Innovatie & Strategie

Dit is een bijdrage van Itility
Datamanagement
Hoe leg je data science uit aan je schoonmoeder?

Hoe leg je data science uit aan je schoonmoeder?

Onze data scientisten krijgen vaak de vraag wat een data scientist eigenlijk doet

7 juli 2020
Door: Itility, partner

Onze data scientisten krijgen vaak de vraag wat een data scientist eigenlijk doet

Onze data scientisten krijgen vaak de vraag wat een data scientist eigenlijk doet. Lees hieronder een aantal voorbeelden van onze Itilians waarmee je data science eenvoudig kunt uitleggen, aan je schoonmoeder of een goede vriend.

JT Kostman, een bekende data scientist, legt het als volgt uit: “Bij data science gaat het om betekenis halen uit grote hoeveelheden informatie, oftewel Big Data. Vergelijk het met het vinden van een specifiek setje naalden in een hooiberg vol met naalden. Je probeert patronen te vinden die je in staat stellen om te begrijpen, te voorspellen en zelfs te beïnvloeden wat er gaat gebeuren. Door het gebruik van (super)computers, data en wiskunde wordt het gemakkelijker om een ​​steeds ingewikkeldere en complexere wereld te begrijpen.”

Maar hoe werkt dat dan precies? We bekijken drie praktische toepassingen waarmee je data science kunt uitleggen.

1. Het verzorgen van een plant

Met behulp van data science kun je beter voor een plant zorgen. Door dagelijks de temperatuur in de tuin, de hoeveelheid zonlicht en de vochtigheid van de bodem te meten – en die waarden te combineren met de kleur van de bladeren en bloemen van de plant. Door het analyseren van deze data, is het mogelijk om te voorspellen of een plant bijvoorbeeld meer water nodig heeft of misschien moet worden verplant.

2. Online shopping

Een ander herkenbaar voorbeeld, zijn de aanbevelingen in webwinkels. Als je een nieuw paar schoenen bestelt, wordt direct een bijpassende outfit aanbevolen. Hoe dat kan? Het is niet zo dat een team van stylisten dag in dag uit aan het werk is om fantastische nieuwe combinaties uit te zoeken. Deze aanbevelingen zijn puur gebaseerd op wat andere mensen kochten, die hetzelfde paar schoenen bestelden. Die informatie wordt gecombineerd met een gebruikersprofiel, dat is samengesteld op basis van de producten die je in het verleden hebt bekeken of besteld. Hoe langer je in een webshop doorbrengt, hoe beter het systeem je leert kennen.

3. TV on demand 

Hoe langer je Netflix kijkt, des te beter worden de suggesties over welke series je ook leuk zou vinden. Hiervoor gebruikt het platform twee soorten data. Enerzijds kun je zelf aangeven of je een serie leuk vond door deze te beoordelen, aan de andere kant wordt gebruik gemaakt van het kijkgedrag van miljoenen Netflix-gebruikers. Deze data bevat gegevens over wat mensen kijken voor en na een specifieke serie. Samen met de data over wat ze nu bekijken, een jaar geleden bekeken en op welk tijdstip ze dat allemaal deden, worden deze gegevens gekoppeld aan tags die Netflix-medewerkers meegeven aan een aflevering.

Uiteindelijk bepaalt een machine learning-model hoe belangrijk elk stukje data is en worden kijkersgroepen gevormd. Als kijker word jij ook in een kijkersgroep geplaatst en krijg je bepaalde suggesties op basis van deze groep. Als je smaak in de loop van de tijd verandert en je gedrag anders wordt dan die van de kijkersgroep, word je op een gegeven moment naar een andere groep verplaatst en past het algoritme de suggesties aan.

Deze alledaagse voorbeelden laten zien wat data science in essentie is en waar data scientisten zich in de basis mee bezighouden. Lees ook onze andere blogs over data science, machine learning en analytics.

 

Reactie toevoegen