominentere rol in tijdens de Big Data Expo.