Van innovatie naar productie

Transcriptie

1 Van innovatie naar productie

2 Data lab Data Factory Innoveren Ontdekken Creativiteit Produceren Borgen Beheersbaarheid

3 Big Data Innovatie Aanpak Data lab Data Factory Top 3

4 Van waardevol idee naar waarde propositie

5 Woninginbraak Voorspeller Waarde Benefits: Een dag vooruit voorspellen in welke wijk er verhoogde kans op inbraak is Experience: Heatmap met inbraakkans van de dag. Projecteren in briefing room Dienst Handhaving Wants: Handhaven waar het relevant is Geclusterde ideeën Value Proposition Features: Hoeveel inbraken zijn er te verwachten in de verschillende buurten op basis van veranderende omstandigheden (inbraken in de buurt, weer, evenementen) & kenmerken (woning, buurt) Needs: Weten waar en wanneer ingebroken wordt Fears: Niet op het juiste moment op de juiste plek zijn

6 Van waarde propositie naar uitvoerbaar experiment

7 PROJECTVOORBEELD

8 Voorspellen woninginbraak Doel Hoeveel inbraken zijn er te verwachten in de verschillende buurten op basis van veranderende omstandigheden (inbraken in de buurt, weer, evenementen) & kenmerken (woning, buurt) Toepassing Het aantal te verwachten inbraken vertalen naar: Gerichte inzet van toezicht & handhaving Voorlichting kwetsbare groepen en buurten Gericht preventief beleid, samen met partners (politie, corporaties) Inrichting nieuwe wijken

9 Business Understanding Wat weten we van Panden en hun omgeving? Wat zijn volgens domeinexperts belangrijke factoren bij het kiezen van een inbraaklocatie en tijdstip? Privacy Wat mogen we weten van inbrekers en hun gedrag? Data Understanding Basisregistratie Adressen en Gebouwen (BAG) Basisregistratie Personen (BRP, voorheen GBA) Demografie (leeftijd, geslacht, opleiding, inkomen..) Locaties lantarenpalen & groen Aanwezigheid kliko s Camera locaties Bewonersmeldingen openbare orde Woninginbraakmonitor ( ) Politie Dagmonitor ( ) Politie Politiekeurmerk Veilig Wonen uitgiftes Weersomstandigheden ( ) per dag, per uur & per wijk: KNMI Evenementenkalender, vakanties, feestdagen

10 Modeling Evaluation Modeleren en Evalueren

11 Van voorspellen naar bruikbare informatie Dashboarding: Heatmap van voorspellingen Trends Invloed van maatregelen inzichtelijk maken Relevante variabelen per buurt Statistieken van voorgaande inbraken Methodiek, tijdstip, etc. Uiteindelijk draait het om de eindgebruiker Wat is nuttig?

12 Wat komt er kijken bij een Big Data experiment Waardevolle ideeën Domeinkennis Data Data Science kennis Mensen Middelen -> Opleidingen -> Trainees -> Het Datalab!!

13 Het lab in de vorige eeuw

14 Een Datalab Veilig en snel experimenteren Rendement uit Data en Data Scientists Samenwerking, best practices sharing, Code and Data sharing (hergebruik van code en data) Meer tijd voor Data Science (minder IT gedoe) Drempel verlagen naar in productiename

15 Data verzamelen Structured Transactional Data Time phased data CRM Unstructured Data Social Channel Customer Service Warranty Sensor Data Temperature RFID GPS Accelerometer Other Data Types Mapping and GPS Video Voice Digital images

16 Data structureren

17 Een activity log Zien wat je collega s doen

18 Code Best practices delen Datasets

19 Visuele tools versus command line

20 Radoop = RapidMiner + Hadoop RapidMiner: Code Free Analytics on Hadoop

21 DataLAB Ontwerpt u mee? martijn@xomnia.com Ontwerp je lab Jullie wensen Functionaliteit Hosting naar keuze Aan de slag Met experimenten aan de slag Hergebruik van data en code Data Science support Onbeperkt opschalen van opslag en rekenkracht Data etalage Gemeentelijke data Weer en evenementen Social Media.

22 DATA PAKHUIS

23 Intro: gemeente als datafabriek 1400 Tb Data opslag Stapel papier 5 keer afstand aarde - zon mails verzonden p/m 141mails per medewerker p/m 170 TB/maand Dataverkeer Dataverkeer van Smarthphones KWh datacenter verbruik van huishoudens 901 servers 201 databases Genoeg voor 70 middelgrote bedrijven bezoekers p/m 10 x stadion galgenwaard Utrecht.nl

24 Eerst Modelleren, dan Genereren Voorbeeld stermodel Kanaal Balie Logisch Model Modelleren Fysiek Model Genereren

25 Kern van de Registratielaag: Het Data Vault model

26 Multichannel Dashboard

27 Balie

28 Hard working and having fun