Waarom is dit belangrijk?
Dankzij analytics kunnen organisaties uit verschillende gegevens afleiden of een aanpak werkt en waar bijsturen nodig is. In de publieke sector gebeurt dat bij toezicht en handhaving, en in de zorg bij het volgen van kosten en gebruik. Medewerkers en burgers krijgen gerichtere hulp of controle, maar dezelfde groepen kunnen vaker worden geselecteerd en de afweging blijft soms weinig inzichtelijk.
Zo werkt het in de praktijk
In de maakindustrie ondersteunt analytics het gebruik van machinelearning in de productie. CRISP-DM deelt dat werk in vaste stappen. Schooldistricten en overheidsdiensten gebruiken analytics om leerresultaten te volgen en de kans op een diploma te schatten.
Onderzoekers aan de Chalmers University of Technology zochten hoe maakbedrijven meer uit kunstmatige intelligentie halen. Zij voegen aan CRISP-DM een fase toe voor gebruik en onderhoud van de oplossing.
CRISP-DM is een open standaard voor analytics en datamining. Het Europese project startte met onder meer autofabrikant Daimler en verzekeraar OHRA. Zes fasen lopen van de vraag en de data naar een model, een toets en ingebruikname. IBM zette dit later voort in ASUM-DM, een uitgebreide variant.




