• Home
  • Nieuws
  • Waarom machine learning-modellen onderhoud nodig hebben

Waarom machine learning-modellen onderhoud nodig hebben

Het is een illusie om te denken dat je een voorspelmodel kunt aanzetten om het dan voor altijd te laten draaien. Als je eenmaal bent begonnen met het toepassen van data, AI en machine learning, moet je dus gaan nadenken over het onderhoud van je modellen.

In mijn blogs heb ik het tot nu toe veel over hoe je data organiseert en vervolgens gebruikt om voorspelmodellen te maken. Die modellen zet je dan in om sales, marketing of andere bedrijfsprocessen beter te laten draaien. Maar hoe weet je zeker dat een model na een aantal jaren nog steeds doet wat het moet doen?

Het is helaas een illusie om te denken dat je een model kunt aanzetten om het dan voor altijd te laten draaien. Daarom is het belangrijk om, als je eenmaal bent begonnen met het toepassen van data, AI en machine learning, te gaan nadenken over het onderhoud van je modellen.

Het ontbrekende deel van je dataproces

De meeste bedrijven zijn er inmiddels wel achter dat ze ‘iets met data’ moeten doen. De meeste bedrijven zijn inmiddels ook wel zo ver dat ze een paar data-toepassingen hebben draaien en daar waarde uithalen. Dat begint met het uitzoeken van welke data je eigenlijk hebt. Daarna moet je data verzamelen, verifiëren en up-to-date houden, om vervolgens na te denken over het interpreteren en toepassen van je analyses om je bedrijf beter te laten lopen. 

Een succesvol datateam experimenteert veel, verzamelt snel kennis over wat wel en niet werkt en rolt succesvolle modellen snel uit naar de productieomgeving. Als dit proces eenmaal op gang is, zie je dat successen leiden tot enthousiasme en dat enthousiasme leidt weer tot nieuwe innovaties. 

Maar voorspelmodellen maken, uitrollen en toepassen is maar één deel van een volwassen data-organisatie. Wil je verder blijven groeien in hoe je als organisatie met data, AI en machine learning omgaat? Dan heb je een volledige datastrategie nodig, waarin je de hele levenscyclus van je modellen onder controle hebt. Het onderhoud van je modellen hoort daar ook bij.

Alles verandert

Het onderhouden van modellen is geen populair onderwerp. Toch moeten we het erover hebben. Is het niet logisch dat een voorspelmodel, nadat het in gebruik is genomen, af en toe moet worden aangepast? Bedrijven veranderen continu. 

Je wil sneller innoveren dan de concurrentie en steeds het meest relevante product aanbieden aan je markt. Dus ontwikkel je nieuwe proposities, introduceer je nieuwe contractvormen, lanceer je nieuwe producten en bedenk je nieuwe verkoopmethoden. 

Processen veranderen ook, vaak juist door data-inzichten. Je ontdekt efficiëntere manieren om het werk te organiseren of er worden processtappen geautomatiseerd. Wet- en regelgeving, kwaliteitseisen of nieuwe inzichten in de klantreis, ze hebben allemaal invloed op je processen. 

Tenslotte verandert ook de wereld waarin je opereert. Maatschappelijke ontwikkelingen maken dat modellen die vroeger werkten, nu niet meer goed functioneren. 50 jaar geleden hing het verwachte opleidingsniveau van een jongen vrijwel alleen af van het opleidingsniveau van de vader. Inmiddels is de moeder daarin veel belangrijker omdat de maatschappij veranderd is. Ook in jouw markt zijn waarschijnlijk maatschappelijke trends die de effectiviteit van je modellen beïnvloeden.

Nog meer werk voor je datateam

Als je modellen niet meegroeien, vermindert de waarde ervan of stuur je uiteindelijk zelfs op data die onjuist of niet meer relevant is. Ik adviseer bedrijven dan ook om voor alle modellen minimaal jaarlijks onderhoud in te plannen. 

Is het model nog effectief? Kunnen we data toevoegen die we eerst niet hadden of niet relevant vonden? Levert het model nog waarde, of moeten we het uitbreiden of vervangen? Je datateam krijgt er dus een taak bij. Als je veel modellen in productie hebt draaien, kan het onderhoud ervan iedere maand behoorlijk wat tijd kosten. Dat geldt voor je moeilijk te vinden dataspecialisten, maar ook voor je drukbezette mensen van de business. 

Het onderhoud van modellen is bovendien voor veel mensen een stuk minder interessant dan het bouwen en lanceren van nieuwe modellen, terwijl het vaak wel uit hetzelfde budget moet komen. Dat maakt het soms lastig om je organisatie enthousiast te krijgen voor onderhoud.

Niets doen kost geld

Maar niets doen aan onderhoud kost ook geld. Dat ene model dat je een paar jaar geleden hebt ingericht, om Sales de meest kansrijke segmenten te laten zien? Het zou kunnen dat dat inmiddels verkopers op verliesgevende klanten afstuurt. 

De aanbevelingsalgoritmen op je website raden misschien al lang niet meer de best presterende producten aan. Of je stuurt je bedrijf op data die niet meer kloppen. Dat kan uiteindelijk leiden tot dure missers. Heb je dus modellen in je productieomgeving die meer dan een jaar oud zijn? Dan is het tijd om onderhoud te gaan plannen.


Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

© | Alle rechten voorbehouden.
Powered by LinQxx.