Voorkomen van pech, dat is het streven | Yalda, Data Scientist

Voorkomen is beter dan genezen. Yalda is Data Scientist en zorgt ervoor dat wij zorgeloos onderweg kunnen dankzij inzichten die ontstaan uit data.

Al twee jaar ben ik bezig met het component model. Met dit model verzamelen we data uit auto’s door middel van een dongel die in de auto zit. Hiervoor doen we nu een pilot onder een groep leden. We verzamelen data in de vorm van foutcodes die de auto aangeeft of lampjes die branden op het dashboard. Het mooie van de ANWB is dat wij deze data kunnen koppelen aan data die we hebben van de Wegenwacht. Hierdoor wordt het mogelijk om te onderzoeken of we dankzij deze data bijvoorbeeld pech kunnen voorspellen.


Schat aan informatie
De data uit de dongel levert een schat aan informatie op. Want reken maar uit; naast de generieke foutcodes die over alle merken gelijk zijn, heb je ook merk-specifieke foutcodes. Alleen al van die generieke codes zijn er meer dan drieduizend! En als je de merk-specifieke daarbij optelt komt je tot een veelvoud daarvan.

Uiteindelijke doel
Bovendien gebeurt het vaak dat je niet één, maar met twee of meerdere foutcodes te maken hebt. Er zijn dus heel veel verschillende combinaties mogelijk. Het doel voor ons is om te kijken welke combinatie van foutcodes leiden tot pech. Door data in het model te voeren, zou het model deze combinaties moeten ‘leren’. Het doel is uiteindelijk om pech te voorspellen en te voorkomen door signalen uit de auto op te pikken en contact op te nemen met de eigenaar.

Een voorbeeld voor Europa
Ook de zusterclubs van de ANWB in het buitenland kijken mee naar wat we aan het doen zijn. We lopen hierin dan ook voorop in Europa. Het is heel interessant om aan dit model te werken. Ja, dat vind ik het mooie aan dit werk; dat je resultaat ziet van je werk, je maakt data toepasbaar voor de leden.

De toekomst is connected
Straks verdwijnt die dongel, want auto’s worden steeds meer connected. De ANWB is met autofabrikanten in gesprek om te kijken hoe ze dit kunnen doen.

In de nu bijna 2,5 jaar dat ik bij de ANWB werk, heb ik met het team al aan zulke mooie tastbare projecten gewerkt. We zetten data om in iets wat onze leden echt gaat helpen. En dat is echt heel gaaf.

Prashand is Data Scientist en heeft gewerkt aan het First Time Right model, waarmee direct voor de meest geschikte hulp gekozen kan worden.

Prashand is Data Scientist en houd zich bezig met het creëren van voorspelmodellen op basis van data. ‘Een goed voorbeeld van waar ik mee aan heb gewerkt is het First Time Right model (FTR). Als leden met pech langs de weg staan krijgen zij telefonische assistentie of een Wegenwacht die ter plekke komt helpen. Maar soms kan blijken dat de telefonische assistentie niet geholpen heeft en er alsnog een Wegenwacht komt kijken, of dat een Wegenwacht komt kijken voor iets wat wél met telefonische assistentie verholpen had kunnen worden. Het FTR model heeft van honderdduizenden cases geleerd van vroeger en weet daardoor precies wanneer je welke hulp moet inzetten. En zo kunnen wij ook weer de leden sneller en makkelijker helpen. Dit was dan een voorbeeld voor de Wegenwacht, maar zo werken we ook voor andere business lines. Het werk is daardoor variërend, maar ook uitdagend omdat je steeds weer nieuwe problemen probeert op te lossen.’