In een glazen bol kijken dat kunnen we niet. Toch is er iets interessants met de mensen die beweren dat wel te kunnen. Zij voorspellen zowel goede als slechte zaken die je gaan overkomen. Met die gedachte in ons achterhoofd gaan we het in deze blog hebben over ML, Machine Learning; computers die voorspellingen maken over zowel goede als slechte zaken voor je bedrijf. Zij blijken dat beter te kunnen dan menselijke hersenen.

Het voorspellen van fouten en fraude

De grens tussen fout of fraude is voor iedereen verschillend. Bijkomende uitdaging is dat mensen minder goed in staat zijn dan computers om fraude op tijd te identificeren. Als er bijvoorbeeld van 100 medewerkers de kilometerregistraties worden ingeleverd zullen niet alle honderd handmatig gecontroleerd worden. Computers kunnen dat wel, omdat zij grote sets aan data razendsnel kunnen vergelijken en daardoor afwijkend gedrag signaleren. Als een retour Amersfoort-Groningen altijd 330 kilometer was kan dat nu niet ineens 390 kilometer zijn. Er volgt automatisch een bericht naar de verantwoordelijke manager.

Machine Learning als aanvulling op plannings- en urenregistratie

Fouten of fraude, onbewuste of bewuste onregelmatigheden, komen vaak voor in omgevingen waar planningen gemaakt worden en zaken zoals uren, kilometers, vergoedingen en onkosten geregistreerd worden. In dit domein is beeproger al jarenlang actief, onder andere door er gebruiksvriendelijke apps voor te ontwikkelen. De urenregistratiesystemen die wij bouwen worden vaak direct aan verloningsystemen gekoppeld. 

Machine Learning projecten zien wij als een volgende logische stap voor een nog betere dienstverlening. Als iemand bijvoorbeeld 8 uur gewerkt heeft en er 12 uren worden ingevuld wordt dat herkent, net zo goed als een declaratie voor een diner frauduleus kan zijn omdat de planning aangeeft dat deze medewerker op dat moment een vrije dag had. Zo zijn er legio scenario’s te bedenken om via Machine Learning fouten en fraude eerder op te merken. Het zijn scenario’s die steeds professioneler worden door voortschrijdend inzicht, trendanalyses en het aanbieden van inzichtelijke dashboards.

“Het traceren van fraude is vergelijkbaar met het traceren van klantbehoeften.”

Een veelgehoorde uitspraak op onze development afdeling.

Mooie voorspellingen

Machine Learning gaat vooral ook over mooie voorspellingen. Bijvoorbeeld het voorspellen van de te verwachten omzet op basis van het aantal keren dat je webshop bezocht wordt. Als je maar vaak genoeg meet, gaat er vanzelf een trendlijn ontstaan en worden logische verbanden ontdekt. Nog interessanter is dat Machine Learning ervoor zorgt dat je op basis van websitegedrag, of bezoek van bepaalde pagina’s, ervoor kunt zorgen dat klanten automatisch producten of diensten gepromoot krijgen waar zij ook interesse in hebben. Met Machine Learning kunnen we voor bestaande en nieuwe klanten dus ook ‘recommandation systemen’ bouwen die klanten individueel bedienen.

Conclusie

Met Machine Learning kan zowel positief als negatief afwijkend gedrag opgemerkt en voorspeld worden. Wij voorspellen dat Machine Learning onterechte uitgaven voorkomt en meer omzet en een groeiend concurrentievoordeel oplevert door betere klantinzichten. Wil je hier meer over weten? Neem dan hier contact met ons op om te onderzoeken wat we met slimme technologie voor jouw organisatie kunnen betekenen.