Nationale Politie

BI specialisten van de Nationale Politie vanuit heel het land

Mooie groep van 12 deelnemers vanuit het hele land, veel wisselwerking en een aantal hele mooie opdrachten(die we helaas hier niet kunnen bespreken). Gemiddelde waardering 8+.

De BI en data specialisten van de Nationale Politie wonen en werken verdeeld over het land, dus onze opleidingslocatie in Nieuwegein was een ideale verzamelplek voor deelnemers uit letterlijk het hele land.  Wat we veel zien bij in-company opleidingen, en wat hier ook zeker naar voren kwam, is dat juist het uit je dagelijkse routine zijn, met collega’s en vakspecialisten samen ontdekken wat data science kan betekenen voor je dagelijks werk een hele mooie energie oplevert waardoor mensen zeer gemotiveerd worden om te werken aan hun eigen ontwikkeling.

Een van de usecases die is ontwikkeld, heeft alles te maken met de schaal van de organisatie als de Nederlandse Politie. Met meer dan 50.000 medewerkers is het BI platform dat de management rapportages verzorgt indrukwekkend qua omvang. Met meer dan 1500 rapportages live, die allen onderhoud en updates nodig hebben, bleek het interessant om te kijken wie welke rapportages gebruikt (en welke rapportages niet). 

Met de leermodule over Recommender Engines bleek het mogelijk om aan de hand van ‘user based collaborative filtering’ algoritme een verrassende recommender engine te bouwen die op basis van de logfiles van de BI server een inschatting maakt welke rapportages jij interessant vind, die andere gebruikers gebruiken maar jij niet hebt geopend.

nationale politie.png

Wat bleek?

Er waren nogal wat rapportages in omloop die nagenoeg hetzelfde waren, met minimale verschillen, die allemaal naast elkaar onderhouden werden. Door analyse van het resultaat van de recommender kon heel gericht gezocht worden naar rapportages die vrijwel identiek waren en die met een paar kleine aanpassingen konden worden vervangen door 1 nieuw rapport. Dit leverde een efficiënter en beter gebruik op van het rapportage platform, waarbij de onderhouds druk ook nog eens afnam.

De recommender zelf bleek ook nog eens makkelijk te implementeren in R Shiny en daarmee was deze usecase een daverend succes!

Nationale Politie

Hugo Koopmans studeerde aan de MTS, de HTS en volgde de studie Werktuigbouwkunde aan de Technische Universiteit Eindhoven. Hij rondde de studie af, maar na 10 jaar werktuigbouwkunde bleek er nog een ander domein dat minstens zo interessant was, dat van de kunstmatige intelligentie. Zijn passie lag ergens anders.   Hugo is nieuwsgierig, creatief en houdt zich bezig met de nieuwste ontwikkelingen en toepassingen op het gebied van kunstmatige intelligentie (AI), algoritmes, (Baysiaanse) statistiek en het verwerken van natuurlijke taal in een semantische kennis graaf. Voor klanten is Hugo iemand die breed kan adviseren maar vooral dingen doet. Hij is pas tevreden als het aantoonbaar is dat een data gedreven toepassing waarde creëert voor de klant  n de klant dus echt verder helpt.  Hugo is de initiatiefnemer en de drijvende kracht achter de DIKW Academy. Hier ligt ook een groot deel van zijn passie. Het opleiden van data scientists en data engineers is waar hij goed in is en waar hij ook zijn didactische vaardigheden kan gebruiken. Referentiemodellen, zoals het  Analytical Capability Maturity Model (ACMM) ontwikkelde hij zelf op basis van het werk van Thomas Davenport. Hugo wil met zijn werk ook de wereld een beetje beter maken. HIj is dan ook al jaren verbonden aan Sensing Clues, een organisatie die in zich inzet om wildlife te beschermen. Daarvoor worden innovatieve apps ontwikkeld met de techniek van AI. Een voorbeeld is de SERVAL geluidsensor. In dit whitepaper wordt uitgelegd wat het is en hoe dit werkt.   De wereld verandert snel, maar dat maakt het werk van Hugo alleen maar uitdagender. Hij is steeds bezig met het vinden van nieuwe vormen en toepassingen van data om de klanten van DIKW nog betere oplossingen te bieden. Voor deze ‘nerd’ is geen dag hetzelfde.