Hoe kun je, als je een digitale oplossing ontwerpt, zorgen dat al het nodige aanwezig is om continu productie te kunnen draaien, als een fabriek? Want een digitale oplossing moet veilig zijn, het moet dag en nacht kunnen doorgaan, de datakwaliteit moet op orde zijn en de resultaten uit artificial intelligence of machine learning moeten altijd correct zijn. “Je moet zo klein mogelijk beginnen, en het pas uitbouwen als alles goed loopt”, zegt Marianne Faro, managing director bij Itility.
STAPPENPLAN
“Veel bedrijven willen hun digitale dromen zo snel mogelijk verwezenlijken, en er het liefst meteen de wereldhonger mee oplossen. Wij geloven daar niet in, omdat dat meestal ten koste gaat van veiligheid, betrouwbaarheid en robuustheid. Wij beginnen daarom altijd klein, met een behapbare oplossing. Daar hebben we een stappenplan voor. Stap een is ‘de wereldhonger’ afpellen naar een klein en tastbaar stapje (‘een brood bakken’). We denken groot, maar bereiken dat alleen via beheersbare stadia. Daarmee kun je waarde creëren. Je wilt de oplossing vanaf het eerste moment dat je ermee bezig bent continu laten draaien, zodat je ziet hoe het echt werkt.”
EEN PERFECT FABRIEKSMODEL
“Een interessante opdracht was voor een deelautoonderneming. Die wilde kostenefficienter werken door zo goed mogelijk te voorspellen waar en wanneer hun auto’s nodig zouden zijn. Dat is een heel ruime vraag, die je met heel veel verschillende gegevens kunt benaderen om tot een briljant voorspelmodel te komen, dat echter nooit in productie zal komen. De complicaties zijn daarvoor veel te groot. Het gaat niet om het meest perfecte voorspelmodel, maar het meest perfecte fabrieksmodel. Een digitale oplossing moet draaien als een fabriek! Een continue, robuuste, veilige stroom aan actuele, relevante data is de eerste vereiste. Het heeft weinig zin om er alle gegevens over het weer, de vakanties, evenementen en wat allemaal nog meer van invloed kan zijn op de autoverhuur, in te betrekken. Je geeft een feedbackloop aan je data, zodat je de resultaten elke keer op logica en functionaliteit kunt checken en bijstellen. Je voegt er langzamerhand elementen bij, maar niet vanaf het begin. Uiteindelijk hebben we alleen de recente reserveringsgegevens gebruikt in combinatie met locatie clustering.”
VOLGENDE STAPPEN
De volgende stap (na het klein maken) is het systeemdenken. Goed nadenken over je input: hoe je data binnenkrijgt, welke opschoning nodig is, welke verrijking met andere informatie noodzakelijk is. Nadenken over het proces: hoe kun je op zo simpel mogelijke manier je voorspelmodel maken? En als dat kan met eenvoudige rekenregels, dan houden we het in die eerste fase daarbij en gaan we niet los met wilde deep learning of complexe AI. En nadenken over je output: hoe ‘serveer’ je je digitale oplossing aan de gebruiker? En als laatste de extreme focus op fabrieksmatig laten draaien – ofwel veel monitoring inbouwen om iedere stap in je systeem te volgen, te meten, automatisch bij te sturen. Je digitale oplossing als een altijd draaiende lopende band.