Met het gebruik van nieuwe methoden en technieken is het mogelijk om meer informatie uit data te halen en daarbij betere inzichten te verwerven.

Denk hierbij aan het slimmer inkopen van zorg, het voorkomen van incidenten, het dynamisch plannen van personeel en het dentificeren van fraude. Veel gemeenten zien kansen in Data Science, maar vinden het nog lastig om een start te maken.

Onze visie is dat Data Science zijn intrede zal doen in alle mogelijke afdelingen en domeinen en ook werkelijk zal bijdragen aan het verhogen van publieke waarde.Voorwaarde is dat er voldoende expertise voor handenis. Kennispunt Twente kan data science expertise leveren in verschillende vormen, zodat er gezamenlijk een start kan worden gemaakt in dit relatief nieuwewerkveld. De technieken die we kunnen gebruiken om inzichten te krijgen zijn bijvoorbeeld: Beslisbomen,Classificatiemodellen, Afwijkings-identificatie,clustering en regressiemodellen. Wij hebben gemerkt dat er ook behoefte is aan geavanceerde data analyse, waarbij programmeervaardigheden nodig zijn om data net even anders te representeren waardoor inzichten ontstaan. Data Science projecten van Kennispunt Twente volgenhet CRISP-DM proces. Dit biedt handvatten voor de opdrachtgever en de data scientists. Het CRISP-DM model identificeert 6 fasen;

  1. Business Understanding – het uitgangspunt is een heldere vraagstelling die samen met de opdrachtgever wordt uitgewerkt.
  2. Data Understanding –de data wordt beschikbaar gemaakt en de data scientist verdiept zich in de materie.
  3. Data Preparation – de data worden “schoongemaakt” en voorbereid voor het modeleren
  4. Modeling – In deze fase wordt het daadwerkelijke model gebouwd.
  5. Evaluation – De evaluatie van het model vindt in deze fase plaats. Hier wordt de kwaliteit van het model onderzocht en bepaald of de originele vraag is beantwoord.
  6. Deployment – De laatste stap, en vaak de meest uitdagende, is het implementeren van het beoogde model en het borgen in de organisatie.

afbeelding datascience

Geavanceerde analyses sociaal domein

In het sociaal domein is goede ondersteuning en zorg voor inwoners belangrijk. Deze zorg moet echter ook betaalbaar blijven. Met geavanceerde data analysetechnieken kunnen we de gemeenten ondersteunen bij het krijgen van meer zicht en grip op hun beleid en uitgaven. Bijvoorbeeld stapeling van zorgproducten –welke vormen van zorg ontvangen cliënten tegelijk en verandert dit beeld over tijd?

Voorspellen Voortijdig schoolverlaten

Het behalen van diploma’s is belangrijk voor een succesvol leven. In samenwerking met Ynformed en domeinexperts (beleidsmakers enleerplichtambtenaren) is een model ontwikkeld gebaseerd op de historische data van leerlingen. iermee kan worden voorspeld hoe groot de kans is dat Twentse leerlingen voor hun 23ste een startkwalificatie zullen behalen.

Web scraping bedrijfsleven

Om lokale bedrijvigheid goed te kunnen stimuleren, is actuele informatie over bedrijven van groot belang.Gegevens van CBS en de Kamer van Koophandel zijn vaak niet up-to date omdat na eerste registratiebedrijven nog wel eens hun koers kunnen wijzigen. Om tot een actuelere en betere classificatie van bedrijven te kunnen komen, gebruiken we web scraping. Dit is een techniek waarbij software wordt gebruikt om informatie van de eigen webpagina’s van bedrijven te extraheren en vervolgens te analyseren