Overzicht Actueel

4 adviezen van data scientists voor meer succes met AI

DDMA Elite AI

In maart organiseerde de DDMA commissie AI de AI Elite. In de wijnkelder wisselden data scientists van Dept, Microsoft, ING, EDM, Relay42, KPN, Nu.nl, Das, Blendle, Unless, KLM en Google ervaringen met elkaar uit. Waar lopen zij tegenaan in de dagelijkse praktijk? Welke stappen moeten er volgens hen worden gezet voordat organisaties écht succes gaan boeken met AI? We zetten hun belangrijkste adviezen op een rij.

  1. Creëer begrip bij de rest van de organisatie
    Om echt te profiteren van AI, is het belangrijk dat alfa’s en bèta’s samenwerken en elkaar begrijpen. Als data scientists alleen maar de ‘geeks in the corner’ zijn waar niemand mee praat, ontstaan er nooit mooie dingen. Tegelijkertijd moeten mensen vanuit de ‘business’ de toegevoegde waarde van data begrijpen en minder beslissingen vanuit de onderbuik maken. Om samenwerking en wederzijds begrip te stimuleren, stuurt één van de organisaties data scientists en businessmensen gezamenlijk op cursus.

De commissie AI herkent dit probleem en heeft zich zowel in 2018 als in 2019 tot doel gesteld de groepen te mixen tijdens events als de AI hackathon. Een brug tussen business en bytes. Wil je op de genodigdenlijst van de AI events, schrijf je in voor de DDMA nieuwsbrief en vink interesse AI aan.

  1. Laat de mens de data overrulen
    Een andere manier om ervoor te zorgen dat niet-data scientists de voordelen van datagedreven besluitvorming omarmen, is het instellen van een soort menselijk vetorecht. Zorg ervoor dat ‘de mens’ altijd de data kan overrulen, bijvoorbeeld met standaard ingebouwde knoppen. Alleen al het idee dat deze mogelijkheid er is, zorgt voor meer acceptatie en vertrouwen.
  2. Geef ruimte om te falen
    In commerciële omgevingen is vaak weinig ruimte om te falen, waardoor data scientists vaak niet de kans krijgen met data te ‘spelen’ en nieuwe dingen te ontdekken. Juist door te experimenteren, ontstaan nieuwe innovatieve concepten die de organisatie verder kunnen helpen. Daar hoort ook bij dat een experiment wel eens mislukt. Biedt data scientists daarom bewust tijd en budget om te experimenteren en te falen.
  3. Staar je niet blind op sprints
    De Sprint-methode is vaak geschikt voor de ontwikkeling van nieuwe datamodellen, maar niet in alle gevallen. Soms worden processen geforceerd in een agile structuur geduwd, terwijl dat niet perse handig is. Om te achterhalen of een dataset bijvoorbeeld kwalitatief sterk genoeg is om in te zetten voor een nieuw product, moet je eerst twee dagen rustig in de data kunnen duiken, voordat je een nieuwe sprint begint.

De AI Elite is een initiatief van de DDMA commissie AI. Op 23 mei 2019 organiseren zij een Morning update: the near future of AI. Heb je interesse daarbij aanwezig te zijn, check hier de sprekers Spotify en Merkle en hoe jij als aanwezige kunt bijdragen.