Schiphol

Afgelopen jaar was Schiphol de op twee na drukste luchthaven van Europa met zo’n 71 miljoen passagiers. Om deze drukte zo soepel mogelijk te laten verlopen speelt data een grote rol: bijvoorbeeld vertragingen, storingen en asset-performance voorspellen. Hiervoor heeft Data Science Lab machine learning modellen (neural networks) ontwikkeld. Daarnaast gebruiken we dashboard-rapportages die inzicht geven in gebruik, beschikbaarheid en kwaliteit van diverse assets . Voor medewerkers hebben we een eenduidige structuur en complete data-pipeline ontworpen voor data-toegang, scripting en publicatie in een cloud-omgeving.

Gebruikte technieken en tools zijn: Power BI, Python, Flask (Python+HTML+Javascript), Azure Microservices, Docker, SQL, diverse plot-libraries (matplotlib, plotly), en tensorflow.