Verken het potentieel van data-innovatie voor uw bedrijf met de starter kits van EluciDATA

Verken het potentieel van data-innovatie voor uw bedrijf met de starter kits van EluciDATA

In samenwerking met de gebruikersgroep EluciDATA werden enkele concrete industriële gebruiksscenario’s geïdentificeerd in de domeinen ‘entity profiling and recommendation’ en ‘predictive analytics and forecasting’. Voor elk gebruiksscenario wordt een starter kit ontwikkeld om het potentieel van data-innovatie voor een specifiek gebruiksscenario te illustreren en op die manier bedrijven te helpen sneller met data-innovatie te starten. Bij wijze van voorbeeld is nu een starter kit beschikbaar die gericht is op ‘resource demand forecasting’.

Data is in steeds grotere mate beschikbaar en de technologieën om die data optimaal te exploiteren, worden elke dag rijper. De opportuniteiten die data aanreiken zijn legio en worden ook op grote schaal erkend; toch wordt het potentieel ervan in de meeste bedrijven nog onderbenut. Net daarom startte Sirris twee jaar geleden het EluciDATA-project op, dat ernaar streeft het data-innovatieproces te versnellen. Doel ervan is bedrijven zo goed mogelijk te ondersteunen in het exploiteren van hun data, door hun collectieve behoeften en uitdagingen te analyseren en oplossingen te vinden op basis van de bestaande technologieën. Dat het om een pertinent project gaat, blijkt uit de belangstelling die eraan wordt gehecht door de gebruikersgroep die is samengesteld uit meer dan 30 bedrijven uit uiteenlopende sectoren (productie, energie, mobiliteit, marketing), waarvan zowel probleemeigenaars als technologieleveranciers deel uitmaken. 

 

Twee kerndomeinen

In de eerste fase van het project legden we de noden en uitdagingen vast waarmee de bedrijven in de gebruikersgroep worden geconfronteerd. Uitgaande van deze input werden vervolgens twee kerndomeinen in kaart gebracht waarin data-innovatie een cruciale rol zou kunnen spelen:

  • entity profiling and recommendation is erop gericht entiteiten (zoals gebruikers, machines, assets, enz.) te groeperen op basis van gelijkaardige kenmerken, en uit deze profielen relevante aanbevelingen te distilleren;
  • predictive analytics and forecasting waarbij historische data uit voorbije monitoring worden geanalyseerd om de toekomst te voorspellen. Dit impliceert ook het identificeren van terugkerende patronen in de data en van onverwachte gedragingen (bijv. een machinedefect, een daling in de fysieke activiteit bij het monitoren van de gezondheidsparameters, enz.). 

 

Starter kits

In samenwerking met de gebruikersgroep werden in beide domeinen een aantal concrete industriële gebruiksscenario’s geïdentificeerd. Voor elk van deze gebruiksscenario’s zal de volgende twee jaar een starter kit worden ontwikkeld. Die starter kits dienen om het potentieel van data-innovatie voor een specifiek gebruiksscenario te illustreren en op die manier bedrijven te helpen sneller met data-innovatie te starten. 

Bij wijze van voorbeeld is nu een starter kit beschikbaar die gericht is op resource demand forecasting. Dit is relevant voor een aantal bedrijven in diverse domeinen:

  • Voorspelling van de vraag naar parkeerplaatsen of de verkeersdichtheid in een specifieke buurt om zo het verkeer op een intelligente manier te regelen (bijv. via omleidingen naar alternatieve routes of parkeerplaatsen).
  • Voorspelling van het batterijverbruik op basis van de bedrijfsomstandigheden, om zo op een intelligente manier te suggereren wanneer het opportuun is om de batterij op te laden of over te schakelen op spaarstand.
  • Inschatting van de kosten van consumables (elektriciteit, gas, inkt, papier,…) op basis van verbruiksdata, om zo tijdig aan te leveren of de totale kosten tot een minimum te herleiden.

Omdat in veel domeinen de resources, systemen en applicaties schaars zijn, kan het feit van op voorhand de vraag te kennen, nuttig zijn om vooruit te plannen en te garanderen dat een toereikende hoeveelheid op het gepaste moment beschikbaar is, om dure tegenmaatregelen in tijden van schaarste te vermijden. 

Meer algemeen streeft deze starter kit ernaar aan te tonen hoe men de vraag naar specifieke resources op een bepaald moment in de toekomst kan voorspellen. Het illustreert het volledige transformatieproces van ruwe data in een nauwkeurige prognose, op basis van een aantal openbaar toegankelijke softwaretools en bibliotheken. Dit impliceert meerdere stappen:

 

1. Identificering van de relevante databronnen: in de meeste gevallen verzamelen bedrijven hun data tegelijk vanuit verschillende bronnen. In de eerste stap van deze starter kit leggen we uit hoe men kan identificeren welke bronnen relevant zijn voor het voorspellen van de vraag naar resources en hoe data uit verscheidene heterogene bronnen het best worden gecombineerd.

2. Verkenning van data en opsporen van functionaliteiten: een tweede stap in dit proces bestaat uit het verkennen van de kenmerken van de data, om interessante patronen, trends of anomalieën te vinden. In de starter kit worden hiertoe verscheidene methodes toegelicht met behulp van illustratieve voorbeelden. Uitgaande van de daaruit resulterende bevindingen, worden zogenaamde functionaliteiten vastgelegd, met andere woorden kenmerken van de data die nuttig zijn voor het voorspellen van de vraag naar resources (bijv. het verbruik tijdens de voorbije dag of week, de gewoonten van de consument, enz.).

3. Data-analyse en -evaluatie: de vastgelegde kenmerken dienen als input voor een algoritme ter implementatie van een prognosemodel. De starter kit toont verscheidene mogelijke modellen en licht toe hoe de kwaliteit van de daaruit resulterende prognoses kan worden geëvalueerd. 

Naast de starter kit voor het voorspellen van de vraag naar resources, zijn enkele andere starter kits beschikbaar of in ontwikkeling, die betrekking hebben op onder meer:

  • De analyse van de interacties van een gebruiker met een specifiek product, om zo aanbevelingen eruit te distilleren en de gebruikerssupport te optimaliseren.
  • Kwaliteitsverbetering via een dynamische optimalisering van de machine-instellingen.
  • Technieken voor (geavanceerde) datavisualisatie.
  • Feature engineering, waarbij het datatransformatieproces en de extractie van de meest relevante onderscheiden kenmerken wordt toegelicht.
  • Naast deze starter kits organiseren we tevens een aantal interactieve trainingsessies rond deze onderwerpen. Meer informatie hierover is terug te vinden in onze agenda; hier kunt u zich ook inschrijven. 

Hebt u in het kader van uw eigen bedrijf belangstelling voor het verkennen van het potentieel van data-innovatie met de starter kits? Neem dan contact met ons op voor meer informatie.

Deel dit artikel