analyse

Data als gamechanger: wat een 19e eeuwse schaker en Formule1 ons leren

©BELGAIMAGE

Kijken naar intern e-mailverkeer om te meten of een organisatie succesvol is? Geen sciencefiction. In een wereld in volle transformatie is de nood aan informatie over welke kant het opgaat en hoe je er als bedrijf voorstaat groter dan ooit. Enter: meer complexe en creatieve data-analyse. ‘The pandemic has put a premium on speed.’

I n de zomer van 1873 staat de schaakwereld op zijn kop. Een gedrongen man van vijftig, Wilhelm Steinitz, overklast op een toernooi in Wenen elke concurrent. Hij speelt radicaal anders dan de rest. Met een nooit geziene tactiek. Een tactiek op basis van data-analyse.

Zijn overwinning komt er op een turbulent moment. De Oostenrijkse keizer Frans Jozef I heeft drie maanden eerder in Wenen een nieuwe wereldtentoonstelling geopend. De expo moet het keizerrijk tonen als kosmopolitische wereldmacht. Het wordt een kolossale ramp. Een week na de opening crasht de Weense beurs, een prelude op een zware economische depressie. Een maand later breekt een zware epidemie uit van cholera, de ziekte die in de 19de eeuw honderdduizenden levens kost. Bezoekers blijven weg uit de stad, de expo bloedt geld.

Om alsnog prestigieus voor de dag te komen laat Frans Jozef een schaaktoernooi organiseren. Twaalf van de beste spelers ter wereld komen samen in het gebouw van de Wiener Schachgesellschaft. Onder hen: Steinitz. Een kleine man met baard en bril, door zijn brede schouders imposant aan het bord. Hij is geboren in het Joodse getto van Praag. In zijn jonge jaren zette hij zijn wiskundestudies stop om professioneel schaker te worden. Aanvankelijk speelt hij zoals de rest. Alles op de aanval, met één doel: de koning elimineren.

Het corona-effect, de nieuwe economie na de pandemie

©Filip Ysenbaert

Corona heeft inkomsten doen crashen, businessmodellen ontwricht, gewoontes dooreengeschud, veranderingen doorgeduwd. Wat keert terug naar het oude? Wat blijft voor altijd anders? En vooral: welke kansen biedt dat?

Maar in die zomer gooit hij alles om: hij ontwikkelt een systeem op basis van positieanalyse en tactische spelopbouw. Hij gelooft in de ‘accumulatie van kleine voordelen’: als je telkens iets beter doet dan de concurrentie, win je uiteindelijk. Door een pion te isoleren van de tegenstander, door soms defensief te spelen, door systematisch de positie te analyseren van elk stuk op het bord. Steinitz kroont zich met zijn nieuwe aanpak in 1886 tot de eerste officiële wereldkampioen. ‘Ik heb twintig jaar het schaken gedomineerd, omdat ik twintig jaar voor was op de rest’, zegt hij later.

Achteruitkijkspiegel

Steinitz heeft het schaken voorgoed veranderd. Ook al werd eerst neerbuigend en meewarig gereageerd op zijn stijl, hij dwong de rest uiteindelijk te volgen. Simpelweg omdat hij betere resultaten behaalde. Vandaag, in de gezondheids- en economische crisis die we beleven, lijkt een nieuw soort data-analyse opnieuw een gamechanger te worden. Ditmaal voor bedrijven.

‘In de bedrijfswereld gaat het er uiteindelijk over wie het snelst de beste beslissingen kan nemen’, zegt Jeremy Palmer, CEO van de Londense dataspecialist QuantumBlack. ‘Wie daarin slaagt, neemt een voorsprong. Deze crisis heeft dat meer dan ooit op scherp gezet.’

Daar spelen data een cruciale rol in. ‘Corona creëert een fascinerende versnelling’, zegt hij. ‘Plots is er veel meer nood aan data, aan informatie.’ Om nieuwe uitbraken van de epidemie te beheersen worden met statistische modellen projecties gemaakt: hoe evolueert de bezettingsgraad op intensieve zorg in verschillende scenario’s? Wat is de impact van grotere of kleinere bubbels? Contacttracingapps melden op basis van locatiedata of iemand in contact is geweest met het virus. Het grote publiek is gewoon geraakt aan dagelijkse dashboards met grafieken met logaritmische schalen en voortschrijdende gemiddelden. Er wordt druk gediscussieerd over de juiste interpretatie van cijfers, en sinds de uitbraak gaat het over ratio’s en r- en k-waarden. Het gevolg: de algemene datageletterdheid gaat er drastisch op vooruit.

Niet alleen zijn we collectief gewoon geraakt aan veel meer data, er zijn ook nieuwe lades met informatie opengetrokken. Overheden, centrale banken en investeerders grijpen naar een ander instrumentarium omdat de klassieke parameters ontoereikend zijn. Wat heb je aan cijfers over industriële productie of consumentenvertrouwen als die met weken vertraging komen? Terwijl de economie voor je ogen instort?

Plots wordt in statistieken van Google naar verplaatsingen van mensen gekeken. Cijfers over betalingen met bankkaarten, reservaties bij restaurants, verkeer of elektriciteitsverbruik dienen als realtime barometer voor de economie. Met alle beperkingen van dien, uiteraard. Een toename in kaartbetalingen betekent niet noodzakelijk meer consumptie, het kan ook zijn dat mensen minder cash betalen. Minder verkeer betekent niet per se dat je economie minder productief is, als mensen thuiswerken. Veel passage in een winkelstraat betekent niet dat mensen spullen kopen.

Iedereen beseft nu dat het een probleem is als je moet vooruitrijden terwijl je in de achteruitkijkspiegel kijkt.
Jeremy Palmer
CEO dataspecialist QuantumBlack

Het is dus een tweede opdracht om met die data op een juiste manier te werken en voorzichtig te zijn met conclusies. ‘Als je met data werkt, moet je je altijd afvragen: zijn ze betrouwbaar en bruikbaar? En wat kunnen ze zeggen?’, zegt Palmer. ‘Dat geldt ook voor realtime data. Maar we zullen dat wel snel leren, omdat iedereen beseft dat het een probleem is als je moet vooruitrijden terwijl je in de achteruitkijkspiegel kijkt.’

Moneyball

Wat geldt voor data-analyse als beleidsinstrument, geldt ook voor bedrijven. ‘Daar staan we vandaag nog maar aan het begin’, zegt Palmer. ‘Data-analyse wordt bij de meeste bedrijven vooral nog gebruikt om een specifiek probleem aan te pakken.’ Welke verkopers presteren slecht? Welke processen in de fabriek presteren ondermaats? Hoe detecteren we afhakende klanten? Hoe adverteren we gericht? ‘Maar zelden wordt er echt geschaald. Of worden data gebruikt om een overkoepelende strategie te sturen. Daar evolueren we in sneltempo wel naartoe. Een aantal voorlopers zal de rest doen volgen.’

Zoals de jongste twintig jaar in de sport gebeurde. Denk aan het boek ‘Moneyball’ uit 2003, waarin auteur Michael Lewis beschrijft hoe manager Billy Beane bij het middelmatige honkbalteam Oakland Athletics een mythische status verwerft door met statistiek de prestaties van de club spectaculair te verbeteren. De Engelse voetbalploeg Liverpool verlegde bakens met een doorgedreven data-analyse; vandaag lopen zelfs de spelers van kleine clubs tijdens oefensessies met vestjes die alle fysieke prestaties monitoren. Wielerploegen tweaken fietsen, outfits en trainingsregimes op basis van data. En er is formule 1, de sport waarin QuantumBlack initieel zijn strepen verdiende.

Stoom u klaar voor het leven postcorona: herbekijk de webinars van De Tijd

Wat is het corona-effect op uw werk en klantenrelaties? Zijn uw vaardigheden nog up-to-date sinds thuiswerk de norm werd? En hoe gaat u om met coronastress? Tijdens vijf webinars vroeg De Tijd het aan experts, en verzamelden we uw ervaringen.

Het nieuwe hybride werken: hoe bouwt u een organisatie rond thuiswerk? (21 oktober - herbekijk)
met Ann Caluwaerts, executive vice-president people, brand & corporate affairs bij Telenet.

Hoe vindt u de weg naar klanten nu onlinecontact de norm is? (28 oktober - herbekijk)
met Steven Van Belleghem, marketingconsultant, -auteur en -spreker bij Nexxworks

Welke competenties hebt u nodig op de postcorona-arbeidsmarkt? (4 november - herbekijk)
met Wim Adriaens, gedelegeerd bestuurder VDAB, en experts Jan Wilmots, Ulrich Petré en Veerle Torrekens

Hoe houdt u tijdens een pandemie het hoofd boven water? (12 november - herbekijk)
met Tine Daeseleire, CEO van The Human Link

Hoe leiden in coronatijden? (18 november - herbekijk)
met Steven Poelmans (AMS) en Piet Wulleman (Wombat)

Het Londens bedrijf, vijf jaar geleden overgenomen door de consultancygigant McKinsey, werd in 2009 opgericht door drie computerwetenschappers met ervaring in de autosport. Jacomo Corbo, een van de drie, was chief race strategist in het Renault-team van 2006-2008. ‘Toen we begonnen, sprak niemand over artificiële intelligentie of machine learning’, zegt Palmer. ‘Het kwam er gewoon op aan alle informatie te gebruiken die voorhanden was om de prestaties te verbeteren. Daar gaat het eigenlijk altijd om.’

‘De pitstopstrategie bepaalt vaak een race’, vervolgt hij. ‘Fracties van secondes maken het verschil tussen winst en verlies. Hoe meer je meet, hoe meer je weet en hoe meer je kan sturen waar nodig. Tijdens welke ronde moet een wagen binnenkomen? Een van de dingen die dat bepalen, is de bandenslijtage. Die hangt af van veel factoren: hoe versnelt en vertraagt de wagen, het weer, het brandstofpeil, de vibraties in het wegdek, zijn er putten - zelfs kleine - op het stuk weg waar de wagen rijdt...? Om dat precies te meten moet je op elk moment exact weten waar de auto zich bevindt. Vandaag kunnen we dat bijna tot op de centimeter. Maar dat vraagt dus wel heel complexe en zware berekeningen in realtime, miljoenen tegelijkertijd.’

‘De kunst is ook niet alleen naar de evidente zaken te kijken’, vertelt hij. Raceteams sleutelen voortdurend aan hun wagens, om die steeds sneller te laten rijden. Het doel is zo veel mogelijk neerwaartse kracht creëren, met zo weinig mogelijk weerstand. Een R&D-team ontwerpt soms wel 2.000 mogelijke verbeteringen per jaar, die vervolgens getest worden in een windtunnel. Het slaagpercentage bedraagt amper 3 procent. Dat is een dure zaak.

In een poging dat te verbeteren bracht QuantumBlack de communicatie tussen teams in kaart. Letterlijk: de mails die heen en weer werden gestuurd. De logica daarachter is dat een aanpassing aan een auto-onderdeel onvermijdelijk een impact heeft ergens anders. Als er iets rond het voorwiel gedaan wordt, verandert dat de aerodynamica aan het achterwiel. Als de ingenieurs die aan het voorwiel werken dat niet bespreken met het team van het achterwiel, is de kans groter dat zaken over het hoofd worden gezien en het project niet slaagt. Het gevolg: de projecten die niet goed doorgesproken zijn, worden vroeger afgebroken en halen de windtunnel niet. Minder kosten, meer kans op succes.

‘Sport was een evident vertrekpunt’, zegt Palmer. ‘Omdat er veel geëxperimenteerd wordt, maar ook omdat er veel focus is. Een volledig F1-team werkt rond één vraag: hoe kan deze auto sneller rijden? Bij bedrijven is dat vaak minder eenduidig. Wat is die ene doelstelling waar iedereen aan werkt? Hoe beter je dat krijgt, hoe groter de hefboom die je op de data-analyse kan zetten. En dan ben ik ervan overtuigd: wat voor sport geldt, geldt evengoed voor business.’

Zetta

Door corona staat veel op het spel. Bedrijven verliezen omzet, zien hun klanten veranderen, consumptiepatronen verschuiven en moeten hun productieprocessen bijsturen. Wie in die context snel een antwoord op de uitdagingen vindt, doet het beter dan de concurrentie, net als wie beter de noden van zijn klanten begrijpt. Wie het rendement van zijn investeringen opkrikt, spaart kostbare centen. Een voorbeeld: een luchtvaartmaatschappij die van een archaïsch boekingssysteem voor luchtvracht overstapte op een datagedreven algoritme kon plots miljoenen besparen omdat haar laadruimte niet langer systematisch onderbenut is. In tijden van crisis zijn dat belangrijke miljoenen.

Als het uitgangspunt is dat meer en betere data helpen om snellere en preciezere beslissingen te nemen, leidt de coronacrisis alvast tot een enorme boost in grondstof. ‘Er staat een turbo op de digitalisering’, zegt Palmer. ‘Dat brengt automatisch een hoop extra informatie met zich mee.’

Voor de pandemie was de inschatting dat we dit jaar met zijn allen 40 zettabyte aan data zullen produceren, tien keer meer dan zeven jaar geleden. (Voor wie het zich nog kan voorstellen: zetta is een 10 met 21 nullen.) Dat zou de komende drie jaar nog eens bijna verdrievoudigen, onder meer door de komst van 5G, het internet of things en steeds meer video. Al wordt dat dus allicht een onderschatting.

Datawetenschap is nog in volle ontwikkeling in het bedrijfsleven en er is een schaarste aan gekwalificeerde mensen om de nood te lenigen.
Jeremy Palmer
CEO dataspecialist QuantumBlack

‘Een tweede belangrijke factor is dat we technologisch enorme stappen zetten’, zegt Palmer. ‘Heel veel data ineens verwerken, vraagt veel rekenkracht. Die is er steeds meer.’ Ook daar leidt corona tot een versnelling. Zo is er het Folding@Home-project, waarbij vrijwilligers de ongebruikte rekenkracht van hun pc ter beschikking stellen van wetenschappelijk onderzoek door een stukje software te downloaden. Greg Bowman, de initiatiefnemer en moleculair bioloog uit Washington, gebruikte het platform al in de strijd tegen kanker, alzheimer en parkinson, maar stelde het dit jaar volledig open voor corona. Het aantal vrijwilligers steeg explosief, tot een gecombineerde rekenkracht die die van de snelste supercomputer veruit overtreft. Zulke gedistribueerde netwerken duiken steeds meer op.

Palmer noemt het een van de belangrijkste doorbraken van dit jaar dat het deelplatform Uber zes maanden geleden zijn algoritmes heeft opengesteld. ‘Dat maakt plots veel meer mogelijk. We zien alles steeds sneller schuiven in de techwereld.’ Uber bouwde de voorbije jaren een miljardenbusiness uit met taxidiensten en maaltijdbezorging op basis van slimme, zelflerende algoritmes, die onder meer bepalen dat een autorit duurder wordt als het druk is. Die waren tot nu toe bedoeld voor een specifieke toepassing. Maar nu heeft Uber een soort neutrale probleemoplosser gemaakt die op elk vraagstuk - in eender welke business of sector - kan worden losgelaten. Het systeem leert het probleem begrijpen door voortdurend met andere scenario’s te werken en komt steeds een stapje verder. Hoe meer vragen het algoritme moet beantwoorden, hoe beter het wordt. Dat maakt exponentieel veel meer mogelijk.

Morgen

Meer data en meer rekenkracht is één zaak, de toepassing een andere. In onzekere tijden is het allerminst evident dat bedrijven zich wagen aan iets waar ze amper ervaring mee hebben of waarvan ze niet weten hoe eraan te beginnen. Data-analyse heeft geen trackrecord, er is geen gegarandeerde opbrengst, geen budgetteerbare return on investment. En in tijden waarin investeringen flink teruggeschroefd worden - volgens het informatiebureau Statista zetten bedrijven overal ter wereld extra IT-budgetten on hold - is het ondenkbaar dat iedereen morgen klaar is voor een strategie op basis van complexe data-analyse.

Bovendien is het niet omdat een bedrijf informatie verzamelt, dat het die ook gebruikt. Het onderzoeksbureau IDC schat dat een minderheid van de beschikbare data, zowat een derde, ingezet wordt om waarde uit te puren. ‘Iets doen met data’ is niet altijd eenvoudig. ‘Er worden wel meer data geproduceerd, maar vaak gaat het om ongestructureerde informatie, zoals audio-of videofragmenten. Die zijn niet altijd makkelijk voor analyse in te zetten’, zegt Palmer.

‘Het vraagt ook kennis en vaardigheden’, zegt Palmer. ‘Je moet over kwalitatieve data beschikken en er de juiste dingen mee doen. Dan kom je bij datawetenschap. Data-engineering - hebben we goede data? Datascience - hoe analyseren we ze? En datavisualisatie - als de informatie complexer wordt, wordt het belangrijker dat ze bevattelijk wordt voorgesteld.’ Die drie disciplines zijn nog in volle ontwikkeling in het bedrijfsleven en er is een schaarste aan gekwalificeerde mensen om de nood te lenigen.

En dan zijn er nog een hoop drempels, zoals cybersecurity, ethische kwesties, privacy en de dataopslag, die het vrijelijk toepassen van data-analyse niet altijd zomaar mogelijk maken.

Aanbevelingen

Toch is een kentering ingezet, zelfs als niet iedereen meteen mee is. Zoals in het geval van Steinitz en zijn nieuw schaaksysteem: een handvol spelers zal de rest dwingen te volgen. Netflix is een sprekend voorbeeld. De streamingdienst overklast de concurrentie met zijn customer retention: hoe goed klikt het bedrijf zijn gebruikers vast aan zijn aanbod? Volgens sterke man Reed Hastings is dat de enige parameter die ertoe doet.

De streamingdienst overklast de concurrentie met zijn customer retention: hoe goed klikt het bedrijf zijn gebruikers vast aan zijn aanbod? Volgens sterke man Reed Hastings is dat de enige parameter die ertoe doet.

Netflix doet dat al jaren via gesofisticeerde algoritmes: wie kijkt wat, wanneer, hoe vaak en hoe beoordelen ze wat ze zien? Op basis van die analyse krijgen kijkers aanbevelingen en beslist Netflix welke content het nodig heeft. In 2016 schatte het bedrijf in een boeiende academische paper dat zijn Recommender System zowat 1 miljard dollar opleverde. Vandaag is dat vast een pak meer. Wil de concurrentie Netflix onttronen, dan zal ze beter moeten doen.

‘Er is geen enkele sector waar het niet mogelijk is om op basis van data de prestaties te verbeteren’, zegt Palmer. ‘We zien het in de financiële wereld. Door corona wordt veel meer digitaal betaald. Dat geeft de bank de kans je beter te leren kennen. Hoe beter ze je kent, hoe beter ze je bedient. Dat gaat over een betere service, een gepersonaliseerder aanbod, risicobeheer en loyauteit.’ De banksector is vandaag een van de sectoren waar data-analyse al het meest voet aan de grond heeft gekregen. Maar dan nog is de inschatting dat data-analyse de komende vijf jaar minstens in belang verdubbelt.

Alarm

De evidentste sector waar data-analyse de voorbije maanden haar waarde heeft bewezen is gezondheid. In de race naar een medicijn en een vaccin voor Covid-19 zijn nooit geziene informatie-uitwisselingsplatformen opgezet tussen onderzoekers, over landsgrenzen heen, met farma- en biotechbedrijven. Het sneller modelleren van moleculaire combinaties gebeurt met computerkracht. Googles afdeling Deepmind, een specialist in artificiële intelligentie, publiceerde in maart een studie waarin de afdeling deep learning-technologie - heel specifieke machine learning gebaseerd op kunstmatige neurale netwerken - gebruikt om de eiwitstructuren in kaart te brengen van het SARS-CoV-2-virus.

Of nog: het Canadese BlueDot stuurde op 30 december 2019 als eerste een waarschuwing uit over een uitbraak van een nieuw virus in China. Het deed dat negen dagen voor de Wereldgezondheidsorganisatie (WGO) alarm sloeg. BlueDot is een globaal waarschuwingssysteem voor epidemieën, dat in 2013 werd opgericht door epidemioloog Kamran Khan (die na de SARS-epidemie in 2003 verklaarde: ‘dit heeft mijn ogen geopend. We gaan zulke bedreigingen vaker zien.

Niet alleen zien we nieuwe ziektes opduiken met een nooit geziene snelheid, we verspreiden ze ook veel sneller dan ooit. We moeten ons daartegen wapenen.’). Het bedrijf spoort op basis van artificiële intelligentie, machine learning en big data epidemieën op, voorspelt de patronen en signaleert risico’s. Daarvoor screent het niet alleen officiële bronnen, zoals databanken van de WGO, maar ook - en vooral - minder gestructureerde informatie, zoals hoeveel mensen de wereld rondvliegen en waar ze heen reizen, data over bevolking, insecten en dieren, satellietgegevens over het klimaat, krantenartikels, meldingen van zorgpersoneel... Bij Covid-19 sloeg BlueDot trouwens niet alleen als eerste alarm, het systeem schatte juist in in welke steden zich na Wuhan een uitbraak zou voordoen.

We evolueren in sneltempo naar een wereld waarin data gebruikt worden om een overkoepelende strategie te sturen. Enkele bedrijven bewegen en dat verplicht de rest om te volgen.
Jeremy Palmer
CEO dataspecialist QuantumBlack

‘Data-analyse heeft haar nut bewezen’, zegt Palmer. ‘Maar we kunnen nog verder gaan.’ In de gezondheidszorg gaat het om het potentieel van doelgerichtere behandelingen, van capaciteitsbeheer in ziekenhuizen, van vroegere detectie en meer preventie. ‘We kunnen bijvoorbeeld evolueren naar ‘real world evidence’-geneesmiddelen. Vandaag is het opzet van klinische testen voor nieuwe medicijnen heel eng.

Er is een beperkt staal van mensen, waarbij een eng gedefinieerd effect wordt gemeten. Maar als je die tests combineert met een hoop andere datapunten, kan je veel preciezer werken. Wat is het dieet van mensen? Waar wonen ze? Welke medicijnen nemen ze? Welke ziektes hebben ze gehad? Op basis daarvan kunnen geneesmiddelen veel gerichter ingezet worden. Iemand met die en die kenmerken zal net beter of net minder geholpen zijn. Dat vraagt drastisch meer informatieverwerking, maar het is veel effectiever.’

Sportschoenen

‘De mogelijkheden strekken steeds verder’, vervolgt hij. ‘Soms gaat het om kleine dingen: wat is de impact als je een fabriek 1 à 2 procent beter kunt laten werken, of als je 1 à 2 procent minder afval produceert? Wat is de impact op de nettowinst, op de concurrentiekracht? Evengoed gaat het om disruptieve veranderingen, waarbij strategieën worden omgegooid. Een voorbeeld: ik maak sportschoenen. Volgens het huidige model moet ik vandaag bedenken welke schoenen ik volgend jaar zal verkopen. Ik moet 10 miljoen stuks bestellen in Azië, laten produceren, weken in een boot laten vervoeren en hopen dat ze over een jaar goed verkopen. Als je erover nadenkt, is dat absurd. Je staat letterlijk eindeloos ver van je eindklant af. Als het niet aanslaat, moet je braderen. Wat als je dat omkeert? Wat als je op basis van realtime data een feedbackloop creëert, waarbij je dichter bij je klant komt, beter begrijpt wat die wil en daarop je productie baseert? Dat is flexibeler, met minder verlies en zonder overschotten die je aan dumpingprijzen moet verkopen.’

‘De jongste maanden zijn enkele bedrijven enorm veel waard geworden’, besluit Palmer. ‘The pandemic has put a premium on speed. Het draait om de snelheid van het leren: wie leert zo snel mogelijk, zo veel mogelijk en past het vervolgens toe? Crisissen zijn momenten waarin leiders de leiding nemen.’ Een laatste statistiek: Market Research Future voorspelt in een rapport van september dat de business in big data analytics in 2023 zo’n 275 miljard dollar waard zal zijn, een verdubbeling in vijf jaar tijd.

En om af te sluiten met Steinitz. Een eeuw na zijn glorieuze zomer van 1873 verklaarde die andere kampioen Garry Kasparov: ‘het tijdperk van het moderne schaken is met hem begonnen.’ Grootmeester Bobby Fischer zei: ‘Voor Steinitz beschouwde men de koning als een zwak stuk, dat vooral aangevallen kan worden. Maar hij vond dat de koning het best voor zichzelf kon zorgen.’ En Steinitz zelf: ‘De koning is een stuk om mee te strijden. Gebruik het.’

Lees verder

Advertentie
Advertentie