AbelTalent biedt dé capaciteitsoplossing op het gebied van:
Data Science & Machine Learning.

Data Science & Machine Learning

Onze opdrachtgevers hebben toegang tot grote hoeveelheden data, deels in eigen beheer en deels open scource. Vooral binnen de (semi) overheid zien we, onder andere ingegeven door de Omgevingswet en de achterliggende maatschappelijke opgaven (energietransitie, klimaatadaptatie etc.), een toenemende wens en ambitie maar ook noodzaak om integraler te gaan werken. Veelal wordt dit nu ingevuld door werkprocessen hierop aan te passen. Sterk opkomend is echter om door middel van data science / machine learning inzichten te kunnen verkrijgen die door het op conventionele manier raadplegen van databronnen niet naar boven komen Data science maakt het immers mogelijk om verbanden tussen datasets te leggen die normaliter niet zouden kunnen worden gelegd, en met machine learning kunnen deze verbanden snel herkent en uitgebreid worden.

Data science kan worden ingezet om voorspellend vermogen te creëren en daarmee ambities van onze klanten in het kader van o.a. energietransitie, veiligheidsbeleid en waterveiligheid waar te gaan maken. Daarnaast kunnen wij hiermee een bijdrage leveren aan het optimaliseren van de werkprocessen van onze klanten. Denk daar bij aan de noodzaal voor gemeenten om met inwerkingtreding van de Omgevingswet integraler te gaan werken.

Wat kan AbelTalent betekenen bij data science & machine learning?

Voor het benutten van kansen in de markt ten aanzien van data science werken we met vaste samenwerkingspartners die data science kennis en een platform om de data te bewerken leveren. AbelTalent levert samen met de opdrachtgever de domeinkennis en voorziet in de voorbereidende stappen om de data op orde te brengen. Domeinkennis betekent:

1. Aan de voorkant: Wat is de betekenis van de specifieke dataset? Welke vraagstelling wordt er als startpunt voor het data science project gedefinieerd? Wat zijn de KPI’s?
2. Aan de achterkant: Hoe vertaal je de resultaten van data science naar toepassing(en) in de praktijk?

Op welke manieren kan AbelTalent ondersteunen?

In een data science project kunnen de volgende stappen worden onderscheiden:

1. Helpen van de klant met de vraag definitie: wat is het doel van het project? 
2. Aanmerken van databronnen en datasets (eigendom van de klant en open source) die van invloed kunnen zijn op de vraagstelling ;
3. Data assessment: zijn er voldoende datasets en zijn deze van voldoende kwaliteit?
4. Eventueel: verrijken van datasets;
5. Modelleren;
6. Toetsen uitkomsten model aan vraag specificatie klant;

Momenteel worden kansen gezien bij omgevingsdiensten en waterschappen met betrekking tot de volgende thema’s: verhogen efficiency VTH, energietransitie en waterveiligheid.