Jaarverslag 2020
Nederland in digitale stroomversnelling
Drukke treinen vermijden om veiligheidsredenen
Case: Zakelijke sector - Nederlandse Spoorwegen
Geert van der Hoek Director Data Innovation & Analysis NS
“Twee jaar geleden hebben we de Zitplaatszoeker ontwikkeld om de spreiding van reizigers in de trein te verbeteren. Reizigers hadden soms het gevoel in een overvolle trein te zitten terwijl er voor- of achterin nog voldoende zitplaatsen vrij waren. Door de pandemie heeft drukte- en spreidingsinformatie er een nieuwe functie bijgekregen. Het gaat nu niet alleen meer om ‘waar zitplaatsen beschikbaar zijn’ maar om veiligheid en vertrouwen. Informatie over drukte en spreiding helpt treinreizigers om in deze tijd met vertrouwen weer in de trein te stappen en gebruik te maken van het openbaar vervoer.
Het belang van data is door COVID-19 veel hoger op de agenda gekomen bij NS. De data zelf waren er vaak al wel, maar het besef wat we ermee konden was er minder. De transformatie naar een data-gedreven organisatie is versneld. En over technologieën als Advanced Analytics en Artificial Intelligence werd altijd veel gesproken, maar nu worden ze op steeds grotere schaal ingezet. Ook zijn we veel meer en beter gaan samenwerken, zijn de muren tussen verschillende afdelingen verlaagd en wisselen we data uit met ketenpartners.
“Allemaal dezelfde gecombineerde dataset”
In het verleden kwamen data, in verschillende vormen, binnen NS soms op meerdere plekken voor. Nu werken we allemaal aan dezelfde gecombineerde dataset. We kunnen daardoor bijvoorbeeld data uit gewichtsensoren in het spoor en de CO2-sensoren in het klimaatsysteem gebruiken om een indicatie te krijgen van hoe druk het waar is in de trein. Het is vooral in tijden van verandering belangrijk dat je je datahuishouding op orde hebt, zodat je snel kunt schakelen.
Aan het begin van 2020 hadden we niet verwacht dat we dit jaar op het gebied van datadigitalisering zo’n stroomversnelling zouden meemaken. Nu is één van de belangrijkste onderwerpen voor de NS: hoe krijgen we het vertrouwen van mensen in het reizen met de trein terug. En zo accuraat mogelijke informatie over drukte, gebaseerd op actuele data, is daarvoor heel belangrijk.”
Leo van der Meulen - Business Consultant Advanced Analytics NS
“Vóór COVID-19 werkte NS met voorspellingen over drie maanden. Nu is die periode vijf weken geworden en zijn we heel druk met het ontwikkelen van een model dat op basis van data tot en met vandaag voorspelt hoe druk het morgen wordt. Wat we uiteindelijk zouden willen bereiken is dat we ook de druktevoorspelling op de dag zelf nog kunnen verbeteren, bijvoorbeeld door het gebruik van in- en uitcheckinformatie van OV-chipkaarten of informatie over mobiele telefoongebruik in de trein.”
Winifred Andriessen Director Advanced Analytics KPN
“Onze afdeling bestaat uit data specialisten die grote hoeveelheden data omzetten naar waardevolle inzichten en een efficiëntere besluitvorming. Dit wordt gedaan door gebruik te maken van modellen en algoritmes, die worden ingesloten in processen en producten, zodat we verder kunnen automatiseren en digitaliseren. Het einddoel is dat we de besluitvorming data gedreven maken en waar mogelijk automatiseren, ondersteund door een Model Management Tool om AI (kunstmatige intelligentie)-modellen op schaal te operationaliseren en beheren op een verantwoorde wijze. We hebben hierin in 2020 versneld stappen gezet, zodat zowel onze interne klanten als leveranciers hier gebruik van hebben kunnen maken.
Een goed voorbeeld hiervan is de uitrol van glasvezel. Voorheen duurde het maken van een ontwerp om een wijk te verglazen minimaal een week. Met het toepassen van modellen hebben we dat verregaand kunnen automatiseren. Deze modellen baseren we op grote hoeveelheden data: over onder andere de exacte structuur van de straten, het aantal bomen en de reeds aanwezige bekabeling. Zo kunnen we snel uitrekenen hoe we de aanleg van nieuwe bekabeling optimaal kunnen doen. Denk daarbij aan efficiënt graven, zo min mogelijk boomboringen en slim gebruikmaken van bestaande bekabeling en apparatuur in technische gebouwen.
Ook op het gebied van klantcontact zijn we onze dienstverlening aan het optimaliseren. Zo digitaliseren we de meeste klantcontacten, zoals telefoongesprekken, waarvan we er zo’n 800.000 per maand verwerken, chats en emails. Met een AI-model wordt de gespreksinformatie geanonimiseerd en gecategoriseerd, zodat een gesprek niet meer handmatig gelogd hoeft te worden. Relevante informatie uit het gesprek wordt tevens automatisch opgeslagen. Hiermee starten we een pilot om de samenvatting direct beschikbaar te maken in het klantenservice systeem. Zodat wanneer een klant nogmaals belt er direct op het scherm van de klantcontactmedewerkers een samenvatting van het vorige gesprek staat. Hierdoor kunnen we onze klanten beter van dienst zijn en persoonlijker helpen.
“Verantwoord datagebruik en geautomatiseerde besluitvorming”
KPN is zich volledig bewust van het belang van verantwoord gebruik van digitalisering en kunstmatige intelligentie (AI). Daarom hebben we samen met het landelijke Innovation Center for Artificial Intelligence (ICAI) en Jheronimus Academy of Data Science (JADS) het KPN Responsible AI Lab opgezet. Bij dit publiek-privaat onderzoekslab werken KPN en JADS samen aan PhD-onderzoek met een centrale focus op het verantwoord gebruik van AI, op het snijvlak van datawetenschap, technologie, besluitvorming, privacy en compliance. Het doel van het KPN Responsible AI Lab is om oplossingen te ontwikkelen die transparant zijn en zorgvuldig omgaan met privacy en persoonsgegevens.”