Daan Kolkman
INTERVIEW | Hans de Labije
TEKST | Jon Hoofwijk
De Jheronimus Academy of Data Science in Den Bosch (JADS) heeft sinds begin van dit jaar een MKB Datalab. Ondernemers kunnen er terecht voor ondersteuning bij het werken met data. Het initiatief is de eerste in zijn soort in Nederland. Op dit moment lopen er 25 projecten waarvan er inmiddels 10 zijn afgerond.
JADS is opgericht door de Technische Universiteit Eindhoven, de Tilburg University, de gemeente ’s-Hertogenbosch en de provincie Noord-Brabant. Dr. Daan Kolkman, senior onderzoeker bij JADS, gebruikt zijn kennis en ervaring om samen met bedrijven onderzoeksgebieden te definiëren die zowel voor de wetenschap als de praktijk relevant zijn. “Veel ondernemers willen datagedreven werken, maar kunnen vaak niet inschatten of, en hoe, zij hun verzamelde data effectief kunnen inzetten. Wij kunnen mkb-ondernemers over deze drempel heen helpen. Onder begeleiding van een hoogleraar gaan studenten van JADS aan de slag met een afgebakend data-sciencevraagstuk voor deze ondernemers. Aan dit vraagstuk werken zij veertig tot tachtig uur, verspreid over een periode van zes tot acht weken. Het kost de ondernemer slechts 2.500 euro.”
Samenwerking Platform Driven by Data
Het JADS MKB Datalab werkt samen met maatschappelijke partners binnen het Platform Driven by Data. Tot deze maatschappelijke partners behoren De Bossche Investerings Maatschappij (BIM), VNO-NCW, de gemeente ’s-Hertogenbosch, het Ministerie van Economische Zaken en Klimaat en de Rabobank. “Het Platform Driven by Data is een breder initiatief waar het JADS MKB Datalab zijn steentje aan bijdraagt. “Ondernemers die data vergaard hebben, maar nog niet weten hoe ze deze nuttig kunnen inzetten, komen via maatschappelijke partners bij het Platform Driven By Data en – afhankelijk van hun vraag – komen ze bij ons in het MKB Datalab terecht.”
Leren van elkaar
“Voordat we met de uitvoering van een vraagstuk beginnen, voeren we een quick scan uit om te bepalen wat het volwassenheidsniveau van de organisatie is in de omgang met data. Vervolgens volgt een intake en een datacheck. Bij zo’n check kijken we naar de kwaliteit van de data en of deze geëxporteerd kan worden,” legt Daan Kolkman uit. “Als aan al deze voorwaarden is voldaan, maken de studenten een basisanalyse van de beschikbare data en adviseren zij de ondernemer waarmee hij zou kunnen beginnen. De ondernemer kan er vervolgens voor kiezen om er zelf mee aan de slag te gaan of om een consultant in te huren. Ook de studenten en wetenschappers steken veel op van zo’n traject,” benadrukt Daan Kolkman enthousiast. “Veel van hen zijn ook ondernemer. Op deze manier doen ze ervaring op met uitdagingen waar ze in de praktijk mee te maken krijgen, zoals projectmanagement.”
Hieronder volgen twee voorbeelden van trajecten:
Riemersma Leasing: Klanten beter adviseren met slimme data
Riemersma Leasing wilde zijn klanten beter kunnen adviseren door álle toekomstige kosten van het wagenpark te voorspellen. Maar zoals bij zoveel mkb-ondernemers waren er geen middelen om een goed datamodel te bouwen. De hoeveelheid beschikbare data bedroeg meer dan 1 miljoen rijen in Excel, wat het spreadsheet-programma niet meer aankon. Een student, begeleid door twee docenten, is de data van Riemersma Leasing gaan bewerken en modelleren. Dat richt zich eerst op het marge-resultaat op klantniveau. Welke gevolgen hebben de keuze van het merk en het type auto op de Total Cost of Ownership, gegeven de toepassing van de klant? Welke combinatie is gedurende gehele looptijd het meest efficiënt? Nu werken er specialisten van Platform Driven by Data vanuit JADS aan een professioneel datamodel, zonder dat Riemersma Leasing enorme investeringen heeft hoeven te doen. Met als uiteindelijke doel: de klant goed kunnen adviseren door de meest efficiënte oplossing te kunnen doorrekenen.
Lees hier de uitgebreide case.
Kanters BV: Beter onderhoud tegen lagere kosten
Kanters BV uit Veghel is gespecialiseerd in riooltechniek en infratechniek. Als het onderhoud wordt uitgevoerd wanneer het nodig is in plaats van in vaste intervallen, dan dalen de kosten en is er minder kans op storingen. Voorwaarde is wel dat de juiste data beschikbaar is. Zoals veel andere mkb-ondernemingen wisten ze bij Kanters niet precies hoe ze dit aan moesten vliegen. Een student, begeleid door twee docenten, heeft de data van Kanters gekoppeld, bewerkt en gemodelleerd. Daarbij richtten zij zich ten eerste op een betrouwbare en complete meerjarenplanning van de rioolgemalen op basis van alle beschikbare relevante data. Ten tweede stuurden zij aan op conditioned & predictive maintenance waarbij storingen voorspeld kunnen worden, zodat preventief maatregelen getroffen kunnen worden. Een historische analyse op de data heeft deze inzichten gegenereerd. Er is een realtime-dashboard ingericht waarop afwijkingen van kritische waarden te zien zijn. Vervolgens ging het team de risicoprofielen doornemen en de onderhoudsintervallen hierop aanpassen. Daarbij werd ook gekeken naar de implicaties van de kritische niveaus. Doel is dat op basis van data een advies wordt gegeven om een onderdeel te vervangen, zodat de investeringspiek afvlakt.
Lees hier de uitgebreide case