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

Bedrijven willen inspelen op de individuele (toekomstige) klantbehoeften. Om gedrag te voorspellen 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 hebben wel veel klantdata maar zelden een goed klantbeeld. Dagelijks verwerkt EDM veel ruwe data, worden issues opgelost om tot een optimaal 360 graden klantbeeld te komen en worden gedragsvoorspellingen toegevoegd.

Tijdens de presentatie geeft EDM aan hoe ze een en ander aanpakken. Er zijn uitdagingen met betrekking tot het toepassen en onderhouden van de AI-modellen. Een model maken en met de hand runnen is geen probleem, maar hoe ga je het structureel inzetten en onderhouden? Technieken veranderen, data ook en je werkt met verschillende collega’s. Daarvoor heeft EDM een ‘modellenfabriek’ ingericht. Uiteraard met een beperkt budget en restricties vanwege security, organisatie, etc. EDM vertelt hoe ze dit aangepakt hebben, welke issues ze tegenkwamen en welke keuzes gemaakt zijn. Geen luchtfietserij, maar een praktijkverhaal met tips voor het zelf opzetten van een eigen modellenfabriek.