Predictive Analytics

Het gebruiken van voorspellende analyses noemen we volgens de Engelse term; Predictive Analytics.

In de vorige blogs hebben we het gehad over self-service BI en augmented analytics. Dit zijn goede manieren om inzicht in de processen van uw organisatie te krijgen en gericht te sturen op basis van feiten. Self-service BI en augmented analytics bieden de mogelijkheid om te zien wat de huidige stand van zaken is en wat er in het verleden is gebeurd. Wanneer organisaties dit volwassenheidsniveau bereiken maken zij de stap om op basis van data in te schatten wat er gaat gebeuren. Met het gebruik van predictive analytics wordt proactief geanticipeerd op situaties die waarschijnlijk gaan ontstaan. Dit zal kosten besparen of zelfs schade voorkomen. Sterker nog; Predictive analytics kan bijdragen aan de strategie en visie van uw organisatie.

In deze blog vertellen wij u meer over de mogelijkheden met predictive analytics. Verder hebben we vragen gesteld aan Johannes Martijn Mondria van Uitvoeringsinstituut Werknemersverzekeringen (UWV), die binnen zijn organisatie predictive analytics inzet.

 

Wat is predictive analytics?

 

Predictive analytics is een vorm van business intelligence die toekomstige events voorspelt. Vragen, zoals “Wat is de verwachte terugverdienperiode?”, “hoeveel sales kunnen we verwachten?”, “wat gaat het verloop van medewerkers zijn?” en “blijven we binnen het budget?” worden beantwoord. Hierdoor leent predictive analytics zich uitstekend om u als organisatie voor te bereiden op toekomstige ontwikkelingen.

Predictive analytics gebruikt een aantal technieken uit de statistiek, zoals regressie-analyse, forecasting, multivariate statistiek en pattern matching. Regressie-analyse geeft de relatie tussen variabelen weer “Hoe warmer het is, hoe meer airco’s er worden verkocht”. Forecasting voorspelt op basis van methodes en technieken de toekomstige vraag, “Als het 30+ graden wordt, dan is de verwachting dat er 10% meer airco’s worden verkocht”. Multivariate statistiek gebruikt meer dan twee variabelen om te analyseren. Pattern matching herkent een specifiek patroon in de data, bijvoorbeeld “in de afgelopen 3 jaar steeg de verkoop van airco’s met 5% in juni t.o.v. mei”. Hoe meer historische data beschikbaar is, hoe zekerder het is dat het patroon zich zo zal voortzetten.

Predictive analytics gebruikt historische data. Echter zijn externe factoren van belangrijke invloed op ontwikkelingen. Daarom wordt er gebruik gemaakt van verschillende bronnen. Op basis van slimme algoritmes worden bredere voorspellingen gemaakt dan het doortrekken van een trend in de data.

Om deze technieken toe te passen wordt gebruik gemaakt van datamining. Datamining is het zoeken naar de statistische verbanden in grote hoeveelheden data (big data) met als doel een profiel op te stellen. Datamining helpt organisaties om de essentiële informatie te selecteren. Hieruit wordt een voorspellend model ontwikkeld.

 

Voorbeelden van predictive analytics

 

Om u een beeld te geven van de mogelijkheden met predictive analytics hebben we per organisatie afdeling een voorbeeld beschreven.

 

Om een concreter beeld te krijgen van de mogelijkheden met predictive analytics hebben we een aantal vragen gesteld aan Johannes Martijn Mondria. Hij houdt zich hier binnen UWV mee bezig houdt.

 

  1. Wie bent u en wat is uw rol binnen UWV?

 

Ik geef leiding aan een datateam dat in feite opereert als een startup binnen het ecosysteem UWV. Dit laatste betekent vooral dat we ons niet druk hoeven te maken over reguliere werkzaamheden, procedures en in een prototypische setting kunnen werken met onze eigen IT-hulpmiddelen. Pas wanneer een dataproduct – volgens ons en de beoogde gebruiker – gereed is, kijken we hoe de oplossing structureel kan worden ingebed in de reguliere IT-omgeving van UWV.

 

  1. Hoe maakt UWV gebruik van predictive analytics? Kunt u een concreet voorbeeld geven van een situatie waarbij predictive analytics door jullie is ingezet?

 

Het belangrijkste resultaat van het team in het afgelopen jaar is de ontwikkeling en (bijna gerealiseerde) implementatie van een BI-oplossing. Achter de schermen hebben we daarbij veel tijd en energie gestoken in het neerzetten van een single source of truth: opgeschoonde, verrijkte en betrouwbare datatabellen waarover consensus bestaat tussen verschillende bedrijfsonderdelen en bedrijfsfuncties.

Nu we deze datatabellen tot onze beschikking hebben onderzoeken we actief de mogelijkheden om predictive analytics toe te passen op HR-gebied. Dit doen we in een laboratoriumomgeving, met anonieme data. Er is van onze predictive analytics oplossingen nog niets geformaliseerd of geïmplementeerd. Voordat iets in productie gaat wordt eerst goed gekeken naar de AVG en intern UWV-beleid ten aanzien van de digital footprint van medewerkers.

Bij een toepassing van predictive analytics binnen HR kunt u bijvoorbeeld denken aan een model dat voorspelt of een medewerker in het komende jaar zal uitstromen of doorstromen. Ons model geeft daarbij iedere medewerker een probabiliteit met betrekking tot uitstroom of doorstroom. Daarbij maken we geen gebruik van zuivere predictive analytics. Voor ons is namelijk niet alleen de voorspellende waarde belangrijk; wij willen ook weten waarom een medewerker een verhoogde kans heeft om UWV te verlaten. De voorspellende waarde in combinatie met de onderliggende verklarende variabelen leiden tot profielen. Langs de lijnen van deze profielen kan de HR-functie vervolgens een retentiebeleid opstellen en finetunen.

We maken vooralsnog overwegend gebruik van white box modellen uit de klassieke statistiek (e.g. logistische regressie en multivariate regressie), omdat die adequaat zijn voor het probleem en omdat we daarmee zicht krijgen op verklarende variabelen. Echter hebben we ook de vaardigheden in huis om verdergaande AI black box algoritmen toe te passen (e.g. machine learning en deep learning).

 

  1. Wat is hier de meerwaarde t.o.v. van de oude situatie?

 

Als ons voorspelmodel in de toekomst wordt geïmplementeerd (rekening houdend met AVG en de digital footprint), dan kunnen we verschillende clusters van medewerkers onderscheiden. Op basis daarvan passen wij een specifiek retentiebeleid toe. De business case is evident: huidige medewerkers langere tijd behouden is vele malen (kosten)effectiever dan werven op een schaarse arbeidsmarkt en nieuwe medewerkers inwerken. Predictive analytics is daarbij onlosmakelijk verbonden met BI. Resultaten uit onze voorspelmodellen kunnen in de vorm van guided analytics een plek krijgen binnen onze BI-oplossing. Gebruikers worden hierbij door visualisaties begeleid om informatie uit het dashboard te halen en vervolgens om te zetten in actie. En dat is uiteindelijk ons doel. Het opwerken en transformeren van data, het creëren van fraaie visualisaties en het ontwikkelen van voorspelmodellen: het moet leiden tot concrete en effectieve acties waar UWV beter van wordt.

 

Tot slot.

Is uw organisatie al data gedreven en maken jullie gebruik van verschillende vormen van Business Intelligence? Wilt u niet alleen terugkijken naar behaalde resultaten, maar ook sturen op wat er komen gaat? Beter voorkomen, dan genezen? Van inzicht naar vooruitzicht en van reactief naar proactief? Dan is predictive analytics iets voor jullie. Predictive analytics biedt een businesscase met een sterk terugverdienmodel!

 

Bronnen

Meer informatie?

App mij