Mijn
Data
Journey

Eerlijk gezegd wist ik niet goed wat ik hier ging leren. Politie en data klinkt een beetje vaag. Maar het bleek een van de interessantste bezoeken van het semester.

We leerden over hoe de politie in Mechelen omgaat met cameradata. ANPR-camera's lezen nummerplaten en koppelen die aan rijgegevens. CCTV-camera's houden publieke plaatsen in de gaten. Bodycams nemen interventies op vanuit het standpunt van de agent. Dat alles draait gewoon, elke dag, op de achtergrond.

Wat ik niet zo had verwacht: er zitten heel veel regels aan vast. Beelden mogen maar 30 dagen bewaard worden, tenzij er een gerechtelijk onderzoek loopt. Er is een verschil tussen wat technisch kan en wat juridisch mag. Die grens was voor mij nieuw.

Ik had data altijd gezien als iets technisch. Tabellen, grafieken, code. Maar hier ging het ook over mensen. Over een nummerplaat die aan een persoon hangt. Over beelden die iemand op een bepaalde plek plaatsen. Dat maakt het ineens een stuk concreter en serieuzer.

Dat is iets wat ik meeneem: als je met data werkt, werk je eigenlijk ook met mensen. Daar moet je voorzichtig mee zijn.

Mobilab was voor mij een van de meest verrassende bezoeken van het semester. Ik verwachtte technologie, maar het draaide uiteindelijk om mensen.

Mobilab zoekt creatieve oplossingen voor mensen met een lichamelijke beperking. Denk aan iemand met Parkinson die zijn hand niet stil kan houden. Hoe drink je dan uit een glas? Hoe doe je dagelijkse dingen die wij nooit twee keer nadenken? Dat is precies de vraag waar ze mee bezig zijn.

Ze hadden verschillende prototypes en oplossingen ontwikkeld voor dit soort situaties. Een ding dat me bijbleef was een systeem dat detecteert wanneer iemand valt. Niet om het te filmen of bij te houden, maar simpelweg om automatisch hulpverleners te verwittigen. Gewoon snel en zonder gedoe.

Wat me opviel is dat de technologie hier echt in dienst staat van de persoon. Niet andersom. Dat is een ander vertrekpunt dan bij de meeste andere bezoeken.

Als data-student denk ik soms te snel in termen van wat technisch mogelijk is. Mobilab herinnerde me eraan dat de echte vraag altijd moet zijn: voor wie maak je iets, en wat lost het op voor die persoon?

P&G is een van de grootste consumentenbedrijven ter wereld. In Mechelen maken ze vooral wasmiddeltabletten, zo'n 5 miljard per jaar. Dat zijn grote getallen, en dat voel je ook als je er rondloopt.

Wat me verraste: zelfs op die schaal zijn er gewoon problemen. Productielijnen die onverwacht stilvallen. Machines die tien keer per dag stoppen zonder duidelijke reden. En elke minuut stilstand kost geld, want de fabriek draait non-stop.

Data is daar de oplossing. Niet om rapporten te maken, maar om snel te zien waar het probleem zit. Is het de machine? De operator? Een stap in het proces? Vroeger had je een operator per lijn die dat zelf moest opvolgen. Nu willen ze een operator voor meerdere lijnen, met meldingen die automatisch binnenkomen op basis van data.

Een concept dat me bijbleef was masterdata. Als alle systemen in een fabriek met andere definities of codes werken, begrijpen ze elkaar niet meer. En als systemen elkaar niet begrijpen, gaat er van alles mis. Masterdata zorgt ervoor dat iedereen, mens of machine, over hetzelfde praat.

Ik leerde hier dat data in productie heel concreet is. Het gaat niet over mooie dashboards maar over: werkt de lijn of niet, en waarom?

VRT ken je waarschijnlijk wel. Het Journaal, Thuis, Studio Brussel. Maar achter die programma's zit een heel stuk technologie waar je als kijker of luisteraar niets van merkt.

We kregen een inkijk in hoe VRT hun app personaliseert. Het begint bij gedragsdata: hoe lang kijk je een aflevering? Op welk moment haal je af? Wat klik je aan, en wat niet? Al die kleine acties worden bijgehouden en gebruikt om te bepalen wat jij de volgende keer te zien krijgt. Niet zo anders dan Netflix of YouTube eigenlijk, maar dan van een Belgische publieke omroep.

Wat ik interessant vond: ze deden ook aan Business Intelligence voor hun eigen journalisten en auteurs. Elke auteur kan een dashboard bekijken van zijn eigen artikels. Hoeveel mensen hebben het gelezen? Hoe lang? Vanaf welk apparaat? Dat klinkt logisch, maar het is best bijzonder als je erover nadenkt: een journalist die zijn eigen data kan opvolgen.

Bij VRT drong het pas echt door hoe gewoon het al is. We geven constant data af zonder erbij na te denken, en aan de andere kant zitten teams die daar beslissingen op baseren. Dat had ik me nooit zo concreet voorgesteld.

Deze sessie was anders dan de andere bezoeken. Geen bedrijfsgebouw, geen rondleiding, gewoon twee oud-studenten die online vertelden over hun job. Maar juist daardoor was het op een andere manier interessant. Het voelde directer. Dit zijn mensen die een paar jaar geleden nog in dezelfde opleiding zaten.

De eerste spreker werkte bij Crelan, een Belgische bank, en hield zich bezig met cybersecurity. Banken zijn een geliefd doelwit voor aanvallen, en dat betekent dat beveiliging daar geen bijzaak is maar een volwaardig vakgebied. Data speelt daarin ook een rol: het detecteren van verdacht gedrag, het opvolgen van systemen, het beschermen van klantgegevens.

De tweede spreker was Artur Lucas, chief analyst bij het nationale hockeyteam van India. Zijn verhaal was het meest onverwachte van het hele semester. Hij combineerde zijn passie voor hockey met zijn opleiding IMS en belandde zo in een internationale topsportomgeving. Tijdens wedstrijden zit hij op een toren met een laptop en codeert hij live wat er op het veld gebeurt: kansen, gemiste kansen, key passes. Die info gaat rechtstreeks naar de coach.

Hij gebruikte tools als Sportscode, Tableau, Python en Streamlit. Maar wat me het meest bijbleef was iets anders: hij zei dat hij tijdens zijn opleiding dacht dat hij veel theorie nooit zou gebruiken. Tot hij het toch nodig had. Dat vond ik eerlijk en herkenbaar.

VITO was voor mij een van de meest verrassende bezoeken. Ik wist wel dat data op grote schaal kan werken, maar niet hoe groot die schaal precies kon zijn.

VITO werkt met satellietbeelden. Ze observeren de aarde vanuit de ruimte om veranderingen in kaart te brengen. Vegetatie, waterlopen, landgebruik. Dingen die je op de grond heel moeilijk kan opvolgen, maar die een satelliet gewoon van bovenaf registreert.

Een concreet voorbeeld dat aan bod kwam: boeren die verplicht zijn om een bepaald stuk land als grasland te houden. Vroeger was dat moeilijk te controleren. Nu kan een satellietbeeld gewoon checken of daar inderdaad gras staat. En dat werkt gewoon.

NDVI bleef hangen: een index die de gezondheid van planten meet op basis van hoe ze licht reflecteren. Het resultaat is een kaart waarop je kan zien welke velden gezond zijn en welke niet. Wanneer er geoogst wordt zie je dat als een dip in de grafiek.

Voor het vak Communication Skills Intermediate moest ik ook een vlog maken van dit bezoek. Dat was een leuke extra dimensie. Je kijkt dan bewuster rond, let meer op details en probeert uit te leggen wat je ziet aan iemand die er niet bij was. Ik had er meer plezier aan dan verwacht.

Het bezoek maakte me bewust van iets wat ik daarvoor niet zo had nagedacht: data verzamelen is niet altijd zitten met een laptop. Soms hangt je databron honderden kilometers boven de grond.

Intellus was een beetje anders dan de andere bezoeken. Geen fabriek, geen studio, geen lab. Gewoon een kantoor waar mensen data-problemen van andere bedrijven oplossen. Dat klinkt misschien minder spectaculair, maar het was een van de meest leerzame dagen van het semester.

Intellus bestaat uit drie onderdelen: Cubis, Lytix en Axxis. Elk heeft zijn eigen specialiteit, maar samen helpen ze bedrijven om hun data beter te organiseren, te verwerken en bruikbaar te maken. Ze werkten met tools als Power BI, SAP, Databricks, Python en SQL.

Bij Intellus viel de medallion architecture eindelijk op zijn plaats. Data komt binnen in een ruwe vorm, wordt stap voor stap opgeschoond en verrijkt, en eindigt als iets wat een bedrijf echt kan gebruiken. Bronze, silver, gold, zo noemen ze die lagen. Diezelfde architectuur gebruiken we ook in het vak Data Engineering. We moeten er een opdracht over afwerken tegen de examenperiode en die mondeling bespreken. Het bezoek aan Intellus gaf me een veel concreter beeld van waarom we dat leren.

Een ander idee dat bleef hangen was "one version of the truth". Veel bedrijven hebben data verspreid over verschillende systemen en iedereen werkt met andere cijfers. Het gevolg? Discussies over wat nu eigenlijk juist is. Een goede data-infrastructuur lost dat op door iedereen vanuit dezelfde bron te laten werken.

Als student zie je vaak alleen het eindresultaat: een dashboard, een rapport. Hier leerde ik hoeveel werk daarachter zit. Dat wil ik beter leren begrijpen.

Kopenhagen was het hoogtepunt van het semester. Niet alleen omdat het een reis naar het buitenland was, maar omdat we er ook echt iets moesten doen: een hackathon voor DR, de Deense publieke omroep.

De opdracht was om een oplossing te bedenken voor een concreet probleem: jongeren tussen 15 en 25 jaar in Denemarken kijken nauwelijks nog naar traditionele nieuwskanalen. Ze scrollen liever door TikTok, Instagram of YouTube. DR wil die groep bereiken, maar weet niet goed hoe. Wij moesten daarvoor een concept uitwerken.

We begonnen met onderzoek. Welke platformen gebruiken die jongeren? Wanneer consumeren ze media? Wat maakt een bron betrouwbaar voor hen? Daarna maakten we persona's van typische gebruikers en werkten we een prototype uit van een app die nieuws brengt op een manier die aansluit bij hoe jongeren content consumeren: kort, visueel, persoonlijk.

Wat ik leerde uit de hackathon was dat een goed idee pas werkt als je vertrekt vanuit de gebruiker. Niet vanuit wat jij wil maken, maar vanuit wat die persoon nodig heeft. Dat klinkt logisch, maar in de praktijk is het verrassend moeilijk om dat vol te houden.

En los van het inhoudelijke: samen met je klasgenoten in een andere stad aan iets werken is gewoon een andere ervaring dan in een klaslokaal. Je zit met dezelfde mensen in een hostel, eet samen, werkt samen onder tijdsdruk. Je leert elkaar kennen op een manier die je in een les nooit krijgt. Dat vond ik misschien wel het meest waardevolle van de hele reis.

Dit bezoek bleef me het langst bij. Twee bedrijven op een dag, maar allebei bezig met hetzelfde: AI inzetten in een medische omgeving.

Sentigrate werkt met sensordata en machine learning in verschillende sectoren. Het project dat me het meest bijbleef was Epihunter. Ze hebben een systeem waarbij een EEG-headset hersenactiviteit meet en via bluetooth doorstuurt naar een smartphone. Elke seconde wordt er gecheckt: is dit een aanval of niet? Achter die twee minuten zit jaren werk: modellen getraind op echte patiëntdata, Het doel is niet om een diagnose te stellen, maar om artsen te ondersteunen en behandelingen sneller bij te sturen.

Icometrix deed iets gelijkaardigs, maar dan met MRI-beelden van de hersenen. Ze analyseren die beelden met deep learning om veranderingen te detecteren, bijvoorbeeld bij multiple sclerose of Alzheimer. Een arts laadt een scan op, de analyse gebeurt in de cloud, en het resultaat is klaar voor de arts zijn eigen analyse begint. Zelfs in spoedgevallen gaat dat snel genoeg.

Hier is er geen ruimte voor fouten. In andere sectoren is een bug vervelend. Hier gaat het over iemands gezondheid. Daarna ben ik anders naar AI gaan kijken. Je bouwt het niet snel in elkaar, je bouwt het zorgvuldig.

Eerlijk gezegd had ik niet veel verwacht van dit bezoek. Uitvaartverzekeringen klinkt niet meteen boeiend. Maar het werd een van de verrassendste dagen van het semester, en dat had ik niet zien aankomen.

DELA bestaat al sinds 1937, opgericht als coöperatie in Nederland. Dat betekent dat winstmaximalisatie niet het hoofddoel is. Een deel van de winst gaat terug naar de klanten. In 1989 stapten ze de Belgische markt op. Vandaag zijn meer dan een miljoen Belgen bij hen verzekerd. Bijna tien procent van de bevolking.

De live demo van hun data-architectuur was het meest concreet. Voor het eerst zag ik hoe alles wat ik in de lessen had geleerd medallion architecture, bronze/silver/gold, DBT, Azure Synapse, Databricks er in de echte wereld uitziet. Niet als een slide, maar als een werkend systeem waar mensen elke dag mee werken.

Ze gebruiken twee grote databronnen: verzekeringsdata en uitvaartdata. Die twee proberen ze samen te brengen in één centraal platform. De vraag die ze willen beantwoorden is: wie zijn onze klanten, hoe loyaal zijn ze, en waarom vertrekken sommigen? Daarvoor combineren ze CRM-data, contractdata en enquêtes.

Eén ding dat me specifiek opviel: bronze is append-only, geen deletes. Elke wijziging wordt bijgehouden via slowly changing dimensions type 2. Ze tracken letterlijk elke verandering. Dat voelde abstract in de les, maar hier begreep ik waarom: als je later wil analyseren waarom een klant is weggegaan, moet je de historiek kunnen reconstrueren.

Ze sloten af met een uitleg over data governance en datakwaliteit. Hoe die uitleg werd gebracht vond ik opvallend: met humor. De spreker legde de zes dimensies van datakwaliteit en het hele governance-verhaal op een luchtige manier uit, met grappige voorbeelden en een vlotte stijl. Daardoor vloog dat laatste deel echt voorbij. De inhoud was serieus, maar de manier waarop het werd gebracht maakte dat iedereen gefocust bleef.