De meest gebruikte opbouw in business intelligence, predictive analitics en analytics modellen is de moeilijkheidsgraad: 1) descriptive, 2) diagnostic, 3) predictive en 4) prescriptive. Deze schaal vertelt iets over de volwassenheid van het gebruik van data door de organisatie. Een model dat niet op zichzelf staat en een achterliggende methode kent is de data driehoek van EDM (Figuur 1), welke in dit artikel zal worden toegelicht.
LINK
Over the past few years, there has been an explosion of data science as a profession and an academic field. The increasing impact and societal relevance of data science is accompanied by important questions that reflect this development: how can data science become more responsible and accountable while also responding to key challenges such as bias, fairness, and transparency in a rigorous and systematic manner? This Patterns special collection has brought together research and perspective from academia, the public and the private sector, showcasing original research articles and perspectives pertaining to responsible and accountable data science.
MULTIFILE
Patiëntdata uit vragenlijsten, fysieke testen en ‘wearables’ hebben veel potentie om fysiotherapie-behandelingen te personaliseren (zogeheten ‘datagedragen’ zorg) en gedeelde besluitvorming tussen fysiotherapeut en patiënt te faciliteren. Hiermee kan fysiotherapie mogelijk doelmatiger en effectiever worden. Veel fysiotherapeuten en hun patiënten zien echter nauwelijks meerwaarde in het verzamelen van patiëntdata, maar vooral toegenomen administratieve last. In de bestaande landelijke databases krijgen fysiotherapeuten en hun patiënten de door hen zelf verzamelde patiëntdata via een online dashboard weliswaar teruggekoppeld, maar op een weinig betekenisvolle manier doordat het dashboard primair gericht is op wensen van externe partijen (zoals zorgverzekeraars). Door gebruik te maken van technologische innovaties zoals gepersonaliseerde datavisualisaties op basis van geavanceerde data science analyses kunnen patiëntdata betekenisvoller teruggekoppeld en ingezet worden. Wij zetten technologie dus in om ‘datagedragen’, gepersonaliseerde zorg, in dit geval binnen de fysiotherapie, een stap dichterbij te brengen. De kennis opgedaan in de project is tevens relevant voor andere zorgberoepen. In dit KIEM-project worden eerst wensen van eindgebruikers, bestaande succesvolle datavisualisaties en de hiervoor vereiste data science analyses geïnventariseerd (werkpakket 1: inventarisatie). Op basis hiervan worden meerdere prototypes van inzichtelijke datavisualisaties ontwikkeld (bijvoorbeeld visualisatie van patiëntscores in vergelijking met (beoogde) normscores, of van voorspelling van verwacht herstel op basis van data van vergelijkbare eerdere patiënten). Middels focusgroepinterviews met fysiotherapeuten en patiënten worden hieruit de meest kansrijke (maximaal 5) prototypes geselecteerd. Voor deze geselecteerde prototypes worden vervolgens de vereiste data-analyses ontwikkeld die de datavisualisaties op de dashboards van de landelijke databases mogelijk maken (werkpakket 2: prototypes en data-analyses). In kleine pilots worden deze datavisualisaties door eindgebruikers toegepast in de praktijk om te bepalen of ze daadwerkelijk aan hun wensen voldoen (werkpakket 3: pilots). Uit dit 1-jarige project kan een groot vervolgonderzoek ‘ontkiemen’ naar het effect van betekenisvolle datavisualisaties op de uitkomsten van zorg.
Aanleiding: De belangstelling voor gezonde en veilige voeding is groot. Bij de gezondheidseffecten van voeding spelen de darmen een cruciale rol. Verschillende soorten bedrijven hebben behoefte aan natuurgetrouwe testmodellen om de effecten van voeding op de darmen te bestuderen. Ze zijn vooral op zoek naar modellen waarvan de uitkomsten direct vertaalbaar zijn naar het doelorganisme (de mens of bijvoorbeeld het varken) en die niet gebruikmaken van kostbare en maatschappelijke beladen dierproeven. Doelstelling Het project 2-REAL-GUTS heeft als doel om twee innovatieve dierproefvrije darmmodellen geschikt te maken voor onderzoek naar voedingsconcepten en -ingrediënten. De twee darmmodellen die worden toegepast zijn darmorganoïden, minidarmorgaantjes bestaande uit stamcellen, en darmexplants bestaande uit hele stukjes darm verkregen uit relevante organismen. Beide modellen hebben potentieel heel uitgebreide toepassingsmogelijkheden en hebben ook grote voordelen ten opzichte van de huidige veelgebruikte cellijnen, omdat ze meerdere in de darm aanwezige celtypen bevatten en uit verschillende specifieke darmregio's te verkrijgen zijn. Gezamenlijk gaan de partners werken aan: 1) het aanpassen van de kweekomstandigheden zodat darmmodellen geschikt worden om de vragen van partners te beantwoorden; 2) het vaststellen van de toepassingsmogelijkheden van de darmmodellen door verschillende stoffen en producten te testen. Beoogde resultaten Kennisconferenties, publicaties en exploitatie van de modellen zullen zorgen voor het verspreiden van de opgedane kennis. Omdat het project gebruikmaakt van moderne, op de toekomst gerichte laboratoriumtechnieken (kweekmethoden met stamcellen en vitaal weefsel, moleculaire analyses en microscopie), leent het zich uitstekend om geïmplementeerd te worden in het hbo-onderwijs. Als spin-off zal het project dan ook voorzien in een specifieke, voor Nederland unieke hbo-minor op het gebied van stamcel- en aanverwante technologie (zoals organ-on-a-chiptechnologie).
Digital transformation has been recognized for its potential to contribute to sustainability goals. It requires companies to develop their Data Analytic Capability (DAC), defined as their ability to collect, manage and analyze data effectively. Despite the governmental efforts to promote digitalization, there seems to be a knowledge gap on how to proceed, with 37% of Dutch SMEs reporting a lack of knowledge, and 33% reporting a lack of support in developing DAC. Participants in the interviews that we organized preparing this proposal indicated a need for guidance on how to develop DAC within their organization given their unique context (e.g. age and experience of the workforce, presence of legacy systems, high daily workload, lack of knowledge of digitalization). While a lot of attention has been given to the technological aspects of DAC, the people, process, and organizational culture aspects are as important, requiring a comprehensive approach and thus a bundling of knowledge from different expertise. Therefore, the objective of this KIEM proposal is to identify organizational enablers and inhibitors of DAC through a series of interviews and case studies, and use these to formulate a preliminary roadmap to DAC. From a structure perspective, the objective of the KIEM proposal will be to explore and solidify the partnership between Breda University of Applied Sciences (BUas), Avans University of Applied Sciences (Avans), Logistics Community Brabant (LCB), van Berkel Logistics BV, Smink Group BV, and iValueImprovement BV. This partnership will be used to develop the preliminary roadmap and pre-test it using action methodology. The action research protocol and preliminary roadmap thereby developed in this KIEM project will form the basis for a subsequent RAAK proposal.
