Menu
De cursisten:
Een groep van 12 deelnemers vanuit het hele land, veel wisselwerking en een aantal hele mooie opdrachten (die we helaas niet allemaal kunnen delen). De 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.
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 onderhoudsdruk 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!