Making Sense van Big Data Sensemaking Ir Chrétien Gerrits transparent design bright strategies
Presentatie even voorstellen: Material TAT Big Data waarom bij Big Data Sensemaking voorbeelden wereldwijd demonstratieprojecten bij NS Sensemaking toepassingen verkeerssector
Even voorstellen eenvoudig & vanzelfsprekend maken van complexe diensten/organisaties ontwerp produkten + diensten ontwerp databases + onderzoek ontwerp organisaties / strategie / beleid disruptieve innovatie transparent design bright strategies samenwerken sensemaking/verkeersector
Big Data database database 4 database 4 dit is de belofte van database 1 koppeling databases + slimme statistiek onverwachte uitkomsten database 3 zoekalgoritmes vinden correlaties predictive analyses database 2 = toekomstvoorspelling disruptive analyses = onverwachte innovatie
Big Data database database 4 database 4 klopt deze belofte? database 1 koppeling databases + slimme statistiek onverwachte uitkomsten database 3 zoekalgoritmes vinden correlaties predictive analyses database 2 = toekomstvoorspelling disruptive analyses = onverwachte innovatie
Big Data - complexiteit neemt toe data project X database 4890 commodity database 346 vodafone-tomtom klopt deze belofte? database 10239 gladheidsmeting database database 4 database 4 database 3890 in-car data Audi database 1 koppeling databases + slimme statistiek onverwachte uitkomsten database 3 GOVI zoekalgoritmes vinden correlaties predictive analyses database 2 database 199 database 13 = toekomstvoorspelling database 967 parkeerbeheer gemeente x database 1890 verkeersongevallenregistratie disruptive analyses = onverwachte innovatie politie-snelheid database 29 ziektekostenverzekering database 634
Big Data - complexiteit neemt toe data project X database 4890 commodity database 346 vodafone-tomtom belofte zou kunnen falen? database 10239 gladheidsmeting database database 4 database 4 nachtmerrie van elke database 3890 in-car data Audi overheid/organisatie database 1 koppeling databases + slimme statistiek onverwachte uitkomsten database 3 GOVI zoekalgoritmes predictive analyses database 2 database 199 database 13 = toekomstvoorspelling foute database 967 parkeerbeheer gemeente x database 1890 verkeersongevallenregistratie disruptive analyses = onverwachte hopeloze innovatie politie-snelheid database 29 ziektekostenverzekering database 634
Big Data - wat zegt de wetenschap maak de schaal groot genoeg en je vindt altijd wat interessants er is significante correlatie aangetoond tussen bijv. resultaten van een American Footballteam en prestaties economie USA mensen met sterrenbeeld weegschaal en grote kans op dijbeenbreuk (Toronto ziekenhuis) bronnen: onderzoekers Danah Boyd en Kate Crawford (USA), prof David Hand (UK), Nassim N Taleb (USA); dit principe heet apophenia
Big Data - dus is de centrale vraag hoe kom je tot betekenisvol ontwerp? paradox: hoe bigger de big data, hoe groter de kans dat de Keizer weinig kleren aanheeft voorspelbaar, nietszeggend onderzoek, of plank mis slaand data=dom ; context ontbreekt; zonder context geen betekenis dit is overigens ook een achilleshiel bij little data-projecten voorbeeld uit eigen ervaring
Voorbeeld uit eigen ontwerppraktijk ANWB praatpaal onderzoeken ANWB-KPN-Rijkswaterstaat: vorige model voldoet goed eigen sensemaking : vorige model was te hoog voor veel mensen
gevolg: véél beter produkt onverwachte uitkomsten toegankelijk voor groot en klein geen gebruiksaanwijzing eenvoudige opbouw: kostenbesparing 60% onderhoudskostenbesparing 70% duurzaam: cradle to cradle duurzaam: tijdloze vormgeving
Presentatie even voorstellen: Material TAT Big Data waarom bij Big Data? Sensemaking voorbeelden wereldwijd demonstratieprojecten bij NS Sensemaking toepassingen verkeerssector
Sensemaking biedt de kans te vinden wat vooraf niet in de database stond voegt context en impact toe = voegt betekenis toe gebruikt verhaal+duiding van mensen zelf, ipv van vooringenomen onderzoeker/ontwerper/producent (bias) unieke tool voor duiding outliers (uitzonderingen in uw onderzoeksdata) dat zijn de data waar u tot op heden niets mee kon juist in uitzonderingen ligt de kiem voor onverwachte innovatie (betere regelgeving, handhaving, verkeersveiligheid, klantbenadering, etc) onverwachte uitkomsten
Title Text outlier-data uit verkeerslussen (NDW) snelheidsduivels! bent u ook niet benieuwd naar de achterliggende verhalen?
Achtergrond ontwikkeld vanuit nieuwe wetenschappen als taal-, neuro-, complexiteitswetenschappen oorsprong Santa Fé Instituut en IBM USA grote vlucht in Verre Oosten en USA, UK, Australia bijv. grootschalige toepassing in Singapore grootschalige realtime dialogen en impactmetingen met burgers/stakeholders mbv internet, social media o.a. voor wetgeving, economische ontwikkeling, planologie, terrorismebestrijding Nederland begin in zorgsector, overheid en voeding eerste projecten verkeer lopen nu bij NS
Grip op complexiteit Sensemaking kan op diverse wijzen gebruikt worden in verkeerssector: tool voor betekenisvol database/onderzoek/verkeersmodel-ontwerp tool voor betekenisvol algoritme-ontwerp sensemaking-data als integraal realtime deel van databases/verkeersmodel bijv. voor rijk, provincies, gemeenten, NDW, NDOV, TLS/OV chipkaart, 9292, RWS, vervoerders, parkeerbeleid, IBM, etc voor zowel big data als little data ontworpen mbv sensemaking slim verkeersmodel/verkeersontwerp database 1 ontworpen mbv sensemaking ontworpen mbv sensemaking slimme statistiek database 3 zoekalgoritmes bevat realtime sm-data slim onderzoek database 2 bijvoorbeeld voor OV chipkaart, NDW parkeerbeleid, innovatie klanttevredenheid beheer en onderhoud onverwachte uitkomsten doorstroming lokale verkeersveiligheid, klantenfeedback weginformatie, etc.
Opzet Sensemaking onderzoek online vertelpunt uitlokkingsvraag duidingsvragen kwantitatieve data website of app, verwijzing via twitter, facebook,, email, nieuwsbrief, websites, etc. n.a.v. je lokatie (trein, bedrijventerrein, etc), lidmaatschap, tweet, etc. vraagt naar recente concrete ervaring (gebeurtenis) in een context die een persoonlijke of emotionele component heeft gebruiker duidt zélf zijn ervaring adhv slimme duidingsvragen bijv. via koppeling databases sensemaking-database wordt realtime gevuld met relevante gebeurtenissen die betekenis (impact/context) uitdrukken aan uw produkt/dienst/organisatie
Opzet Sensemaking onderzoek online vertelpunt website of app, verwijzing via twitter, facebook,, email, nieuwsbrief, websites, etc. n.a.v. je lokatie (trein, bedrijventerrein, etc), lidmaatschap, tweet, etc. voorbeeld verwijzing naar online vertelpunt via twitter
Opzet Sensemaking onderzoek uitlokkingsvraag vraagt naar recente concrete ervaring (gebeurtenis) in een context die een persoonlijke of emotionele component heeft v voorbeeld uitlokkingsvraag: Stel u komt straks thuis, wat zou u uw huisgenoot vertellen wat u is opgevallen aan de reis die u vandaag hebt gemaakt? voorbeeld verhaal : We zaten rustig achterin. Tot er een dronken vent binnenkwam. Hij maakte herrie en daar hebben we een paar keer wat van gezegd. Toen kregen wij en niet hij de wind van voren van de chauffeur. Het is niet eerlijk. Beetje opletten voortaan! Geef uw verhaal een treffende titel Wij deden toch niets!
Opzet Sensemaking onderzoek uitlokkingsvraag vraagt naar recente concrete ervaring (gebeurtenis) in een context die een persoonlijke of emotionele component heeft v Stel u komt straks thuis, wat zou u uw huisgenoot vertellen wat u is opgevallen aan de reis die u vandaag hebt gemaakt? Weer was die spitsstrook tussen Barneveld en Amersfoort dicht terwijl er een file was. Zitten ze te slapen? Stom gewoon. Als ik dat geweten had was bij Barneveld-Noord op de trein gestapt. Waarom doen die grote verwijsborden langs de weg naar de trein het trouwens niet? Al jaren. Geldverspilling. Tja, als je erbij stil staat... Geef uw verhaal een treffende titel als je erbij stil staat...
Opzet Sensemaking onderzoek duidingsvraag antwoord: sleep het ruitje naar de voor jou gevoelsmatig juiste plek op de triad (driehoek) Vervelend, maar geen grote ramp
Sensemaking analyse samengevoegde duidingsinfo elk stipje is een verhaal Duidelijk is te zien dat een behoorlijk deel van de vertellers aangeeft te overwegen om over te stappen op een andere vorm van vervoer terwijl er (linksonder) geen verhalen zijn over wat het betekent voor de mensen op de bestemming. Door nu een aantal verhalen te selecteren kan worden achterhaald welke gebeurtenissen als een ramp worden ervaren en welke tot afhaken leiden. Vervelend, maar geen grote ramp Vervelend, maar geen grote ramp
Sensemaking analyse Titels van geselecteerde verhalen Bus weer te vroeg vertrokken Ik voelde me niet prettig Wij deden toch niets! Waarom mag dat nou niet? Ben toch niet gek! ndividuele verhaal We zaten rustig achterin. Tot er een dronken vent binnenkwam. Hij maakte herrie en daar hebben we een paar keer wat van gezegd. Toen kregen wij en niet hij de wind van voren van de chauffeur. Het is niet eerlijk. Beetje opletten voortaan! Vervelend, maar geen grote ramp
vb complexere analyse - winkeldiefstal Melbourne amateur dief samengesteld overzicht uit meerdere duidingsvragen (driehoeken) diefstal uit noodzaak diefstal uit hebzucht onverwachte uitkomsten Deze wolk blijkt te gaan over proletarisch winkelen, een fenomeen dat volgens het officiële beleid niet bestaat! professionele dief
Sensemaking met NS demonstratieproject met bestaande NS-database > 40.000 records waarvan 35% met een verhaal (klantervaring, ruimte voor opmerkingen ) voorheen kon opdrachtgever niets met deze verhalen dashboard-ontwerp voor database kwantitatief + kwalitatief klantenfeedback overzicht zowel lokaal per station/traject/rit als nationaal potentieel realtime feed duiding-steekproef door onderzoekers
Sensemaking met NS duiding-steekproef door onderzoekers Duiding door de respondent heeft voorkeur boven duiding achteraf. Dit voorkomt mis-interpretaties. Uit verhalen blijkt ook dat respondenten erg goed weten wat ze willen vertellen. minimale Sensemaking-steekproef van 60 verhalen geeft al zeer interessante waarnemingen. zowel m.b.t. concrete pijnpunten in dienstverlening als m.b.t. strategische beleidskeuze. onverwachte uitkomsten
Sensemaking bij NS vervolgproject is gestart Sensemaking t.b.v. een reine en veilige stationsbeleving nu wel met zelfduiding door reizigers
Sensemaking -toepassingen verkeer maakt uw onderzoek/ontwerp/produkt betekenisvoller maximum impact grip op complexiteit database 1 ontworpen met sensemaking koppeling databases database 3 bevat realtime sm-data database 2 ontworpen met sensemaking slim verkeersmodel/verkeersontwerp ontworpen met sensemaking + slimme statistiek zoekalgoritmes slim onderzoek toepassingen: OV chipkaart 2.0, NDW-applicaties parkeerbeleid, wetgeving, diensteninnovatie, klanttevredenheid, mobilteitsmanagement impactmeting onverwachte uitkomsten PPS-ontwerp beheer en onderhoud doorstroming lokale verkeersveiligheid, klantenfeedback weginformatie, reisinformatie, etc.
dank voor uw aandacht info@materialtat.com www.materialtat.com