Waarom is dit belangrijk?
Beslissingen kunnen steunen op wat grote gegevensbestanden over een hele groep laten zien, in plaats van op één los bestand. Bij de digitalisering van bestuur, onderwijs en werk gebruiken organisaties die gegevens om capaciteit te plannen en diensten af te stemmen. Voor burgers en werknemers worden keuzes daardoor beter onderbouwd, maar persoonlijke gegevens kunnen lang worden bewaard en een fout kan een verkeerd besluit geven.
Zo werkt het in de praktijk
TNO combineert in de logistiek data over schepen, weer en verkeer. De Smart Data Factory for Logistics voorspelt daarmee aankomsttijden, zodat terminals hun planning bijstellen. Het CBS gebruikt big data uit satellieten en sensoren voor cijfers over mobiliteit, de energietransitie en smart farming.
Het Center for Big Data Statistics onderzoekt de kwaliteit van nieuwe databronnen. Het test methoden als machine learning en text mining. Zo kunnen statistieken later realtime verschijnen, ook voor een regio.
Onderzoekers van de Universiteit van Tartu zagen dat teams methoden aanpassen aan big data. CRISP-DM is een werkwijze in zes stappen, van de vraag tot het inzetten van een model. Teams wijzigen die stappen voor nieuwe techniek en voor koppeling met bedrijfsprocessen.




