Na forse investeringen in automatisering, is het optimaal benutten van deze data dan ook ‘the next step’ in deze sector.

• CRM-systemen waarin contacten met de huurders worden vastgelegd;
• Self-service-portalen voor reparatie-verzoeken en klachten
• Backoffice-systemen die zorgen voor een geautomatiseerde financiële verwerking en planning van bouw en onderhoud, etc.

Ze leveren een enorme hoeveelheid data op. Een waardevolle bron van kennis over huurders en woningen. Kennis die gebruikt kan worden om je bedrijfsprocessen slimmer in te richten en de kwaliteit van dienstverlening te verbeteren. Met ‘machine learning’ kan de kennis die in data opgesloten zit worden vertaald in praktisch bruikbare toepassingen die zorgen voor betere diensten tegen minder kosten.

Wat is machine learning?

Machine learning is een techniek die software in staat stelt om zelflerend te zijn zonder expliciet te programmeren. In plaats van het schrijven van code met veel ‘als dit dan dat’-regels, worden bij machine learning patronen in data herkend. Door het aanleveren van een grote verzameling (historische) gegevens leert het systeem. In de historische data is immers vaak ook de – door mensen – eerder genomen beslissingen vastgelegd. Door deze data te analyseren leert het systeem in welke situaties welke beslissingen zijn genomen en is het in staat om ook voor nieuwe gevallen een goede voorspelling te maken. In die zin wordt software daarmee intelligent: het kan meer dan enkel voorgeprogrammeerde regels uitvoeren. Het is een uiterst krachtige techniek waardoor software taken kan uitvoeren die tot voor kort voornamelijk door mensen uitgevoerd werden. Daarmee kunnen diverse bedrijfsprocessen, cliëntgerichte diensten en andere datagedreven functies op een vernieuwende wijze worden geautomatiseerd.
Machine learning – ook wel kunstmatige intelligentie of artificial intelligence (AI) genoemd – is niet nieuw. Het kent zijn oorsprong in de academische wereld eind jaren vijftig en wordt al dagelijks gebruikt bij grote bedrijven. Echter door de ruime beschikbaarheid van (big) data, de toename in processing power en de beschikbaarheid van machine-learning-platformen is deze technologie in een snel tempo volwassen geworden en toepasbaar voor kleine en middelgrote organisaties.

Machine learning, big data en data analytics

Data is de brandstof voor machine-learning-algoritmes: zonder data geen slimme toepassingen. Data kan gestructureerd zijn opgeslagen in de databases van de primaire automatiseringsystemen, maar kan ook ongestructureerd zijn opgeslagen in documenten, mails of afbeeldingen. Ook kan soms open data worden gebruikt die afkomstig is van de overheid of externe partijen. Denk bijvoorbeeld aan data van het KNMI over de historische weeromstandigheden. Gecombineerd met gegevens over eerdere reparatieverzoeken kan een model worden gemaakt wat op basis van de weersvoorspellingen aangeeft hoeveel reparatieverzoeken te verwachten zijn.

De hoeveelheden data nemen de laatste jaren snel toe, vandaar dat wordt gesproken over big data. Met moderne business intelligence / data analytics tools kan op eenvoudige en visuele wijze inzicht verkregen worden in de verbanden tussen gegevens. Op basis hiervan kan besloten worden of het zinvol is om een voorspellend machine-learning-model te gaan realiseren, of dat een rapportage voldoende is om sturing te kunnen geven aan processen.

Toepassing in de praktijk: corporatie Woningbelang

Woningbelang is gevestigd in Valkenswaard en staat midden in de samenleving. De corporatie verhuurt circa 3.900 woningen en maatschappelijk vastgoed. Woningbelang is een financieel gezonde corporatie die hoog scoort op klantgerichtheid en maatschappelijk presteren tegen lage kosten. Uit de landelijke Aedes-benchmark blijkt dan ook dat deze corporatie behoort tot de kopgroep. Na jarenlang investeren in het continu verbeteren van processen is in 2016 de geautomatiseerde omgeving volledig vernieuwd. Hiermee is het fundament gelegd om nog een extra stap te zetten in een betere dienstverlening tegen lage kosten. Middels machine learning is de corporatie aan de slag gegaan om effectiever, efficiënter en bovenal nog meer klantgericht te worden. Tijdens een kick-off van dit experiment kwamen de mogelijke toepassingen vrij snel op tafel. Om het project werkbaar te houden, is de behoefte van de organisatie geprioriteerd en heeft een analyse van de benodigde data plaatsgevonden. Goed beschouwd is het gebrek aan (betrouwbare) data de grootste beperking.

Binnen machine learning lijken de mogelijkheden eerder eindeloos. De grootste bijvangst van deze casus is dan ook de bewustwording van betere registraties in het nieuwe primair systeem van Woningbelang. Ondanks het feit dat de toepassing wordt beperkt door het ontbreken van data op enkele onderdelen, heeft machine learning nu al concreet resultaat geboekt. Zo geeft een voorspellend algoritme rondom huurincasso op basis van klachten, reparatieverzoeken, betaalgedrag, etc. aan welke passende methode van incasso en / of preventieve maatregelen moeten worden genomen om betalingsproblemen op te lossen of te voorkomen. Ook behoort het voorspellen van de noodzaak op controle van uitgevoerde reparaties – in plaats van een steekproef – tot de mogelijkheden. Op basis van data over de huurders en woningen kan worden voorspeld of een voor- of eindopname noodzakelijk is. Met minder inspanningen werkt de corporatie zo effectiever en meer klantgericht.

Over de auteurs

Maarten Meulepas werkt als manager Vastgoedbeheer bij Woningbelang. Tot voor kort lag zijn focus sterk op de financiële- en ICT-vraagstukken van de corporatie. Sinds kort heeft het sturen op klantgerichtheid en duurzaamheid binnen het vastgoedbeheer zijn volle aandacht.

Guus van de Mond is de oprichter van Machine Learning Company, een vernieuwend Nederlands bedrijf dat bedrijven en organisaties helpt met het toepassen van kunstmatige intelligentie.

Je ook voorbereiden op de corporatie van te toekomst? Schrijf je in voor:

• Congres: De digitale corporatie
• Training: Houd hackers buiten de deur