M2M & SBP winnen Europa’s grootste medische Hackathon!

“In it to Win it”

Afgelopen zondag om 21:30 was de jury er uit. De inzending van Schuberg Philis & Many2More werd met grote meerderheid van de stemmen van de jury verkozen tot beste uit de 20 nationale en internationale teams.

Super trots zijn we dat ons idee en niet in de laatste plaatst de werkende Neurokeys App heeft gewonnen. 36 uur onder stress werken in een team met 6 specialisten op hun vakgebied. Geen vergaderingen, korte discussies en checks of iets werkt, respect en vertrouwen.

  • Ad Buter (SBP)
  • Andy Repton (SBP)
  • Frank Spijkerman (SBP)
  • Levie Hofstee (M2M)
  • Sander van Harmelen (SBP)
  • Erwin Redeman (M2M)

Best eng wat ik allemaal van jouw opa weet

Best eng wat ik allemaal van jouw opa weet

Een paar maanden geleden zijn wij van Many2More door Enexis benaderd om samen met hen te kijken wat de Nederlandse bevolking zou kunnen met de data die zij verzamelen. Enexis is één van de drie grote beheerders van ons energienetwerk en dat doen ze voor 2,7 miljoen huishoudens.

Om hun werk goed te kunnen doen verzamelt Enexis dagelijks veel gegevens en die willen ze best in geanonimiseerde vorm met ons delen. Naast de meer technische data om bijvoorbeeld voorschotten te verrekenen en het netwerk te beheren is wellicht de slimme meter het meest in het oog springend. Technisch kan er iedere 10 seconden worden gemeten hoeveel stroom of gas je hebt verbruikt. Aan Many2More de vraag om vanuit verschillende invalshoeken te kijken wat “De BV Nederland” zou kunnen met deze databases. Het vrij en gratis ter beschikking stellen van data door organisaties wordt ook wel Open Data genoemd en dit neemt een enorme vlucht. Donderdag 12 mei organiseert Many2More een Digital Innovation Day met als thema hoe je als organisatie aan de slag kunt met Big Data & Open Data. Als je geïnteresseerd bent neem dan contact met ons op. Dit terzijde.

In totaal is er samen met experts van Enexis en inhoudelijk deskundigen in drie sessies 24 ideeën voor Open Data toepassingen omhoog gekomen. Vervolgens hebben we deze toepassingen in 1 dag met ondernemers, data science specialisten en een team van slimme studenten verder aangescherpt. Zo zijn we gekomen tot een top 5 die momenteel wordt uitgewerkt. Zodra we deze hebben gedeeld met het MT van Enexis dan zullen we deze aan jullie presenteren. Hier zitten echt hele verrassende en slimme ideeën bij. Het is de intentie van Enexis om twee ideeën daadwerkelijk op te pakken en uit te voeren.

Om een tipje van de sluier te lichten willen we alvast één idee met je delen. Aan de brainstormsessie duurzaamheid nam een bestuurslid van het Nationaal Ouderenfonds deel. Hij vertelde dat er in Nederland 200.000 (!) ouderen zijn met minder dan één sociaal contact per maand. We zouden ons best een beetje mogen schamen dan wel zorgen mogen maken. Dat is 4 keer een volle Amsterdam Arena, het aantal inwoners van de stad Groningen of Almere….. Het grote probleem is dat er duizenden vrijwilligers zijn maar we niet weten waar ze zitten omdat niemand contact met ze heeft. De vraag is hoe je dit op zou kunnen lossen met de Open Databases van Enexis? Hebben jullie een idee?

Laat ik voor het gemak mijn vader even als voorbeeld nemen. We gingen als kinderen en kleinkinderen regelmatig bij hem op bezoek. We belde hem en alles kan natuurlijk altijd meer en beter. Goed, hij haalde iedere dag om 08:00 zijn krantje uit de brievenbus en zette alvast zijn Senseo aan. Om 23:00 luisterde hij naar “Met het oog op morgen” en om 23:15 ging de radio uit. Er kan best een paar minuten tussen zitten maar niet veel. Hier zit dus een patroon in en het zou raar zijn als dat zou worden onderbroken.

Mijn vader belde alleen met de vaste lijn van KPN (070-3931951), het was bekend bij de gemeente dat Chris Redeman aan de Henri Dunantlaan 27 in Rijswijk woonde en hij had een slimme meter. Ik had destijds toestemming aan hem kunnen vragen om deze gegevens beschikbaar te stellen en dat had hij best gedaan. Als hij het nut er maar van had ingezien. “Een paar extra ogen en oren om te kijken of het goed met je gaat”, dat had hij best begrepen.

Ok is dit eng en gaat dit veel te ver? Geen idee. Hebben we dan geen privacy meer? Is dit erg? Geen idee. We kunnen het in ieder geval morgen maken. En wat is het alternatief? Willen we een samenleving met honderdduizenden eenzame mensen? Geen idee. En wat nou als je zelf toestemming zou kunnen geven? Gewoon omdat je bang bent om alleen te zijn? Mag het dan wel? Geen idee. Mag je als kinderen toestemming geven om de techniek een oogje in het zeil te laten houden? Willen we dat? Geen idee.

Als wij bij de databases kunnen komen dan weten wij straks alles van jouw opa. Je kunt ons gewoon even bellen om te weten hoe het met hem gaat. Willen we dat? Geen idee 😉

Meer weten over dit Big Data en Open Data? Kom langs op 12 mei in ons nieuwe pand in Utrecht, kijk op de website.

Wie lost deze rekensom voor ons op?

Het is al weer twee jaar geleden dat we bij een seminar waren van een klant van ons. SeeTickets was de organisator en het ging over ticketverkopen door zwarthandelaren. De meningen waren sterk verdeeld en er werd driftig gediscussieerd. Zo zou zwarthandel de prijs opdrijven en uitnodigen tot het verkopen van valse kaartjes. De voorstanders gaven aan dat je door het spelen met de prijs het marktmechanisme beter laat werken. Dit geldt trouwens voor alle markten. Technisch is het dynamisch prijzen van tickets geen enkel probleem dus waarom niet?

Nou lees ik de afgelopen week in een artikel op Orreily.com hoe taxibedrijf Uber slimme rekenmodellen ontwikkelt om vraag en aanbod beter op elkaar af te stemmen. Dit doen ze door de ritprijzen dynamisch vast te stellen.

Uber streeft een aanrijtijd na van 3 tot 5 minuten. In grote steden redden ze dat doorgaans prima, er is voldoende vraag en aanbod. Lastiger wordt het in gebieden waar niet genoeg taxi’s beschikbaar zijn om aan de vraag te voldoen. Uber probeert in dit geval extra taxi’s aan te trekken door tijdelijk de ritprijs te verhogen. Dit doen ze net zo lang totdat de aanrijtijd weer tussen de 3 en 5 minuten ligt. Hiervoor hebben ze een rekenmodel bedacht dat ze momenteel testen. Dit is best lastig. Stel je voor dat het opeens enorm gaat regenen of dat een grote sportwedstrijd net is afgelopen. De vraag naar taxi’s stijgt en de prijs van een standaard rit loopt enorm op. Uber staat voor “On demand & cheap transportation” en van dat “cheap” blijft in dit geval maar weinig van over.

Toch vind ik het idee om de ritprijs te verhogen als het aanbod te laag is wel interessant en logisch. Als je veel wilt betalen dan krijg je ongeacht hoe druk het is dus altijd een taxi. Als je dit niet wilt betalen dan krijg je dus geen taxi en hoef je ook niet voor niets langs de weg te blijven staan. Ik vind het eigenlijk wel mooi.

Vraag blijft staan of taxichauffeurs mee willen doen. Er is namelijk gebleken dat er soms zoveel files staan dat de taxi’s het gebied niet in komen. Ook al verhoog je de ritprijs, veel taxichauffeurs pakken dan nog steeds liever twee goedkopere ritjes dan één dure. Daarnaast trekt het verhogen van de prijs extra taxi’s aan waardoor het in dat gebied nog drukker wordt. Voor het gedachte experiment parkeren we dit argument even. We nemen aan dat hogere ritprijzen meer taxi’s aantrekt en er meer dus aanbod is.

Stel je voor dat we nog iets slims doen. Er zijn wellicht mensen die willen carpoolen en hiervoor kunnen we een slimme App ontwikkelen. We koppelen steeds 4 mensen die dezelfde kant op willen. Vervolgens selecteren we een taxi ergens in het midden van die groep en we laten de 4 passagiers naar de taxi lopen. Dan delen ze die hogere prijs en hebben we 4 mensen vervoerd. Mooie oplossing voor het probleem toch?

Nou worden wij pas echt enthousiast. Met onze klanten denken wij continu mee hoe je kunt ondernemen met Custormer Insights en dan is dit een slim nieuw model. Verhoog de prijs en trek meer taxi’s aan. Organiseer de passagiers slimmer en breng ze bij elkaar. Vroeger was dit onmogelijk geweest en nu bouwen we gewoon een slimme App….. Geniaal toch? Je voelt de “maar” aankomen.

Tja en dan moeten we concluderen dat het voorlopig echt niet gaat werken. Wij roepen altijd dat techniek geen bottleneck meer is maar helaas gaat die vlieger in dit geval niet op. Het model lijkt simpel maar is mega complex. Dit komt omdat er op hetzelfde moment een groot aantal variabelen tegelijk moeten worden bekeken. Om er een paar te noemen:

  1. Er zijn meerdere bewegende taxi’s bij betrokken
  2. Iedere taxi heeft een beperkt aantal stoelen
  3. De bestemmingen zijn voor iedere passagier anders
  4. De beginsituatie van iedere taxi is anders
  5. Er blijven continu nieuwe aanvragen komen
  6. Klanten bewegen
  7. Klanten maken dynamische keuzen om wel/niet meer te wachten
  8. Sommige hebben misschien bagage bij zich
  9. …..

En ga zo maar door. Het model is zo complex dat zelfs het grootste mainframe of cluster ter wereld dit niet binnen een acceptabele termijn kan uitrekenen.

Dit is een bekend wiskundig probleem en wordt ook wel het “Traveling Salesmen Problem” (TSP) genoemd. De vraag bij het TSP is simpel: “Wat is het minimale aantal kilometers dat een handelsreiziger moet afleggen om alle steden in een land één keer te bezoeken.” Dit is al bijna niet uit te rekenen omdat er n! (n faculteit = n × (n-1) × (n-2) × … × 2 × 1) mogelijkheden zijn. Voor degene bij wie de wiskundelessen zijn weggezakt, voor 15 steden moet je dus 1.300 miljard berekeningen uitvoeren. Voor 16 gemeentes kom je op 21.000 miljard berekeningen en bij 17 gemeentes zit je op 355.000 miljard. Het loopt dus hard op en Nederland heeft trouwens 443 gemeentes. Kijk voor de theorie achter het TSP probleem maar eens op http://bit.ly/1NrspHm.

Ze zien ons in het data center al aankomen met onze kleine slimme Uber Appie hahaha. “Hoi. Koppel voor ons even realtime 500 taxi’s en 4 x 500 mensen aan elkaar, die ongeveer in een straal van 1 kilometer van elkaar af zitten maar wel in beweging zijn. O ja, voordat ik het vergeet. Stuur de taxichauffeur en de passagiers even een SMS met de exacte coördinaten en bereken ook nog even de variabele ritprijs. Doe maar gesplitste nota’s omdat er soms mensen zijn die een stuk verder doorrijden dan de anderen.”

Jammer maar helaas. Dit betekent overigens niet dat het geen slim idee is om met flexibele prijzen en carpoolen vraag en aanbod beter op elkaar af te stemmen. Het was innovatief en creatief en wij zijn de eerste om te zeggen dat techniek onze innovatie en creativiteit niet moet afremmen. Deze keer lukt het dus niet. Gelukkig zijn er genoeg Digitale Innovaties en slimme ideeën voor App’s voorhanden die wel werken en Many2More denkt graag met jullie mee  😉

KPI’s: Killers of Potential Innovation

Nou kom ik uit de school van alles zoveel als mogelijk meetbaar maken. Forecast, de upside en de downside, scenario’s doorrekenen realistisch, optimistisch en pessimistisch. In mijn leven heb ik onnoemelijk veel ROI, PBP, simulatie, Business Case en forecast modellen gemaakt. Modellen zijn zo vreselijk mooi als ze logisch zijn. Zo heb ik dus ooit voor Philips Consumer Products een simulatiemodel gebouwd dat vooraf niet kon volgens een bevriend hoogleraar met wie ik deze klus samen deed. Het was te complex en toch is het mij na dagen klussen, weinig slaap en een muisarm gelukt. Ik vind het leuk, ik ben er goed in en dus vragen mensen mij om ze hierbij te helpen. Management is er dol op: Modellen en Key Performance Indicators. Ofwel, mensen aansturen van achter je scherm.

Voor een potentiele opdrachtgever verdiepen we ons momenteel in de wereld van maatschappelijk verantwoord ondernemen en thema’s als recycling en upcycling. We willen niet zo maar roeptoeteren dus bereiden we ons goed voor. Zo kwam ik op de site van MVO Nederland opeens een artikel tegen over KPI’s. Key Performance Indicators, met andere woorden hoe kunnen we met dezelfde middelen de dingen sneller, beter, goedkoper en in grotere hoeveelheden maken. Klinkt logisch toch? Dan gaan we meer verdienen en is iedereen blij lijkt mij. Hele volksstammen zijn hier dagelijks mee bezig. Six Sigma, Black Belt, Lean zijn de zoekwoorden als je hier meer van wilt weten.

Hoe langer ik er over nadenk hoe meer ik mij afvraag waar al die modellen en KPI’s toe leiden in de praktijk. Vanmorgen kwamen spontaan drie dingen bij mij op en ik wil een paar vraagtekens zetten bij het nut van modellen: Standaardfouten, ongewenst gedrag en tegenhouden innovatie.

In ieder model zitten fouten en dus geef je vaak marges aan. Iets zit in de praktijk straks met een waarschijnlijkheid van x% tussen A en B in. Dit herinnert mij aan een gastcollege tijdens mijn studie in Rotterdam van iemand van het KNMI. Deze man was hoogleraar statistiek en hij zou onthullen hoe hij met 100% zekerheid de temperatuur kon voorspellen voor de komende week en wellicht langer. We zaten op het puntje van onze stoel. “Begin 20ste eeuw werd er gemeten met 15 weerballonnen” zei hij “en nu hebben we satellieten.” Dat was zo veel beter en er kwam zo’n hoeveelheid aan data vrij dat het weer voorspellen steeds makkelijker werd. Allemaal cijfers en technieken schoten over het scherm. “Schiet nou eens op” dacht ik bij mijzelf, vertel! De conclusie was onthutsend: “Morgen en de komende drie honderd jaar wordt het met 100% zekerheid tussen de -50C en +93C.” De tienduizend metingen voorspellen allemaal in een range van + of – een halve graad. Als je al deze foutmarges met elkaar vermenigvuldigt krijg je dus deze onzin voorspelling. Hoe meer indicatoren, hoe realistischer je model, hoe meer correcties, hoe groter de schattingsmarge en hoe minder je er aan hebt. Of ga ik nou te snel?

Ten tweede het eeuwenoude principe van wie schrijft die blijft. Wie ooit een model heeft gebouwd weet dat zodra je in formules gaat vermenigvuldigen er in ieder model gevoelige parameters zitten. Als bouwer ken je ze en je weet aan welke knoppen je moet draaien. Eigenlijk is dit het zoeken naar zelf verstopte paaseieren. Dit kan dus leiden tot ongewenst gedrag. Een mooi, denk ik fictief voorbeeld wordt gegeven door Ted van Lieshout, schrijver van onder meer het boek “Boer Boris gaat naar de markt”.

“Teneinde het aantal klachten te doen verminderen is krachtdadig opgetreden door het instellen van vertragingstechnieken, zoals het onvindbaar maken en onbereikbaar houden van telefoonnummers en het achterwege laten van informatie over het bestaan en de locatie van het klachtenloket. Daardoor is het aantal klachten zienderogen afgenomen en binnen amper vier weken zelfs geheel tot nul teruggebracht, zodat het klachtennummer kon worden opgeheven en het loket wegens gebrek aan belangstelling kon worden gesloten.”

Tot slot het belangrijkste punt wat mij betreft. KPI’s kunnen innovatie schaden: Killers of Potential Innovation. Alles gaat zo waanzinnig snel op het ogenblik. Omdat het tempo van innovatie toeneemt zal de voorspelkracht van modellen die op indicatoren uit het verleden zijn gebaseerd zijn in mijn ogen met dezelfde snelheid afnemen. Als we dus als directie gaan beslissen op basis van deze modellen dan gaan we innovatieve ideeën afschieten simpelweg omdat de uitkomsten van innovatieve ideeën niet in oude modellen passen. Innovatie gaat volgens mij over het doorbreken van bestaande patronen en het continu kijken of en zo ja hoe dingen slimmer kunnen. En als innovatie in je genen zit dan zal jouw organisatie de dingen wellicht slimmer doen dan je concurrenten. Grote kans dat je dan sneller, beter en meer kan produceren tegen lagere kosten. En zo niet dan waren we het er wel allemaal mee eens dat het een slim idee was en gaan we op naar het volgende winnende idee. Geen idee, klinkt wel logisch toch? Ik krijg er in ieder geval wel energie van. Zijn simulatie modellen en KPI’s dus onzin? Nee dat is te kort door de bocht. Ze vormen net als creatieve concepten een onderdeel van het besluitvormingsproces om dingen wel of niet te doen.

Erwin Redeman

Many2More