Tijdens de Hannover Messe werd duidelijk waarom Altair – bekend van onder andere ontwerp- en simulatiesoftware – de afgelopen jaren bedrijven als RapidMiner en World Programming heeft overgenomen. Samen met intern ontwikkelde technologie heeft het bedrijf nu al zijn oplossingen op het gebied van Artificial Intelligence gebundeld en opnieuw in de markt gezet onder de naam RapidMiner. Het resultaat noemt Altair ‘Frictionless AI’. Hiermee wil het bedrijf een oplossing aandragen die gebruikt kan worden om de samenwerking tussen engineers onderling en engineers en bijvoorbeeld financiële en marketingmensen binnen hun organisatie te verbeteren.
Lastige problemen
Friction ofwel wrijving is in veel industriële ondernemingen een lastig probleem, omdat het de digitale transformatie in industriële bedrijven ernstig belemmerd of zelfs onmogelijk maakt. Meestal wordt met friction bedoeld dat data die – bijvoorbeeld – mechanical engineers genereren en gebruiken niet of niet goed door bijvoorbeeld productiemedewerkers of salesmensen kan worden gebruikt.
Het bedrijf noemde tijdens een presentatie op de Hannover Messe een aantal voorbeelden van dit soort dataproblemen:
- Spraakverwarring tussen data-analisten en domeinexperts omdat de betekenis van gegevens niet goed is vastgelegd, waardoor beide groepen een andere interpretatie van een bepaald type data hebben.
- Gebrek aan kennis of bureaucratie over de vraag wie toegang heeft tot welke gegevens.
- Onvolledige, slordige of niet goed geformatteerde gegevens.
- In organisaties waar al met machine learning wordt gewerkt, ontstaat vaak verwarring over de vraag waar machine learning-modellen moeten worden uitgevoerd en hoe ze moeten worden geïmplementeerd.
- Data-experts die gewend zijn te werken met klassieke data analytics-tools zijn vaak niet goed opgeleid voor het gebruik van bijvoorbeeld machine learning-modellen.
- Vaak hebben bestaande software-tools processen of procedures bepaald en is het lastig om processen te veranderen omdat de bestaande programmatuur die nieuwe processen niet goed ondersteunt.
- Een digitale transformatie gaat vaak gepaard met vallen en opstaan, waarbij tal van nieuwe tools worden uitgeprobeerd die tijdens de proeffase al bestaande processen beïnvloeden. Wordt na de proefperiode besloten die tool toch niet aan te schaffen, dan is de kans groot dat de steun van medewerkers voor de benodigde veranderingen afbrokkelt en neemt bovendien ook de kwaliteit van de bestaande processen verder af.
Bij Altair onderkent men dat zeker voor kleinere en middelgrote productiebedrijven dit soort problemen grote uitdagingen zijn. Al deze punten zijn ieder op zich al stevige obstakels voor een bedrijf dat wil moderniseren, laat staan als er meerdere van dit soort problemen tegelijkertijd gaan spelen. Wat de situatie nog eens extra complex maakt, is dat software voor data-analyse ook als dit soort problemen bestaan, nog steeds gebruikt wordt. Ze lijken namelijk nog steeds te voldoen. Ware het niet – zoals Altair’s Chief Technology Officer Sam Mahalingam het in een blog omschrijft – dat de resultaten van zo’n analyse eigenlijk nauwelijks waarde voor het bedrijf hebben. Vaak worden dan vooral appels en peren met elkaar vergeleken, zonder dat er – zeg maar – technische of zakelijke waarde uit de analyses ontstaat.
Tools en kennis
Met RapidMiner verwacht Altair voor veel – ook kleinere productiebedrijven – een oplossing voor dit probleem te kunnen bieden. Het RapidMiner-platform zoals het bedrijf dit op de Hannover Messe demonstreerde, is hierbij overigens niet enkel en alleen een op AI gebaseerde softwareomgeving. Belangrijk is namelijk ook kennis en opleiding. Altair heeft hiervoor een zogeheten Center of Excellence (CoE) programma opgesteld. CTO Mahalingam gaf in de eerder genoemde blog aan dat het door Altair overgenomen bedrijf RapidMiner als een van de eerste aanbieders een proces heeft ontwikkeld dat data-onvolwassen bedrijven helpt om zich om te vormen tot een organisatie die handelt op basis van data. Dit proces identificeert welke projecten, processen of andere pijnpunten binnen de organisatie als eerste aangepakt moeten worden. Daarbij wordt een analyse gemaakt van de vaardigheden die de betrokken technische en business teams nodig hebben om zelf data-analyseproblemen te kunnen aanpakken. Met opleidingen vult men vervolgens kennislacunes in.
RapidMiner omvat verder een op cloud- en AI-technologie gebaseerd softwareplatform dat het opzetten en uitvoeren van data-analyses versnelt. Simpel gezegd, het helpt iedereen binnen de organisatie om toegang tot gegevens te krijgen, te begrijpen wat deze data betekent en hoe deze data zo omgevormd moet worden dat er zinvolle analyses mee gemaakt kunnen worden. Bovendien kunnen deze analyses geautomatiseerd worden en kunnen met de software machine learning-modellen worden gebouwd. Deze modellen zijn daarbij niet theoretisch van aard maar kunnen rechtstreeks in een productieomgeving worden toegepast.
Data leren begrijpen
Met name het feit dat RapidMiner in staat is gebruikers te helpen om data te begrijpen en in het juiste format te krijgen, biedt mogelijkheden. Alleen als data uit tal van bronnen en systemen met elkaar gerelateerd kan worden, is het immers mogelijk om – bijvoorbeeld – patronen in grote hoeveelheden data te ontdekken. Dit formatteren en met elkaar koppelen van data gebeurt bij Altair met de hulp van tientallen connectoren die interfaces mogelijk maken met tal van software-omgevingen.
Daarmee legt het platform de kracht van data-analyse in handen van degenen die het probleem het beste kennen, zodat er geen ingewikkelde discussies kunnen ontstaan tussen bijvoorbeeld data-experts en domeinexperts. Tegelijkertijd is duidelijk wat de betekenis van data is en hoe deze gebruikt kunnen worden. Doordat RapidMiner ook no-code-functionaliteit biedt (via Auto ML) voor beginnende gebruikers, maar ook de mogelijkheid biedt om desnoods zelf een analyse-applicatie te coderen, is het mogelijk om relatief simpele apps te ontwikkelen voor het verwerken van data, maar ook uitgebreide toepassingen die bijvoorbeeld op bedrijfsniveau analyses en rapporten mogelijk maken.
