Predictive          Voorspellend
Prescriptive       Voorschrijvend
Analytics             Analyse

Het Internet of Things (IoT) brengt een enorme hoeveelheid informatie met zich mee. Het zorgt voor een continue stroom van gegevens die door diverse sensoren worden verzameld. 

Maar we hebben we pas iets aan al die informatie als we kijken naar de inzichten die analyse van die data oplevert. Dan ontdekken we patronen, leiden we betekenissen af, vinden we indicatoren voor beslissingen en zien we het vermogen om die grotere intelligentie in te zetten voor praktische doeleinden. En dan komen de voorspellende (predictive) en voorschrijvende (prescriptive) analyse om de hoek kijken.

We nemen de trein
In Nederland, wanneer de ‘R’ in de maand is, is het een bekend verschijnsel: bladeren op de spoorrails. Dat is te voorspellen. Maar ons railnetwerk moet optimaal beschikbaar blijven, stilstaande treinen vervoeren geen passagiers. Om bij het eerste blaadje, dat in augustus door de aanhoudende droogte op de rails wappert, al een schoonmaaktrein in te zetten is dan een onzinnige actie. Op die manier worden er onnodig onderhoudskosten gemaakt.

De herfst met de bijkomende regenbuien en herfststormen – en dus blaadjes op de rails – zijn redelijk te voorspellen. Wanneer we door die voorspellende (predictive) analyse stilvallende treinen beter kunnen voorspellen, kunnen we op het juiste moment de eerder genoemde schoonmaaktrein wel inzetten. Doordat ProRail continu meetwaarden van diverse sensoren vastlegt en deze met AI (Artificial Intelligence – Kunstmatige Intelligentie) analyseert, kunnen ze trends in het weer vastleggen. Deze trends kan ProRail omzetten naar voorspellend onderhoud. De schoonmaaktrein dus. Maar die schoonmaaktrein moet dan natuurlijk niet in de weg van de aanstormende intercity Breda-Nijmegen rijden. Dat is ook te voorspellen.

Van voorspellen naar voorschrijven
Ondanks de grote mogelijkheden en waarde van voorspellende analyses pakken dingen in de praktijk toch vaak anders uit, onder andere door factoren die toch niet voorzien konden worden. Een koe die midden op de dag de rails oversteekt, bijvoorbeeld. Op dat moment krijgen we te maken met de voorschrijvende (prescriptive) analyse.

Met de verzamelde gegevens kun je scenario’s voor de toekomst gaan maken. Je gaat een stap verder dan voorspellen wat er in de toekomst gaat gebeuren. Je gaat bepalen wat je concreet moet gaan doen. Door middel van voorschrijvende analyse kan ProRail de vraag beantwoorden op welke manier ze ervoor kunnen zorgen dat de schoonmaaktrein de intercity van Breda naar Nijmegen niet in de weg rijdt. Of dat die koe niet oversteekt.

Deze voorschrijvende analyses gaan dus verder dan alleen voorspellen; het gaat (ook) om het voorschrijven van (tijdige) acties. In dit geval: ProRail laat die schoonmaaktrein ’s nachts rijden. Dan hebben de boeren de koeien op stal. Bijkomend voordeel: er rijden ’s nachts minder intercity’s.

Eigenlijk nuchter boerenverstand gebruiken, zou je kunnen zeggen. En daar houden we van bij VSE.