Data en feiten

KennisBite #26 | 29 juni 2021
Datagedrevenheid voor woningcorporaties
Presentatie: Adam Knoop, Hakan Akdogan en Adil Bohoudi van Hot ITem

Een korte intro van onze sprekers. Adam Knoop is de oprichter van Hot ITem, Hakan Akdogan is business manager ook voor de woningcorporaties en Adil Bohoudi is oprichter van FutureFacts, het platform binnen de Hot ITem groep voor Business Analytics.

Adam begint eerst met een vraag, uiteraard via de mentimeter: Wanneer is deze sessie voor jou geslaagd? Inzicht, leren, ideeën opdoen, stappenplan, één voor één poppen de wensen omhoog op ons scherm. Adam geeft aan zoveel mogelijk aan deze wensen tegemoet te willen komen in deze sessie van drie kwartier, maar mocht dat niet lukken dan kan er wellicht in de nabije toekomst een vervolgsessie gepland worden. Natuurlijk staat Hot ITem open voor vragen, de contactgegevens zijn gedeeld (zie presentatie in de mijn account omgeving).

Wat doet Hot ITem eigenlijk? Op basis van data helpt Hot ITem organisaties bij het verbeteren van de prestaties. Om data goed in te zetten zijn zowel technische vaardigheden als niet technische vaardigheden belangrijk. Denk bij de eerste categorie aan het ontsluiten van de data, dat het klopt, met de juiste definities en de tweede categorie is het snappen waarvoor je data inzet (business vraag). Kortom van fundament tot beheren, van data ontsluiten en combineren tot analyses, van rapportage’s en dashboards en van data als asset tot en met inzichten; je kunt ervoor bij Hot ITem terecht. Tot zover de reclame.

Moet elke organisatie nou datagedreven worden, of is het slecht een hype?
Adam legt uit dat het volgens Hot ITem zeker geen hype is, zij zijn al in 1998 begonnen en de waarde van data wordt steeds beter begrepen, daarbij is er ook gewoon veel meer data. Maar je organisatie datagedreven maken is een serieuze transitie. Vragen als wat is onze toepassing, hoe sluit het bij ons aan, welk (business) doel dient het, gaan vooraf aan zo’n eventueel proces. Wat is onze doelstelling en hoe kan data ons helpen om tot dat doel te komen? Pas als je daar goed inzicht in hebt kun je de vertaalslag maken naar de transitie. Waarbij de zo mooi voorgestelde cijfers van 50% minder kosten en 2x meer waarde bij een succesvolle implementatie (en dan wel over de beide aspecten technisch/niet technisch) ook werkelijkheid kunnen worden. Een sessie als vandaag kan een eerste stap zijn in het begrijpen van dit omvangrijke gebied, het hot item DATA.

Vanaf hier duiken we dieper de wereld van datagedrevenheid in. Adil gaat ons voor en legt aan de hand van twee voorbeelden uit hoe data ingezet kan worden. In het eerste voorbeeld Netflix, snappen we dat snel, vele van ons kennen Netflix en hebben goed in de gaten hoe dat bedrijf op basis van data onze aandacht probeert vast te houden. In het tweede voorbeeld zien we in een filmpje hoe de NS ontdekt, door middel van data uit de sensoren van het toilet van het nieuwe treintype Flirt, dat ze de afvalwatertanks minder vaak hoeven te legen dan ze aan de ‘tekentafel’ hadden bedacht. Winst op divers gebied dus.
Nog een voorbeeld van de NS en het gebruik van data is de app zitplaatszoeker, die je helpt bij het vinden van een zitplaats. In de app zie je de gehele trein met daaronder in de kleuren groen, geel en oranje de informatie per rijtuig over waar je de meeste kans van slagen hebt. Zo kun je slim kiezen waar je de trein instapt.
Leuk om te zien, maar waar begin je nou als woningcorporatie? In onze sector is onderhoud van het bezit een belangrijke kostenpost. Gepland onderhoud (PO) kun je redelijk precies op je begroting zetten, voor niet gepland onderhoud (NPO) wordt dat al lastiger. Bovendien zijn daar meer kosten mee gemoeid. De moeite waard om te kijken of we hier ‘iets’ met data kunnen.
Adil presenteert een case van Woonstad Rotterdam, uiteraard met fictieve cijfers. Eerst is in beeld gebracht ‘wat gebeurt er?’. Daaruit blijkt dat een klein aantal eenheden zorgt voor een flink deel van de kostenpost NPO. Bij vergelijking met andere corporaties blijkt dat dit bij veel corporaties het geval is. Bij nog verder analyseren werd zichtbaar dat bepaalde NPO taken regelmatig terugkwamen. Hoe krijg je hier nou grip op? Er zijn in dit voorbeeld twee problemen. De bedragen op de begroting voor PO en NPO en de daadwerkelijke kosten matchen niet echt makkelijk. Met behulp van Natural language processing (NLP), een AI-techniek die data uit de tekstvelden kan halen en categoriseren, is het eerste probleem aangepakt. De taken worden gecategoriseerd. Met Convolutional neuron network (methode binnen machine learning) is gekeken naar de voorspelbaarheid van de taken.

In de tweede case van WoningNet kijken we of Big Data de woningmarkt in beweging kan krijgen.
Hot ITem heeft verschillende modellen bekeken: slaagkansmodel, aanbevelingsmodel, alsook mutatie- en vraagvoorspellingen. In deze KennisBite gaan we in op de toepassing van data om de doorstroming te bevorderen. Onder meer omdat dat echt een beweging op gang kan brengen. Onderstaande afbeelding laat snel zien wat het behaalde resultaat van de try out is geweest.

Het is een dusdanig breed onderwerp dat we snappen dat met deze KennisBite nog lang niet alle ins en outs voor onze sector bekeken zijn, maar dat was ook niet de bedoeling. KennisBites zijn nou eenmaal teasers. We kunnen er met elkaar dieper op ingaan. Hot ITem heeft al aangegeven bereid te zijn om nog een KennisBite hierover te geven. Dus wil je dit onderwerp vaker terugzien in een KennisBite, laat het ons weten info@corponet.nl
Tot slot blijven we zeggen: voor de verbouwing moet er eerst worden opgeruimd! Met andere woorden we moeten als sector onze data op orde hebben, gegevens moeten op basis van standaarden beschikbaar zijn. Samen werken aan ons data-fundament, elkaar vertrouwen in de keten, zodat we echt op basis van feiten kunnen sturen en verantwoorden.

Zoeken

Meest recente verslagen

Meld je aan voor de Blik op de agenda

We sturen je maandelijks een overzicht van de nieuw ingeplande KennisBites. Zo mis je niks!