Waarom is dit belangrijk?
Dankzij een voorspelling kan het elektriciteitsnet beter omgaan met wisselende vraag en wisselend aanbod van stroom. In de energiesector gebruiken netbeheerders dit om de stroomvraag voor de komende uren te volgen en hoge pieken in het stroomgebruik op wijkniveau te beperken. Huishoudens en werknemers in die sector merken dat aan een stabielere stroomlevering, maar een onnauwkeurige voorspelling kan de balans tussen vraag en aanbod alsnog verstoren.
Zo werkt het in de praktijk
Het Centraal Bureau voor de Statistiek gebruikt een voorspelling om een uitkomst zoals werkloosheid te schatten. Het model koppelt die uitkomst aan achtergrondkenmerken, bijvoorbeeld het type woning. Zo brengt het bureau verschillen tussen groepen in beeld.
Het CBS onderzoekt wanneer een complex model zo’n uitkomst beter schat dan een eenvoudige methode. Beslisbomen en neurale netwerken zoeken zelf verbanden in veel kenmerken tegelijk. Een neuraal netwerk geeft voor elke combinatie van kenmerken een geschatte uitkomst.
Voor het bouwen van een voorspelling gebruiken analisten CRISP-DM. Dat is een open werkwijze voor data-analyse, met zes stappen van vraag tot gebruik. De volgorde ligt niet vast, dus teams gaan heen en weer.




