Living Labs : NFI & RvdK Samen onderweg naar meer grip op data. JenV I-tour presentatie 24 april 2018

Maat: px

Weergave met pagina beginnen:

Download "Living Labs : NFI & RvdK Samen onderweg naar meer grip op data. JenV I-tour presentatie 24 april 2018"

Petra Wauters
5 jaren geleden
Aantal bezoeken:

1 Living Labs : NFI & RvdK Samen onderweg naar meer grip op data JenV I-tour presentatie 24 april

2 Agenda Deel I - door Jannie RvdK Intermezzo filmpje I-plan JenV Deel II door Femke en Xandra NFI KInD gedreven data management Organisatievraagstuk RvdK Uitdagingen data management Visie KInD gedreven werken Van data naar waarde Model data analytics Big Data analyse bij het NFI Even voorstellen: team FBDA Werkwijze Aanpak Casus RvdK 2

3 Ik zie, ik zie, wat jij niet ziet. Er wordt geschat dat van de 4 zaken waarbij een indicatie voor seksueel misbruik is, er 1 door de RvdK daadwerkelijk wordt gevonden 1 op de 4 zaken met seksueel misbruik wordt gezien door de onderzoekers van de raad Zijn er aanwijzingen dat data kan bijdragen aan het vinden van meer gevallen van seksueel misbruik? Hoe kan een datamodel bijdragen aan het vinden van seksueel misbruik in zaken? Zijn er nieuwe voorspellende factoren te vinden die duiden op seksueel misbruik? Hoe kan de kennis uit deze datamodellen worden gehaald? 3

Data management & big data Uitdagingen Het beschermen van kinderen Door datagedreven te werken en op zoek te gaan naar nieuwe manieren om met uitdagingen om te gaan is de organisatie in staat om

gevonden Externe aanvragen voor data Met regelmaat worden door organisaties binnen J&V en externe partijen aanvragen gedaan voor data.

4 Data management & big data Uitdagingen Het beschermen van kinderen Door datagedreven te werken en op zoek te gaan naar nieuwe manieren om met uitdagingen om te gaan is de organisatie in staat om kinderen nog effectiever te beschermen Door gemakkelijk bij de gewenste data te kunnen gecombineerd met de kennis vanuit de uitvoering kunnen mogelijk nieuwe beschermings - mogelijkheden worden gevonden Externe aanvragen voor data Met regelmaat worden door organisaties binnen J&V en externe partijen aanvragen gedaan voor data. Op dit moment heeft de raad nog geen goede methode om hiermee om te gaan Het inrichten van een data omgeving waar de raad gecontroleerd data kan delen met andere partijen Complexiteit werken met data Met regelmaat moet handmatig verschillende datastructuren aan elkaar geknoopt worden om de tot de juiste inzichten te komen Geen tooling om gemakkelijk data te visualiseren voor bijvoorbeeld weergeven van trends, belangrijke uitdagingen, voortgang, etc. Inzet data voor analytics De huidige omgeving voor bestuurlijk informatie is niet voldoende om data beschikbaar te stellen aan data scientists Met de huidige data omgeving zijn data scientist te veel tijd kwijt aan het opschonen en inzichtelijk maken van de data Toegang tot data Selecte groep heeft toegang tot de data. De gebruikers van het huidige datawarehouse geven aan dat de huidige omgeving niet gebruiksvriendelijk is In de toekomstig situatie is het wenselijk om goed te kunnen bepalen en volgen wie toegang heeft tot data Ondersteuning nieuwe organisatie De raad zit midden in een grote transformatie om de verandering te kunnen meten dient data als de basis Momenteel lopen de wachtlijsten voor kinderen op, door op nieuwe manieren naar grondoorzaken te zoeken, kan er worden ingegrepen 4

5 KInD gedreven De KInD gedreven aanpak zorgt ervoor dat we bij de kern blijven en tegelijkertijd biedt het een houvast voor het handelen met een aantal concepten Toelichting De (impliciete) kennis van medewerkers die zij opdoen in hun dagelijks werken Informatie wordt door medewerkers in systemen opgeslagen Uit kennis en informatie komt data voor wat wordt gebruikt voor externe verantwoording en interne sturing Dataprojecten hebben het doel om kinderen te beschermen

6 Van data naar waarde door middel van analytics De waardeketen voor data bestaat uit meerdere stappen, de stap naar waarde is vaak een lastige stap om te nemen Data Informatie Inzichten Waarde Ruis Informatie Onverklaarbaar Irrelevant Verklaarbaar Relevant Analytics Interpretatie Actie Machine learning Statistiek BI Domein kennis Visualisatie Etc. Implementatie Verander Management Etc. 6

7 Tools uit data te analyseren Oorsprong computer science Impliciet SVM Supervised GBM Naïve bayes Random forest Deep learning/neural networks Machine learning Decision tree Unsupervised Nearest neighbor K-means clustering Associations rules Genetisch Algoritme Verschillende werkprocessen clusteren Oorsprong Wiskunde T-test ANOVA Regressie Growth mixture models Forecasting Statistiek chi square Testen of er structurele verschillen zijn in werkvoorraden tussen regio s Visual analytics Oorsprong Economie/ bedrijfskunde Dashboards Reporting Business Intelligence Drill down Root cause analyses Lijsten met werkvoorraden visualiseren 7

8 Informatiegestuurd werken binnen de overheid Info video I-plan JenV Big Data en Living Labs

Vergelijkbare documenten

MACHINE LEARNING. Een egocentrische presentatie door een data scientist van Axians. Michel van Gelder Data Scientist bij Axians

MACHINE LEARNING. Een egocentrische presentatie door een data scientist van Axians. Michel van Gelder Data Scientist bij Axians MACHINE LEARNING Een egocentrische presentatie door een data scientist van Axians Michel van Gelder Data Scientist bij Axians 1 MICHEL VAN GELDER Data Scientist Axians 2 A day in the life of.. 3 MACHINE