W1siziisijiwmtkvmdmvmtevmtmvmzavmzcvodq2l21hy2hpbmugbgvhcm5pbmcgymxvzy5qcgvnil0swyjwiiwidgh1bwiilciymdawedy0mcmixv0

Machine Learning, wat kunnen we ermee?

Netflix, Uber en ABN-AMRO lijken op het eerste gezicht niet veel met elkaar gemeen te hebben. Maar wanneer we kijken naar de bedrijfsprocessen zien we een duidelijke trend; ze gebruiken allemaal Machine Learning in hun core business. Netflix doet dit om te voorspellen welke serie jij hierna gaat kijken, Uber laat chauffeurs weten welke regio straks druk wordt en de ABN-AMRO gebruikt het om frauduleuze handelingen de flaggen. Dit soort voorbeelden zijn vrij duidelijk. Maar ook in andere sectoren is er veel mogelijk. Op dit moment is er erg veel data beschikbaar waar nog weinig mee wordt gedaan.

Het U.K. House of Commons Science and Technology Committee schreef in 2016 al dat maar 12% van alle beschikbare data wordt geanalyseerd. Ookal ligt dat percentage in 2018 waarschijnlijk wel wat hoger, er liggen nog veel kansen. Dit is waar machine learning echt een uitkomst biedt; een computer kan continue data blijven analyseren. Dit is veel sneller en efficiënter dan wanneer dit door mensen gedaan wordt.  

Wij zijn ervan overtuigd dat iedere organisatie baat kan hebben bij machine learning. Daarom hebben we hieronder vier algemene bedrijfsprocessen genoemd die een revolutie kunnen ondergaan door machine learning.

De invulling van projecten

Wanneer je gaat meebieden voor een nieuw project of zelf een nieuw project opstart, is het altijd een beetje gissen naar de kosten en de duur. Op dit moment wordt er dan vaak vertrouwd op de expertise van een projectmanager of extern adviesbureau.

Wanneer je toegang zou hebben tot een database met projectinformatie over wereldwijde projecten, kan er doormiddel van machine learning een goede inschatting per project gemaakt worden. Op die manier kan een beslissing over wel of niet meebieden makkelijker worden gemaakt, kun je een inschatting maken van je kansen op dit project en, in het geval van een eigen project, weet je hoeveel je moet reserveren. Toegang tot zo’n veelomvattende database klinkt misschien utopisch, maar verschillende ERP-giganten bieden al een dergelijke oplossing aan.

Machine learning en Marketing

Marketing en machine learning zijn tegenwoordig ontzettend nauw aan elkaar verbonden. Zo kan er voorspeld worden wanneer bestaande klanten opnieuw gaan bestellen, wanneer ze behoefte hebben aan een navulling, of wanneer ze een beroep doen op de aftersales afdeling. Daarnaast kan machine learning helpen met nieuwe doelgroepen vinden voor je advertenties. Door het gedrag van “kopers” te analyseren, kun je jouw online advertenties aan mensen tonen die lijken op mensen die al eerder een product bij je hebben gekocht. Ook kan de techniek worden ingezet om consumenten nog persoonlijkere aanbiedingen te doen. Voor bedrijven in het e-commerce landschap is het echt een must om de ontwikkelingen goed bij te houden en te implementeren.

Gelukkig maken de verschillende advertentieplatformen dit steeds makkelijker voor hun gebruikers. Dan hoef je alleen de techniek nog maar zo in te richten dat je er ook op je eigen website optimaal gebruik van maakt.

Een grotere productieopbrengst

Ook machinewerk en productielijnen hebben veel baat bij de steeds slimmer wordende machines. Zelfdiagnose en voorspeld onderhoud zorgt voor minder downtime en een hogere productieopbrengst. Ook kun je als bedrijf op die manier je monteurs slim inzetten en meer machines per monteur onderhouden.

Efficiëntere inkoop

Aan de inkoopkant zijn er ontzettend veel factoren die meespelen bij de “prijs in huis” van een product. Zo dien je rekening te houden met wisselkoersen, het politieke klimaat, invoerrechten en transport- en inklaringskosten, om maar wat te noemen. Beslissen wanneer er dollars worden gekocht of wanneer contracten met transporteurs worden vastgelegd, is nu veelal nog een menselijke beslissing. Dat terwijl ook hier de markt vaak volgens een patroon beweegt en een computer dus prima het perfecte aankoopmoment kan bepalen.

Behalve deze vier algemene bedrijfsprocessen, zijn er ook veel bedrijfsspecifieke processen die geoptimaliseerd kunnen worden met machine learning. Belangrijk is om je af te vragen op basis waarvan beslissingen worden gemaakt. Wanneer een beslissing wordt gemaakt op basis van vaste factoren (eventueel met variabele uitkomsten) is machine learning zeker een optie om het proces efficiënter te maken.