S08E85 - Van voetbaldata naar NS: hoe storytelling data overtuigend maakt

Rick Stoop, data-engineer bij NS, stond drie maanden voor livegang met een dataproject dat niemand meer kon doorgronden.

Een fix op de ene plek veroorzaakte telkens een nieuw probleem op een andere plek, omdat traceerbaarheid ontbrak.

Stoop en zijn team bouwden het datamodel opnieuw op met eenvoudigere bouwblokken en duidelijkere businesslogica.

Resultaat: bij een recent incident kon de oorzaak binnen korte tijd getraceerd en hersteld worden, in plaats van uren zoeken.

Morgen kun je bij je eigen project checken of je een fout binnen tien minuten kunt herleiden - zo niet, dan is vereenvoudigen dringender dan nieuwe functionaliteit bouwen.

Onderwerpen

• Traceerbaarheid en complexiteit in dataprojecten
• Het belang van de eerste presentatie bij datagedreven werken
• Mensen inzetten op hun sterke punten in plaats van breed bijscholen
• Falen als onderdeel van het ontwikkelproces bij AI-implementatie

Links

• Evenement: Data Expo
• Kaartspel: AI Game Changer - Generative AI editie

Genoemde entiteiten: NS - Snowflake - Azure Data Factory - Nifi - Informatica - Python - Power BI

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

Copy Transcript Copied

1
00:00:01,520 --> 00:00:06,799
Welkom terug bij tweede deel van het gesprek met Rick Stoop van NS.

2
00:00:06,799 --> 00:00:13,839
Gisteren hoorde je het eerste deel over hoe zijn team bij NS met data, energiezuinig rijden

3
00:00:13,839 --> 00:00:14,839
meetbaar maakt.

4
00:00:14,839 --> 00:00:21,640
Vandaag gaat het verder, om de andere over zijn achtergrond in de bewegingswetenschap en wat

5
00:00:21,640 --> 00:00:24,320
houdt hij daaruit meenam naar zijn werk bij NS.

6
00:00:24,320 --> 00:00:28,679
Deze week is het bij ons Data Expo week.

7
00:00:28,679 --> 00:00:32,200
De hele week hoor je sprekers van het evenement.

8
00:00:32,200 --> 00:00:38,560
Data Expo zelf vindt plaats op 9 en 10 september in de jaarbeurs in Utrecht.

9
00:00:38,560 --> 00:00:40,679
Je ticket is gratis.

10
00:00:40,679 --> 00:00:44,679
Hier is het tweede deel van het gesprek met Rick.

11
00:00:44,679 --> 00:00:46,039
Unknown: Ja, snap ik.

12
00:00:47,558 --> 00:00:54,919
Unknown: Je zei even tussen neus en lippen door dat je ook in het voetbal bezig bent geweest rondom data-analyse.

13
00:00:55,559 --> 00:01:01,558
Unknown: Wat heb jij vanuit die tak meegenomen dit projectteam in.

14
00:01:02,599 --> 00:01:13,958
Unknown: Wat ik heb meegenomen, is vooral de manier van communicatie, wat ik merkte bij de voetbal is, je krijgt één kans om je data goed neer te zetten.

15
00:01:13,959 --> 00:01:19,718
Unknown: En als je een tweede kans krijgt, moet je echt in je vingers knijpen, dat je dat.

16
00:01:19,718 --> 00:01:23,478
Unknown: En wat bedoel je van één één kans om de data goed te krijgen?

17
00:01:23,479 --> 00:01:30,038
Unknown: Nou, wat ik merkte was, in dit bedrijf in NS zijn we best wel datgeletterd.

18
00:01:30,118 --> 00:01:32,439
Unknown: Natuurlijk kan het allemaal vele malen beter.

19
00:01:32,438 --> 00:01:36,838
Maar we weten wat data is, we zien de waarde ervan in en we weten hoe het kunnen gebruiken.

20
00:01:37,959 --> 00:01:41,718
We zetten voorbij de acceptatiefasen, we zijn er echt mee bezig.

21
00:01:42,038 --> 00:01:45,399
Toen ik in de voetbal reis had, was dat een stuk minder.

22
00:01:45,398 --> 00:01:55,638
Zeker als je bijvoorbeeld met hoofdcoaches of met assistenten praat, die hebben veel meer eerst vertrouwen nog nodig in je product.

23
00:01:55,879 --> 00:02:02,599
Voordat ze zeg maar echt jou gaan omarmen als database.

24
00:02:02,838 --> 00:02:04,518
Wat weet jij nou van voetbal ook?

25
00:02:04,999 --> 00:02:07,718
Neem ik aan, dat ze er zo naar kijken.

26
00:02:07,719 --> 00:02:10,598
Dat komt elke WK-pool of EK-pool terug.

27
00:02:12,359 --> 00:02:13,719
Dan krijg ik dat thuis weer door.

28
00:02:13,879 --> 00:02:21,558
Ja, je hebt toch niet de voetbal, waarom voel je die pool nou zo slecht in kan me zo voorstellen dat ze dan ook zo naar je kijken, laat ik het zo zeggen.

29
00:02:22,279 --> 00:02:23,239
Dat klopt ook.

30
00:02:23,239 --> 00:02:27,718
Dus het is heel belangrijk dat die eerste keer dat je wat laat zien dat dat goed is.

31
00:02:28,198 --> 00:02:31,239
En de grap is dat het bij mij niet gelukt is toen destijds.

32
00:02:31,398 --> 00:02:34,599
Want ik had een rapport gemaakt en ik zeg van oké, we hebben deze wedstrijd gespeeld.

33
00:02:34,599 --> 00:02:38,358
We hebben van deze hoeken hebben geschoten op doel, hier hebben we onze kans gecreëerd.

34
00:02:38,359 --> 00:02:40,679
En zegt de assistentscoach zegt tegen mij.

35
00:02:40,679 --> 00:02:44,358
Ja, maar Rick, dit schot, was twee meter naar links.

36
00:02:44,359 --> 00:02:47,959
Dus ik zeg zo, ja, dat kan helemaal niet, want dit is de data.

37
00:02:49,159 --> 00:02:50,438
De data is waar.

38
00:02:50,679 --> 00:02:52,679
En hij zegt, nou, we gaan de beelden erbij pakken.

39
00:02:52,679 --> 00:02:54,679
Dus we pakken de beelden erbij en hij kreeg gelijk.

40
00:02:55,799 --> 00:03:01,079
Op dat moment leerde ik dat in die dataset dat er twee verbeteringsslagen in zitten.

41
00:03:01,718 --> 00:03:07,159
Je krijgt meteen de data na de wedstrijd, dan heb je na acht uur wordt de data één keer ververst, dan krijg je een verbeterde versie.

42
00:03:07,158 --> 00:03:09,558
En dan na 24 uur heb je nog weer een betere set.

43
00:03:09,558 --> 00:03:11,398
Dat leerde ik op dat moment pas.

44
00:03:11,959 --> 00:03:15,799
Maar toen dacht ik ook van ja, oké, maar nu mag ik er echt geen fout meer maken.

45
00:03:15,799 --> 00:03:18,679
En nu is de volgende kans, is de laatste kans dat ik het goed doe.

46
00:03:18,838 --> 00:03:32,438
En dan merk je van oké, vanaf dat moment wist ik, als ik het goed moet een goed verhaal hebben, dus het rapport moet eigenlijk zichzelf kunnen verkopen en het moet goed zijn.

47
00:03:32,438 --> 00:03:36,119
En dat neem ik dan weer mee naar waar ik nu zit.

48
00:03:36,359 --> 00:03:40,279
Het gaat echt om dat verhaal, die data moet zichzelf verkopen.

49
00:03:40,278 --> 00:03:43,959
En we moeten een goed verhaal hebben over die data.

50
00:03:44,438 --> 00:03:49,079
Heb je toch nog even terug naar het voetbal, daar gaan we zo direct weer terug naar de NS.

51
00:03:49,398 --> 00:03:52,758
Wat was dan, zeg maar, want toen kreeg je een tweede kans.

52
00:03:53,718 --> 00:03:57,319
Wat heeft het toen voor gezorgd dat het wel lukte dan?

53
00:03:57,319 --> 00:03:59,479
Want ik neem aan dat het gelukt is.

54
00:03:59,479 --> 00:04:00,759
Ja, het is gelukt.

55
00:04:00,759 --> 00:04:04,998
Ja, ik had ook het geluk.

56
00:04:05,319 --> 00:04:08,759
Ik had een manager destijds die erin geloofde.

57
00:04:08,759 --> 00:04:10,199
Dus dat was heel fijn.

58
00:04:10,199 --> 00:04:17,478
Die ondersteunde, dit was helemaal in het beginfase dat ik aan het opstarten was daar dus dat kwam daar dan door.

59
00:04:18,358 --> 00:04:23,319
En die zei van oké, we gaan er gewoon weer goed voor zitten en we pakken de volgende pakken goed op.

60
00:04:23,319 --> 00:04:35,479
En een van de keren daarna was een analyse die ik deed en daar viel op uit data-analyse dat het team waar we het tegen moest gaan spelen, dat daar waren kwetsbaar op een bepaalde manier veel.

61
00:04:35,479 --> 00:04:38,279
Ze stonden hoog met de laatste lijn, ja, ga ik heel erg voetbal praten.

62
00:04:38,438 --> 00:04:39,639
Ik heb ook helemaal geen stand van.

63
00:04:39,639 --> 00:04:41,239
Maar dit was wel de analyse.

64
00:04:41,639 --> 00:04:45,479
De bal die als de bal er overheen kwam, een diepe bal, waren ze kwetsbaar.

65
00:04:45,479 --> 00:04:47,079
Want ze waren niet super snel achterin.

66
00:04:47,079 --> 00:04:53,959
En als je dan zelf wel snel bent met een lange bal in de diepte kreeg je veel grote kansen tegen.

67
00:04:53,959 --> 00:04:57,319
Dus dat kwam uit de data.

68
00:04:57,319 --> 00:05:04,599
Toen ben ik naar de videoman gegaan, de videoanalist en die had een videopresentatie voor de staf de voorbereiding.

69
00:05:05,239 --> 00:05:08,599
Die zei dat schaaf, dat moeten we laten zien.

70
00:05:08,599 --> 00:05:11,079
Dus die heeft beelden gezocht daarbij.

71
00:05:11,078 --> 00:05:19,799
En met die beelden, ondersteund met het verhaal uit de data, is het in de voorbereiding gegaan, en is ze ook in de wedstrijd ook uit zo'n moment gescoord.

72
00:05:19,959 --> 00:05:22,118
Oh, wat leuk, sta je dan ook echt te juist aan?

73
00:05:22,519 --> 00:05:23,958
Ja, dat was wel een persoonlijk succes.

74
00:05:23,959 --> 00:05:25,638
En niemand zal het er ooit over hebben.

75
00:05:26,039 --> 00:05:30,998
Wij nu, weet je, het is één keer gebeurd, het was NS 1.

76
00:05:32,438 --> 00:05:38,679
Daarna heb ik nooit echt meer zo'n concreet voorbeeld gehad dat het echt dat je een soort van doelpunt voor jezelf gescoord hebt.

77
00:05:38,998 --> 00:05:43,399
Maar het idee van, hé, maar je hebt data en daar heb je beeld bij, letterlijk.

78
00:05:43,799 --> 00:05:45,518
Dat was heel krachtig.

79
00:05:45,758 --> 00:05:54,638
En zo hebben we het ook daarna verder ingestoken, dat als ik wat zag dat ik dan met videoman ging zitten en dat we samen dat verhaal konden verkopen.

80
00:05:54,799 --> 00:05:56,078
En dat was best wel sterk.

81
00:05:56,239 --> 00:05:58,078
Dat was ook heel erg leuk om te doen.

82
00:05:58,239 --> 00:06:04,159
En dan heb je inderdaad een beetje draagvlak en vanuit een draagvlak kan je weer door naar nieuwe dingen bouwen en verdere analyses.

83
00:06:04,159 --> 00:06:09,518
En dit heb je meegenomen in je nieuwe team bij de NS.

84
00:06:10,318 --> 00:06:17,999
Wat was dan waar jij zei van oh ja, maar dit moeten we echt wel even op een andere manier visualiseren, beschrijven, storyline.

85
00:06:18,318 --> 00:06:19,839
Nou, dat is niet.

86
00:06:19,839 --> 00:06:22,638
Het heeft nog niks met de datavisualisaties echt te maken.

87
00:06:22,638 --> 00:06:29,758
Ik denk dat we daarvoor al hele goede mensen hebben en ook al best wel ver in het project zaten dat ik erbij kwam.

88
00:06:30,399 --> 00:06:35,439
Wat we wel hebben gedaan is op een gegeven moment zaten we in een fase.

89
00:06:35,438 --> 00:06:36,959
Ik was net bij het team.

90
00:06:37,198 --> 00:06:41,039
En we dachten dat we er al waren, zeg maar.

91
00:06:41,039 --> 00:06:47,198
En toen zaten we in de testfase om het eindproduct te gaan testen en dat was een van mijn eerste opdrachten.

92
00:06:47,758 --> 00:06:51,679
En uit die test, ik kwam er niet doorheen.

93
00:06:51,679 --> 00:06:56,239
En dat was heel lastig, want we dachten dat we er bijna waren, waar we zouden live gaan.

94
00:06:56,239 --> 00:06:59,599
Ik zeg van ja, ik kan de lijntjes niet aan elkaar knopen.

95
00:06:59,599 --> 00:07:03,919
En als ik hier een bug vind en ik los die op, ontstaat er ergens anders weer iets anders.

96
00:07:04,318 --> 00:07:07,758
De traceability was heel lastig te doen.

97
00:07:08,078 --> 00:07:12,879
En toen hebben we uitgezoomd naar eigenlijk de grove bouwblokken en het datamodel en hoe het eruit zag.

98
00:07:12,878 --> 00:07:17,518
En toen kwamen we er eigenlijk achter dat we het te moeilijk hadden gemaakt destijds.

99
00:07:17,599 --> 00:07:18,719
Het was te complex.

100
00:07:18,719 --> 00:07:24,239
Het was wel, het gaf wel de resultaten die het gaf, maar als er iets niet klopte, konden we het niet verklaren.

101
00:07:25,198 --> 00:07:30,878
En toen klikte wel mijn gevoel in van oké, maar dan kunnen we geen boodschap verkopen.

102
00:07:30,878 --> 00:07:33,359
Want je wilt net met die tunnels.

103
00:07:33,679 --> 00:07:34,638
We weten dat nu.

104
00:07:34,639 --> 00:07:36,398
Dus straks kunnen we dat gaan vertalen.

105
00:07:36,399 --> 00:07:37,918
Nou oké, het was een tunnel.

106
00:07:37,919 --> 00:07:41,919
Dus je kan zeg maar, je hebt geen scoren, want je hebt de tunnel gereden.

107
00:07:41,919 --> 00:07:43,599
Dat soort dingen konden toen nog niet.

108
00:07:43,599 --> 00:07:49,039
Dus toen hebben we op het moment dat we dachten dat we live gingen, hebben we gezegd, alles moet op de schop.

109
00:07:49,039 --> 00:07:50,159
Oh, spannend.

110
00:07:50,639 --> 00:07:52,799
Ja, dat was best wel spannend en pittig.

111
00:07:52,799 --> 00:07:56,239
En ik was samen met nog een andere collega net bij het team, zeg maar.

112
00:07:56,239 --> 00:07:59,919
En wij hadden dat met z'n tweeën, we zijn allebei data-engineers.

113
00:08:00,239 --> 00:08:02,879
Hebben dat met z'n tweeën die kar getrokken.

114
00:08:03,198 --> 00:08:06,158
En het was heel mooi dat ook het team ervoor open stond, zeg maar.

115
00:08:06,159 --> 00:08:12,319
Dus voor ons verhaal van oké, laten we het anders gaan doen op de schop gaan gooien.

116
00:08:12,318 --> 00:08:18,959
En met andere bouwblokken de business logica ordenen en samenvatten en veel beter performt.

117
00:08:18,958 --> 00:08:21,518
En ook nog traceability goed is.

118
00:08:21,679 --> 00:08:23,039
En simpeler, dus blijkbaar.

119
00:08:23,039 --> 00:08:23,839
Ja, en simpeler.

120
00:08:25,118 --> 00:08:27,038
Ja, dat was wel pittig.

121
00:08:27,039 --> 00:08:29,279
Want ja, onze deadline verschoven een kwartaal.

122
00:08:30,399 --> 00:08:34,558
Meteen en onder best wel een pressure cooker.

123
00:08:34,558 --> 00:08:35,919
En hebben we het wel gered.

124
00:08:35,919 --> 00:08:39,278
En dat is wel best lastig.

125
00:08:39,279 --> 00:08:44,479
Want je zegt ook tegen iemand: van ja, je hebt heel lang gewerkt aan iets en wij vinden het niet goed genoeg.

126
00:08:44,479 --> 00:08:46,558
Dat was best wel lastig om te zeggen.

127
00:08:48,958 --> 00:08:50,239
Iedereen stond er voor open.

128
00:08:50,239 --> 00:08:56,078
Iedereen heeft het best wel goed opgepakt en we zijn daar echt met z'n allen de schouders eronder gezet als team zijn om dat op te lossen.

129
00:08:56,159 --> 00:08:57,519
En dat is wel gaaf.

130
00:08:57,519 --> 00:09:07,198
En dan merk je ook van oké, dan neemt zo'n ervaring vanuit de voetbal, wat je dan hebt ervaren, dat neem je dan mee en dan werkt wel zijn vruchten dan af.

131
00:09:07,198 --> 00:09:11,839
En nu zijn we ook echt vorige week hadden we bijvoorbeeld een incident op dit product.

132
00:09:12,159 --> 00:09:15,359
En dan konden we oké, wat betekent dit dan en hoe moeten we dan herstellen?

133
00:09:15,359 --> 00:09:17,679
Nou, dat konden we best wel snel traceren.

134
00:09:17,679 --> 00:09:20,159
En iemand zei ook van, dit is de ultieme test.

135
00:09:21,198 --> 00:09:24,718
We hebben drie maanden gestopt om het opnieuw op te richten.

136
00:09:24,718 --> 00:09:32,159
Dit is de ultieme test op het te toetsen, weet je wel, heeft het echt goed.

137
00:09:33,279 --> 00:09:34,558
Stond je toen ook te juichen?

138
00:09:34,558 --> 00:09:36,238
Ja, ik stond op de bank.

139
00:09:36,958 --> 00:09:38,879
Maar het is wel een soort van doelpunt ook, toch?

140
00:09:38,879 --> 00:09:40,078
Ik bedoel, het is wel.

141
00:09:40,318 --> 00:09:42,718
Ja, dat klopt wel, het is wel heel fijn.

142
00:09:42,958 --> 00:09:46,558
Maar weet je, dan zit het ook weer in je natuur om ook weer snel te schakelen.

143
00:09:46,558 --> 00:09:49,919
Denken van ja, we zitten aan de fout de fout niet goed oplossen.

144
00:09:49,919 --> 00:09:50,639
En weer door.

145
00:09:50,639 --> 00:09:58,318
Weet je wel, je gaat de successen vergeet je soms een beetje te vieren en je gaat snel weer door naar het volgende, want je wilt weer door, weet je.

146
00:09:58,478 --> 00:10:04,399
En ik denk dat we in ieder geval met ons team soms daar wel iets langer bij stil mogen staan.

147
00:10:04,399 --> 00:10:05,439
Want ja, soms is het ook.

148
00:10:05,599 --> 00:10:09,279
Nou, want je hebt bij zijn risico genomen, zo'n kwartaal uitstel.

149
00:10:09,519 --> 00:10:11,039
Met een bepaalde belofte.

150
00:10:11,039 --> 00:10:13,198
En nu heb je dan je belofte ingelost.

151
00:10:13,198 --> 00:10:18,159
Ja, en ik vind het ook echt, we zijn echt, nu kunnen we ook echt doorbouwen.

152
00:10:18,159 --> 00:10:29,558
Dus nu hebben we ook die goede set om ook weer met de machine learning of ik weet niet waar de samenwerking straks op gaat lopen, zeg maar, met wat voor verbetering of model.

153
00:10:29,558 --> 00:10:31,799
Maar we zijn in ieder geval voor de volgende stap.

154
00:10:29,599 --> 00:10:35,959
Als daar weer iets uitkomt, kunnen we weer heel snel schakelen.

155
00:10:36,279 --> 00:10:37,639
Hoe kunnen we dat gaan verbeteren?

156
00:10:38,039 --> 00:10:41,159
En dat geeft wel heel veel rust en vertrouwen neem ik aan.

157
00:10:41,159 --> 00:10:42,999
Ja, en dat katalyseert ook.

158
00:10:42,999 --> 00:10:45,318
Dus dat zou ook wel fijn zijn.

159
00:10:45,318 --> 00:10:49,719
Dus die bal kan je heel snel gaan laten rollen als nu weer iets nodig is.

160
00:10:54,198 --> 00:10:58,438
Je gaf aan dat je dat je eigenlijk een andere achtergrond hebt.

161
00:10:58,838 --> 00:11:05,718
Wat zou je daar iets over kunnen vertellen en dan ben ik ook weer daar benieuwd bij van wat heb je daarvan meegenomen?

162
00:11:05,718 --> 00:11:07,399
Hier de techniek in.

163
00:11:07,399 --> 00:11:11,318
Ja, dat is heel leuk, ik vind het zelf ook altijd heel leuk om te vertellen.

164
00:11:12,519 --> 00:11:19,318
Ik heb in Groningen bewegingswetenschap gestudeerd, bachelor en dan master sportwetenschap en verdiept in didactiek.

165
00:11:19,318 --> 00:11:23,958
Dus ik heb ook papiertje dat ik op het HBO les mag geven.

166
00:11:23,958 --> 00:11:25,319
Dat is mijn achtergrond.

167
00:11:25,478 --> 00:11:28,598
En tijdens mijn opleiding heb ik me steeds begonnen met MATLAB.

168
00:11:28,598 --> 00:11:30,759
Het was een, ik weet niet of je het kent, de MATLAB.

169
00:11:31,078 --> 00:11:32,598
Maar misschien wel even uitleg voor de luister.

170
00:11:32,679 --> 00:11:34,599
Ja, MATLAB is een programmeertool.

171
00:11:34,598 --> 00:11:37,718
Het is vooral gericht volgens mij voor simulaties.

172
00:11:37,879 --> 00:11:43,079
Is het heel krachtig in, maar wij zaten echt nog heel erg in A plus B-achtige scenario's.

173
00:11:43,078 --> 00:11:48,358
En we moesten een van de opdrachten was dat we een mannetje moesten bouwen.

174
00:11:48,359 --> 00:11:53,878
En die moest dan zwaaien en dan moesten we een filmpje van maken en dan stond hij zo met zijn arm te zwaaien en dan moesten we dat opnemen.

175
00:11:53,879 --> 00:11:55,239
Dat was dan een opdracht.

176
00:11:55,478 --> 00:12:00,839
Het ging vooral dat vak heeft me vooral geleerd van hoe denk je in procesblokken, zeg maar.

177
00:12:00,838 --> 00:12:02,679
We moesten ook flowcharts maken.

178
00:12:02,919 --> 00:12:09,799
Hoe zorg je ervoor dat je in die procesblokken de juiste stappen zet om tot een oplossing te komen.

179
00:12:09,799 --> 00:12:18,519
En dat puzzelende denken, zeg maar, ik noem het puzzelend denken, daar heb ik uiteindelijk mezelf steeds verder in gediet van wat heb ik daarvoor nodig om dat goed te kunnen doen.

180
00:12:18,519 --> 00:12:24,199
Dus ik ben extra vakken gevolgd in big data, data science, dat soort dingen.

181
00:12:25,478 --> 00:12:31,718
Verdiept de Power BI stage gelopen bij FC Groningen destijds kon ik ook met de data bezig.

182
00:12:31,879 --> 00:12:34,039
Steeds verder daarmee bezig gegaan.

183
00:12:34,039 --> 00:12:43,478
En dat escaleerde gewoon heel erg dat ik uiteindelijk ook in de voetballerij dit mocht gaan doen en later ook bij NS.

184
00:12:45,958 --> 00:12:51,238
Maar bij NS, toen ik daar kwam, toen zeiden ze, ja, maar wij werken met SQL en Snowflake.

185
00:12:51,238 --> 00:12:55,719
En Azure Data Factory en Nifi.

186
00:12:56,198 --> 00:12:58,999
En Informatica, ik zeg, ja, dat is leuk.

187
00:12:58,998 --> 00:13:00,519
Ik heb Python.

188
00:13:00,679 --> 00:13:01,318
Ken ik.

189
00:13:01,318 --> 00:13:02,759
En ik heb Power BI, zeg maar.

190
00:13:02,759 --> 00:13:04,919
En daar ben ik best wel vaardig in geworden.

191
00:13:06,039 --> 00:13:08,039
Maar ik zeg je dus, ik ken dat allemaal niet.

192
00:13:08,438 --> 00:13:12,999
Wat ik wel kan is heel goed nadenken over hoe het zou moeten werken, zeg maar.

193
00:13:12,998 --> 00:13:15,558
En ik kan puzzelen denken.

194
00:13:15,558 --> 00:13:16,838
Dat heb je aan mij.

195
00:13:17,078 --> 00:13:19,879
En die taal komt vanzelf wel.

196
00:13:20,519 --> 00:13:21,718
Daar vertrouwen ik wel op.

197
00:13:21,718 --> 00:13:23,159
Zo is nou het is goed.

198
00:13:23,318 --> 00:13:24,198
Kom maar binnen.

199
00:13:24,198 --> 00:13:25,238
Zo netjes.

200
00:13:25,238 --> 00:13:30,839
En het mooie is nog dat destijds was het misschien een kleine bluf.

201
00:13:30,838 --> 00:13:34,358
Maar ik geloofde daar wel echt in en dat heeft zich ook echt wel uitbetaald.

202
00:13:35,159 --> 00:13:40,919
Het vertrouwen van de NS heeft het uitbetaald, maar ook het kwam ook allemaal uit.

203
00:13:41,078 --> 00:13:42,439
Nu gaat het ook heel erg goed.

204
00:13:42,599 --> 00:13:53,558
Wat ik merk met mijn collega's is dat de opleiding die ik heb gevolgd en de stappen die ik daartussen heb gezet, hebben ook heel erg geleerd van hoe communiceer ik nou.

205
00:13:53,879 --> 00:13:58,359
En wat is er voor nodig om goed te praten over data.

206
00:13:58,359 --> 00:14:10,119
En ook goed samen te werken met verschillende met stakeholders, en wat zijn dan volgens jou een aantal van succesfactoren erin dan.

207
00:14:12,679 --> 00:14:16,519
Het is ook een klein beetje hoe je als persoon bent, denk ik.

208
00:14:16,838 --> 00:14:18,599
Sommige mensen hebben dat niet.

209
00:14:18,759 --> 00:14:28,279
Maar het is ook wat ik merk als kracht is dat je goed kan luisteren naar wat zijn mensen hun krachten.

210
00:14:28,279 --> 00:14:30,999
Hoe zet je mensen het beste in hun kracht.

211
00:14:32,279 --> 00:14:35,079
Vaak hebben we nog wel eens de mindset, denk ik.

212
00:14:35,478 --> 00:14:37,639
Ik wil graag iets leren.

213
00:14:37,958 --> 00:14:39,398
Wat ik niet kan, zeg maar.

214
00:14:39,399 --> 00:14:41,318
Maar ik geloof heel erg in.

215
00:14:41,958 --> 00:14:48,759
Je moet mensen gebruiken waar ze goed in zijn, en daar misschien juist de stap in zetten van hoe kun je dat nog beter doen.

216
00:14:49,399 --> 00:14:50,599
Want dat is leuk.

217
00:14:50,679 --> 00:14:55,879
En als je succes behaalt, dan is dat gewoon gaaf.

218
00:14:57,079 --> 00:14:59,238
Dus daar zit ik heel erg op.

219
00:14:59,238 --> 00:15:04,919
En ook denk dat dat het is een beetje succesfactor.

220
00:15:04,919 --> 00:15:06,438
Maar het is ook heel erg lastig.

221
00:15:06,438 --> 00:15:08,759
Het is ook heel situatieafhankelijk.

222
00:15:09,478 --> 00:15:11,078
De ene situatie is de andere niet.

223
00:15:11,399 --> 00:15:14,279
Je doet je best en soms werkt er iets wel en soms werkt iets niet.

224
00:15:14,318 --> 00:15:18,238
En toch de mindset hebben van het puzzelen de oplossen.

225
00:15:20,399 --> 00:15:29,999
Kijken of het werkt, en als het niet werkt, terug naar de tekentafel aan het volgende oppakken en accepteren dat dat kan, het hoeft niet one shot one kill te zijn.

226
00:15:31,119 --> 00:15:37,919
En dat is best wel lastig, want op zich is het denk ik ook wel een mooi stapje richting de AI.

227
00:15:37,919 --> 00:15:45,279
Want daar is het niet altijd heel duidelijk welke route je moet kiezen, die zorgt voor resultaat.

228
00:15:45,279 --> 00:15:55,759
Dus dat betekent inderdaad dat je zegt proberen, een bepaald model kiezen, een bepaald algoritme kiezen, je weet niet of dat precies bij je data past.

229
00:15:55,759 --> 00:16:07,679
Dus het is af en toe een weg in slaan, zien dat dat doodlopend is, maar waar je wel moet opletten dat je iets geleerd hebt en dat je dat geleerde weer terugneemt en de volgende route neemt.

230
00:16:08,318 --> 00:16:11,759
De kans dat je in één keer, wat jij noemt die one shot.

231
00:16:11,759 --> 00:16:16,159
Dat je die weet draken, die kans is heel erg klein.

232
00:16:17,119 --> 00:16:18,959
En dat vind ik zelf ook wel lastig.

233
00:16:18,958 --> 00:16:27,999
Want ik heb wel eigenlijk die mindset ook een beetje meegekregen vanuit vanuit de voetbal van dat ik dat heel graag wil en wil nastreven.

234
00:16:29,919 --> 00:16:35,679
Maar soms ook accepteren dat dat niet kan, dat is natuurlijk die balans zoeken, dat is wel de crux.

235
00:16:35,999 --> 00:16:41,359
En mijn vorige manager die zei ook vaak.

236
00:16:42,159 --> 00:16:46,159
Die had growth mindset, dat vertaalde hij ook heel erg binnen het voetballerij.

237
00:16:46,159 --> 00:16:59,679
Ook van oké, one percent growth every day dan is cumulatief zit je op 36 of zo als je elke dag cumulatief 1,01 tot de macht 365 doet, dan kom je wel hoog uit.

238
00:16:59,838 --> 00:17:00,878
Ik weet het al niet meer.

239
00:17:01,838 --> 00:17:02,718
Dat is gigantisch.

240
00:17:04,318 --> 00:17:15,839
Dat versterkt zich heel erg en daarvoor openstaan dat je fout kan maken en dan daarvan kan leren of juist de verbetering bij iemand anders neerlegt.

241
00:17:17,118 --> 00:17:20,878
Dat kan heel erg helpen en ook denk ik met AI.

242
00:17:22,558 --> 00:17:24,558
Dat je denkt, oké, we gaan het gewoon doen.

243
00:17:25,438 --> 00:17:30,159
Ik heb misschien nog wel een aardig voorbeeld als ik dat mag vertellen.

244
00:17:30,238 --> 00:17:42,879
Is dat ik samen met een collega bezig om een proces van software te bouwen nog verder te automatiseren om echt te kijken van hoe ver kunnen we dit pushen.

245
00:17:43,198 --> 00:17:46,958
En dan hadden we een deel al van liggen.

246
00:17:46,958 --> 00:17:54,319
Maar het bleek, we zijn een wat grote bedrijf, dat een andere collega was ook met zoiets bezig.

247
00:17:54,319 --> 00:18:02,318
En toen dachten we van oh, maar dan is het eigenlijk wel handiger dat wat hij gebouwd heeft dat wij dat overnemen.

248
00:18:02,319 --> 00:18:05,758
En daar dan aanpassing op gaan maken.

249
00:18:06,079 --> 00:18:11,198
Dus we hadden de switch gemaakt en die switch heeft best wel wat tijd en effort gekost.

250
00:18:11,518 --> 00:18:15,198
Maar toen moesten we ook daadwerkelijk grote veranderingen doorvoeren.

251
00:18:15,198 --> 00:18:16,478
En toen kwamen we erachter.

252
00:18:16,559 --> 00:18:18,718
Dat hij zei, ja, maar ik kan dat niet.

253
00:18:18,718 --> 00:18:21,119
Want dit proces is goedgekeurd.

254
00:18:21,119 --> 00:18:24,079
En dat is ISO goedgekeurd.

255
00:18:24,718 --> 00:18:30,958
Wij mogen niet voor een experiment zijn proces even zomaar gaan aanpassen.

256
00:18:32,559 --> 00:18:36,159
Dus voor de collega die zei eigenlijk van ja, dat is ook zonde.

257
00:18:36,159 --> 00:18:41,438
Dan hebben we best wel een tijd geïnvesteerd om dat over te nemen.

258
00:18:41,679 --> 00:18:45,118
Waarbij ik dan zei van ja, maar wat kunnen we nou leren.

259
00:18:45,119 --> 00:18:49,599
Want daar zaten natuurlijk verschillen in wat wij bedacht hadden, wat de ander bedacht hadden.

260
00:18:49,599 --> 00:18:57,119
Van wat zijn nou de goede elementen die dan wij mee kunnen nemen en dat dan toch weer terugnemen in het proces wat wij hadden bedacht.

261
00:18:57,119 --> 00:18:59,199
Want wij moesten toch wel iets anders doen.

262
00:18:59,198 --> 00:19:05,038
En dan vind ik dat het waard dat je dat ander hebt onderzocht.

263
00:19:05,919 --> 00:19:12,078
En dat je daar heb je zoveel detail mee gekregen.

264
00:19:12,079 --> 00:19:15,518
Dat je daar de slimme dingen van kan leren en kan meenemen.

265
00:19:15,518 --> 00:19:18,558
En dan vind ik dat niet geen zonde van de tijd.

266
00:19:19,758 --> 00:19:22,399
Zo werkt het ook, denk ik, het is een beetje iteratief.

267
00:19:23,359 --> 00:19:27,919
Je bouwt stap op stap weer door en soms moet je een stap terug doen om weer een stap naar voren te zetten.

268
00:19:27,919 --> 00:19:31,919
Maar elke keer weer denken van oké, wat hebben we hier nou van geleerd en wat kunnen we hiermee?

269
00:19:33,438 --> 00:19:37,919
Ook proberen te begrijpen van wat betekent dit eigenlijk.

270
00:19:38,238 --> 00:19:40,078
Dat is wel heel krachtig, denk ik.

271
00:19:41,758 --> 00:19:47,518
Ik geloof er ook heilig in dat dat ook weer voor verdere ontwikkeling kan zorgen.

272
00:19:47,998 --> 00:19:51,118
En je had het over de bewegings.

273
00:19:51,919 --> 00:19:54,759
Je moet me even helpen, bewegen?

274
00:19:54,758 --> 00:19:56,438
Nee, wat je gestudeerd had.

275
00:19:56,438 --> 00:19:57,198
Bewegingswetenschappen.

276
00:19:58,238 --> 00:20:00,438
Alsof ik ook niet op het woord wetenschap.

277
00:19:59,679 --> 00:20:01,798
Bewegingswetenschap.

278
00:20:02,919 --> 00:20:04,038
Heb je nog iets?

279
00:20:04,038 --> 00:20:08,919
Wat dat is natuurlijk wel grappig, want je bent nu letterlijk ook bezig met beweging.

280
00:20:09,238 --> 00:20:15,878
Is daar is daar nog iets van een overlap van wat je wat je daar toen ooit geleerd hebt, wat je hier mee.

281
00:20:16,038 --> 00:20:17,879
Nee, dat staat los van elkaar.

282
00:20:21,478 --> 00:20:31,718
Wat ik wel heb geleerd, daar is zeg maar dat daar uiteindelijk mensen die de opleiding hebben gedaan, die landen op heel veel verschillende plekken in het land bij verschillende bedrijven.

283
00:20:32,038 --> 00:20:37,078
Sommige mensen dan in het onderzoek en andere mensen landen weer bij de NS zoals ik.

284
00:20:37,399 --> 00:20:41,558
Ik heb een collega, die is gewoon vijf of zes jaar voor mij afgestudeerd.

285
00:20:43,319 --> 00:20:44,598
Ja, maar ja, die kom je daar nog tegen.

286
00:20:44,599 --> 00:20:45,159
Ik ken het niet.

287
00:20:45,238 --> 00:20:47,318
Maar hij zegt, ja, ik heb bewegingswetenschap gestudeerd.

288
00:20:48,679 --> 00:20:49,639
Dat is ook raar.

289
00:20:49,639 --> 00:20:52,919
Maar ja, ook wel weer heel leuk.

290
00:20:53,559 --> 00:20:55,558
Je leert echt samenwerken, merk ik.

291
00:20:55,559 --> 00:20:57,319
En mensen met dezelfde mindset.

292
00:20:57,639 --> 00:21:02,119
Er komen echt hetzelfde soort mensen komen daar bij elkaar bij die opleiding.

293
00:21:02,119 --> 00:21:05,079
Wat een heel goede leeromgeving maakt.

294
00:21:05,079 --> 00:21:15,159
En dat is heel prettig, want dan kan je ook echt stappen zetten op sociaal vlak, maar ook de vrijheid pakken om andere dingen te gaan leren.

295
00:21:15,478 --> 00:21:24,358
En ik heb hem al verdiept op data en data modelleren en noem maar op, big time aan datascience, dat vond ik gaaf.

296
00:21:24,599 --> 00:21:27,558
Zo hebben anderen dat weer met psychologie bijvoorbeeld op zo gedaan.

297
00:21:27,559 --> 00:21:29,319
Dus die zijn daar weer in gaan groeien.

298
00:21:30,839 --> 00:21:34,758
Ik neem echt wat je meeneemt, zijn meer dat soort ervaringen.
299
00:21:35,319 --> 00:21:39,719
Sociale dingen, maar echt de skills en de know-how mee.
 299
00:21:39,718 --> 00:21:44,198
Maar het werkt ook heel goed binnen de huidige organisatie, denk ik.
 300
00:21:45,798 --> 00:21:51,718
We hebben nu bij NS hebben we een technical team lead collectief.
 301
00:21:52,599 --> 00:21:57,239
Van elk team een afgevaardigde teamlid, zeg maar.
 302
00:21:57,238 --> 00:22:18,679
En we proberen daarin met groep mensen, het zijn een stuk of dertig mensen, om met die club mensen bij NS meer de lijnen uit te zetten en de kaders te schetsen van dit is hoe we als dataafdeling willen gaan groeien, vanuit de praktijk, niet vanuit bovenaf, maar echt vanuit de praktijk.
 303
00:22:18,679 --> 00:22:25,479
En dan natuurlijk worden wij wel gevoed met de problemen die leiding ervaart als het ware.
 304
00:22:25,478 --> 00:22:28,679
Van waar moeten we naar gaan kijken, waar moeten we ons om focussen.
 305
00:22:29,559 --> 00:22:37,639
Maar dan merk je dat je in een kleinere clubje zit, best wel leuk comité, denk ik, met allemaal hele slimme mensen.
 306
00:22:37,639 --> 00:22:41,639
En hoe die dan op de juiste manier aan te praten krijgen, dat vind ik wel heel erg leuk.
 307
00:22:41,639 --> 00:22:49,078
En dan merk je ook wel dat je dan wat doortastender bent dan anderen, omdat je die sociale skills wat verder hebt ontwikkeld.
 308
00:22:49,238 --> 00:22:51,478
En dat is wel heel gaaf merk ik soms.
 309
00:22:54,198 --> 00:23:00,919
Waar hoop je dat deze technologie ons naartoe brengt?
 310
00:23:00,919 --> 00:23:02,999
Voor het energiezuinige rijden bedoel je.
 311
00:23:02,998 --> 00:23:04,999
Ja, nou dat hoeft nog niet eens per se.
 312
00:23:04,998 --> 00:23:07,238
Je mag ook wat groter denken.
 313
00:23:07,559 --> 00:23:09,399
Als je denkt over AI.
 314
00:23:10,039 --> 00:23:14,998
Wat hoop je zeg maar dat dat gaat brengen?
 315
00:23:18,119 --> 00:23:18,998
Een lastige vraag.
 316
00:23:18,998 --> 00:23:32,198
Het is niet echt iets waar ik vaak bij stilstaan, als ik kijk naar waar wij nu bijvoorbeeld tegenaan lopen met een bepaald proces, is dat iemand hebben in de organisatie die zegt.
 317
00:23:32,839 --> 00:23:39,958
Ik wil een bepaald product insourcen en daar zijn deze 30 business rules voor nodig.
 318
00:23:39,958 --> 00:23:44,198
En probeer dat te doorgronden met de dataset die we hebben met de business.
 319
00:23:44,438 --> 00:23:46,919
Maar we komen er gewoon niet uit.
 320
00:23:46,919 --> 00:23:52,999
En eigenlijk hebben we daar vier, vijf mensen voor nodig die samen daarna gaan kijken, uren investeren om dat te gaan doen.
 321
00:23:52,998 --> 00:24:06,359
En ik merk eigenlijk de hele tijd aan mezelf van, als ik nou met die business set en die dataset, gaan praten met de agent, hoe snel zou dat dan wel niet kunnen gaan?
 322
00:24:06,359 --> 00:24:15,078
En dan denk ik van oké, maar het is ook niet de bedoeling dat je per se mensen wilt gaan vervangen, denk ik, maar je wilt wel denk ik slimmer gaan werken en sneller waarde gaan leveren.
 323
00:24:15,079 --> 00:24:21,558
En ik denk dat daar echt de kracht zit dat je veel sneller tot waarde kan komen.
 324
00:24:22,198 --> 00:24:24,759
Met wel met dezelfde capaciteit aan mensen.
 325
00:24:25,318 --> 00:24:29,399
Daar zie ik wel echt de kansen, zeg maar.
 326
00:24:35,159 --> 00:24:38,518
Laat ik het eerst even vragen over je presentatie nog.
 327
00:24:38,519 --> 00:24:40,038
Wij zijn we zijn aan alle kanten.
 328
00:24:40,359 --> 00:24:41,718
Ik ben niet alle kanten op schoven.
 329
00:24:42,438 --> 00:24:44,798
Volgens mij hebben we best wel een mooie lijn gehad.
 330
00:24:44,359 --> 00:24:48,399
Waarom zouden mensen naar je presentatie moeten komen.
 331
00:24:49,198 --> 00:24:56,399
Ik geloof heilig in kennisdeling en elkaar inspireren en leren van elkaar.
 332
00:24:57,359 --> 00:25:00,879
Ik denk dat we best wel een leuk product gebouwd.
 333
00:25:01,198 --> 00:25:10,558
Ook met de struggles die ik heb net verteld over hoe we dat hebben gedaan met de tijdsdruk dat we moest helemaal terug naar wil moesten en weer helemaal volledig nieuw op gingen bouwen.
 334
00:25:10,639 --> 00:25:19,278
Daar, er zit voor iedereen zit er wel denk ik iets in die presentatie waarvan je kan op aanhaken en wat je kan herkennen in je eigen werk.
 335
00:25:19,919 --> 00:25:23,838
En de voor openstaan dat dat zeg maar voor jou iets is.
 336
00:25:24,159 --> 00:25:25,438
Dat is de eerste stap.
 337
00:25:25,438 --> 00:25:30,399
En dan kom je bij mijn presentatie en dan denk je van oh ja, wacht even, dat is inderdaad interessant, daar kan ik wat mee.
 338
00:25:31,438 --> 00:25:37,839
Zo heb je op de Expo heel veel presentaties, denk ik die dat voor jou kunnen betekenen.
 339
00:25:39,278 --> 00:25:46,318
Ik denk dat als je met die mindset komt en je komt kijken, dat gaat gewoon voor jou gaat dat gewoon heel leuk zijn.
 340
00:25:46,319 --> 00:25:48,558
En daarnaast hoop ik voor mezelf.
 341
00:25:48,559 --> 00:25:54,399
Voor mij is het weer een podium dat ik denk van ja, ik vind het eigenlijk best wel spannend om dat te doen.
 342
00:25:54,399 --> 00:25:56,079
En ik heb het al een tijd niet gedaan.
 343
00:25:56,559 --> 00:26:00,159
Maar ik wil dat ook wel weer eens een keer ontdekken van hoe werkt dat nou.
 344
00:26:00,159 --> 00:26:06,479
En dat de mensen naar mij toe komen van die GPS-data, weet je, daar kan ik, daar weet ik heel veel van.
 345
00:26:06,639 --> 00:26:07,839
Zij zullen wel eens even zitten.
 346
00:26:07,839 --> 00:26:12,958
En dat hoop ik ook, want ik geloof niet dat wij alle wijsheid in pacht hebben.
 347
00:26:14,798 --> 00:26:16,718
Er is altijd wel iets wat je niet weet.
 348
00:26:18,079 --> 00:26:24,159
Elkaar vinden en verbinden met zo'n congres en zo'n presentatie en dan van elkaar de vlucht te plukken.
 349
00:26:25,359 --> 00:26:26,558
Dat hoop ik gewoon.
 350
00:26:27,518 --> 00:26:28,879
Hartstikke mooi.
 351
00:26:30,478 --> 00:26:33,838
Ik wil je ontzettend bedanken voor dit gesprek.
 352
00:26:34,319 --> 00:26:35,919
Weer een hoop geleerd.
 353
00:26:35,919 --> 00:26:43,038
Mooi om te zien, hoe je de werelden hebt verbonden van het voetbal naar de NS.
 354
00:26:43,278 --> 00:26:45,119
Vanuit je bewegingswetenschap.
 355
00:26:45,198 --> 00:26:52,559
Dus we hebben een hele reis eigenlijk door misschien je carrière gemaakt.
 356
00:26:52,559 --> 00:26:54,478
Ontzettend leuk, dankjewel Rick.
 357
00:26:54,718 --> 00:26:56,958
Graag super tof.
 358
00:26:57,758 --> 00:27:08,399
Leuk dat je weer luisterde naar deze aflevering, vergeet je niet te abonneren op je favoriete podcast app, dan mis je geen aflevering, tot de volgende keer.