CorporatieGids Magazine

15 ONAFHANKELIJK MAGAZINE OVER STRATEGIE, BEDRIJFSVOERING & ICT VOOR WONINGCORPORATIES NUMMER 4, 2018 14 WWW.CORPORATIEGIDS.NL “M et predictive analytics proberen wij te voorspellen wat er in de toekomst gaat gebeuren, op basis van gebeurtenissen uit het verleden,” legt Adriaan uit. “Door in de historische data op zoek te gaan naar patronen en verbanden met behulp van geavanceerde technieken, ontwikkelen wij een voorspellend model. Dat gebruiken we bijvoorbeeld om onderhoud aan onze woningen te voorspellen en betalings- achterstand bij onze huurders te voorkomen.” Onderhoud en betalingsproblemen Over het voorspellen van betalingsproblemen bij huurders zegt Wouter: “Het doel is om huurders eerder passende hulp te kunnen bieden en ze voor deurwaardertrajecten te behoeden. Bij het voorspellen van onderhoud is het doel vooral het voorkomen van defecten waar huurders overlast van ondervinden. Verder zetten we predictive analytics in om woningmutaties te voorspellen.” Voorspellen woningmutaties Op de vraag waarom het zo nauwkeurig mogelijk voorspellen van woningmutaties ook zinvol is, zegt Adriaan: “Dat een huurder bijvoorbeeld binnen nu en drie jaar met 80 procent zekerheid gaat verhuizen, is lastig om te zetten naar acties in de praktijk. Wanneer we dit kunnen terugbrengen naar een voorspelling met een kleiner tijdvak – zoals een half jaar of een maand – kan daar direct actie op worden ondernomen. Dit vraagt echter wel om een ander type data en een andere manier van analyseren.” Modellen kiezen Bobbie legt uit hoe predictive analytics werkt. “De eerste stap is kijken naar welke processen gebaat zijn bij voorspellende informatie. Vervolgens wordt de case samen met collega’s uit de business besproken en uitgewerkt. Daarna vindt een verkenning plaats van de beschikbaarheid en kwaliteit van historische data. Dit is allemaal mensenwerk, waarbij computers slechts hulpmiddelen zijn.” Wanneer aan alle voorwaarden is voldaan, begint Woonstad Rotterdam met het werken naar voorspellende modellen. “Voor het voorspellen ontwikkelen we verschillende modellen waar we vervolgens de best passende van kiezen. Voorafgaand aan de modelvorming wordt een beschrijvende en verklarende analyse uitgevoerd. De uitkomsten worden getoetst aan en verrijkt met de inhoudelijke kennis vanuit de business.” Stip op de horizon “Het uiteindelijke doel is om de voorspellingsmodellen te implementeren in de systemen die onze werkprocessen ondersteunen,” vertelt Wouter. “Pas dan is er sprake van volledige automatisering. Informatie die collega’s uit de systemen halen, wordt verrijkt met informatie uit de voor- spellingsmodellen. Dat is onze stip op de horizon.” Relevante data Beschikken over veel data is per definitie niet altijd beter bij predictive analytics, vertelt Bobbie. “De kwaliteit is net zo belangrijk. Op basis van de beschrijvende en verklarende analyse en de input vanuit de business maken wij een onderscheid tussen relevante en overige data. Onze primaire databronnen zijn de systemen die onze werkprocessen ondersteunen. De data worden voor dat doel gegenereerd. Dit sluit in beperkte mate aan op de databehoefte vanuit predictive analytics. Dat is een van de redenen dat er zoveel tijd besteed wordt aan datapreparatie. Advies over data- generatie, verzameling en opslag is daarom vaak een onderdeel van het proces.” Continue flow “Daarnaast vraagt predictive analytics om een zeer frequente of liever continue flow van data, waarvoor aanpassingen in de infrastructuur nodig zijn. Om dit voor elkaar te krijgen realiseren we momenteel een Enterprise Data Hub. Dat is een soort Data Lake met gestructureerde data uit verschillende bronnen. Tot nu toe hadden we vooral managementrappor- tages via een datawarehouse die gevoed werden door onze ERP-systemen. Maar voor predictive analytics is ook data nodig uit externe bronnen. Door alles via één infrastructuur te laten lopen kunnen zowel de datamodellen als de reguliere managementrapportages daarvan profiteren.” Woonstad Rotterdam werkt hiervoor onder andere samen met haar ERP-leverancier Centric. Adriaan: “Zij helpen ons met het verzamelen en voorbereiden van de data voor analyses. Daarnaast helpt Centric ons bij het keuzeproces voor het vinden van een geschikt model om te voorspellen.” Business rules De voorspellende inzichten van predictive analytics helpen Woonstad Rotterdam business rules beter toe te passen. Wouter: “Het uiteindelijke resultaat van een model bestaat vaak uit kansen op een bepaalde gebeurtenis voor een Woonstad Rotterdam: Huurachterstand of onderhoud: we voorspellen het met predictive analytics In het verleden behaalde resultaten bieden geen garantie voor de toekomst. Of toch wel? Woonstad Rotterdam past predictive analytics toe om voorspellingen te maken voor de toekomst. Hoe voorspelbaar is huurachterstand, een verhuizing of onderhoud eigenlijk? CorporatieGids Magazine ging hierover in gesprek met Adriaan Nering Bögel , Bobbie van Beest en Wouter Tuinenberg , leden van het team Digitale Innovatie en Transformatie van de Rotterdamse corporatie. Adriaan Nering Bögel Bobbie van Beest Wouter Tuinenberg Foto’s: Jan van der Ploeg en Woonstad Rotterdam