17 april 2013 -
De kleinste beweging gedurende een wedstrijd analyseren en de uitkomst daarvan meteen toepassen, om deze vervolgens nog eens te analyseren en wederom te verbeteren. Zo kweek je zwemmers die Olympisch goud verdienen. Analyses brengen ook netwerkbeheerder Alliander goud: door de belasting van het net beter te regelen. Zo ontmoeten sport en bedrijfsleven elkaar op het podium van business analytics.
Jarenlang spraken IT-managers over Business Intelligence (BI). De term is nogal verwarrend, want het heeft niets met intelligentie van doen. Hoewel velen dachten dat het erom ging de opgeslagen gegevens binnen een bedrijf intelligent toe te passen, had de term ‘intelligence’ veel meer te maken met de ‘I’ uit Central Intelligence Agency. De Amerikaanse Centrale Inlichtingen Dienst. Daarbij gaat het eigenlijk alleen om het verzamelen van gegevens en die zinvol te groeperen.
Maar bij SAP zijn ze dit stadium voorbij: het gaat nu om business analytics; het analyseren van al die gegevens. Netbeheerder Alliander gebruikt bijvoorbeeld de oplossing om de belasting van het elektriciteitsnet efficiënter te verdelen, waardoor de investeringsdruk afneemt. Maar business analytics levert ook gouden plakken op. Want ook in de topsport is automatische verwerking van gegevens niet meer weg te denken.
Alles moet top zijn
Een paar jaar geleden probeerden diverse managers en trainers nog om alle sensoren en het verwerken van gegevens uit de Formule 1-wagens te weren, omdat dit oneerlijke concurrentie in de hand zou werken. Maar dat bleek inmiddels onbegonnen werk. Jacco Verhaeren, sinds 2006 technisch directeur van de Nederlandse zwembond, vertelt dat het verzamelen en analyseren van grote hoeveelheden gegevens gedurende een wedstrijd namelijk het verschil maakt tussen winnen en verliezen. Tijdens zijn periode als coach heeft hij Inge de Bruijn, Pieter van den Hoogenband en Ranomi Kromowidjojo dan ook naar Olympisch goud weten te begeleiden.
"Een ploeg rond een topsporter moet bestaan uit topmensen; een topmasseur, een topdiëtist, noem maar op," zegt Verhaeren. Daar hoort wat hem betreft topautomatisering bij. "Wij maken, met de hulp van mensen van TNO, beeldopnames van wedstrijden. Dan kunnen we nagaan onder welke hoek iemand van het startblok het water in duikt, hoe lang hij onder water blijft, hoe lang hij over het keerpunt doet, en hoe vlak hij in het water zwemt. Dat zet je af tegen de wedstrijdtijden en zo kom je tot een ideale lijn. Je neemt met de sporter door wat er valt te verbeteren; daar train je dan op. Vervolgens analyseer je dan weer of de veranderingen ook echt verbeteringen zijn. Het is een doorlopend proces."
Vooral op de korte afstanden, zoals het koningsnummer 100 meter vrij, zijn de start- en keerpunten cruciaal. Op de lange afstanden haal je een verkeerde start nog wel in, maar dat lukt op de 100 meter niet. Vraag maar aan Sebastiaan Verschuren, de uitmuntende langeafstandzwemmer, die 0,08 seconde op het koningsnummer te kort kwam om tijdens de Olympische Spelen in Londen op het podium te eindigen. Analyses leerden dat het niet aan zijn starttechniek lag, maar aan de afzetkracht. Daar traint hij nu dan ook op: om te schitteren op de Olympische Spelen van 2016 in Rio de Janeiro.
Een eerste stap
Ook Dirk Jan Boon, projectleider Load Forecasting project bij Alliander, is nog lang niet klaar met het toepassen van business analytics om zodanig de bedrijfsvoering efficiënter te maken. Alliander zorgt voor onderhoud, vernieuwing, uitbreiding en aanpassing van het energienetwerk en heeft een applicatie gemaakt die de (piek)belasting van het elektriciteitsnet goed kan voorspellen. "En dat is nog maar het begin," stelt Boon.
Zijn verhaal begint met de stelling dat de netbeheerder (van gas en elektriciteit) te maken heeft met drie werelden: de transactionele (klanten, medewerkers), de statische (geografische gegevens, de bedrijfsmiddelen) en de real-time wereld (energiebehoefte en -vraag, netstatus). "Om een goede prognose van de netbelasting te maken, heb je gegevens nodig uit deze drie werelden. Dat is een uitdaging, want gewoonlijk leven die volkomen langs elkaar heen. Wij moeten ze wel bij elkaar brengen, want we hebben te maken met maatschappelijke ontwikkelingen die dat van ons vragen. Denk aan de energietransitie, intelligente netwerken en distributie van energie. De geautomatiseerde belastingprognose is een eerste stap in het samenbrengen van die werelden."
Algoritmes ontwikkeld
Alliander moet weten hoeveel elektriciteit en gas er op bepaalde momenten op bepaalde plaatsen nodig is. Want daarop moet het zijn netten aanpassen, inrichten en verbeteren. Als je geld genoeg hebt, leg je overal heel dikke pijpen neer, en dan komt het wel in orde. Maar dat geld ontbreekt; Alliander wil zijn investeringen doelmatig en kostenefficiënt indelen. Daarbij komt dat de onderneming steeds meer van haar waarde ontleent aan de informatie die zij ter beschikking heeft. Dat managers de piekbelastingen voorheen in Excel berekenden, droeg zeker niet bij aan de beoogde efficiëntie. "Het was een houtje-touwtje-oplossing. Arbeidsintensief, ondoorzichtig en bovenal onnauwkeurig," oordeelde Boon.
Er is een andere oplossing bedacht waardoor de gegevens van de verdeelstations en de meetgegevens van sensoren, zonder dat handmatige acties nodig zijn, met behulp van een datawarehouse en algoritmes gepresenteerd worden aan de managers. Dit is de basis voor de analyses. "Samen met SAP ontwikkelen we algoritmes die de te verwachten belasting kunnen berekenen. Als we de piekbepaling koppelen aan de planologische gegevens, dan komen we tot een zinvolle prongnose van de piekbelasting. Dat leggen we vervolgens over ons netwerk heen en kunnen we zien welke knelpunten er zijn of gaan ontstaan. Dat leidt tot investeringsvoorstellen." Die analyses zijn dus goud waard, meent Boon.
