Sneller voetbaltalent vinden met een PlayerHub
Internationaal sportmanagement bureau
Data & AI voor de bouw
Elk bouwproject produceert data, maar bijna niemand kijkt er tijdens het project naar.
Calculatie, planning, inkoop, urenregistratie en materieel leven in eigen systemen en spreadsheets. Daardoor wordt pas bij de nacalculatie zichtbaar waar een project geld verloor. Data en AI brengen die bronnen samen en laten zien waar een project afwijkt terwijl er nog bijgestuurd kan worden.
Uitdagingen,
Krappe marges, personeelstekort en projecten die steeds vaker worden aanbesteed op prijs maken de bouw gevoelig voor verrassingen. Een onderaannemer die later komt, materieel dat stilstaat of een hoeveelheid die anders uitvalt dan gecalculeerd, telt direct door in het resultaat. Dat vraagt om informatie per project, tijdens het project.
Hoe wij ondersteunen,
Wij brengen calculatie, planning, inkoop en registraties van de bouwplaats samen in één datafundament en bouwen daarop rapportages en modellen die afwijkingen per project zichtbaar maken. Dit zijn enkele voorbeelden van wat er mogelijk is. Welke oplossing het beste past, hangt altijd af van de uitdaging en de organisatie.
DSL in cijfers,
40
Data experts
10+
Jaar ervaring
200+
Projecten gerealiseerd
8,7
Klantwaardering
Neem contact op met onze experts,
Wil je weten wat wij voor jouw organisatie kunnen betekenen?
Younes Seghrouchni
Managing Consultant GenAI & Data StrategyE-mail info@datasciencelab.nl
Carmen Wolvius
Managing Consultant Data Science & AIE-mail info@datasciencelab.nl
Stef Stoelwinder
Business DevelopmentE-mail info@datasciencelab.nl
Waar we dat doen,
Laatste blogs,
Lees hier onze laatste inzichten.
Drie lessen uit onze AI-projecten
In twee jaar tijd begeleidden we tientallen AI-projecten, van een eerste verkenning tot een model dat elke nacht draait. Sommige liepen precies zoals…
Van pilot naar productie: waarom de meeste AI-projecten stranden
Veel organisaties hebben inmiddels een AI-pilot gedraaid. Het model werkt, de demo oogst applaus, en dan gebeurt er niets meer. Uit onze praktijk…
Responsible AI van principes tot praktijk
Artificial Intelligence ontwikkelt zich razendsnel. Vrijwel elke week verschijnen er nieuwe modellen en steeds meer organisaties experimenteren met…
De organisaties die dat doen,
Veelgestelde vragen,
AI kan gegevens uit afgeronde projecten combineren met de voortgang van lopende projecten om risico's eerder zichtbaar te maken. Daardoor ontstaat beter inzicht in welke posten uit de pas lopen, welke leveranciers vertraging geven en waar materieel beter kan worden ingezet.
Bij de vraag die bij elke nacalculatie terugkomt: waar liep dit project uit de pas? Door calculatie en werkelijke kosten van afgeronde projecten naast elkaar te zetten, wordt zichtbaar welke posten structureel afwijken en waar het tijdens een project loont om te meten.
Calculaties, planningen, inkooporders, urenregistraties, materieelbeheer en de administratie van onderaannemers. Vaak in verschillende pakketten en spreadsheets. Het werk zit in het koppelen van die bronnen per project, zodat ze samen één beeld geven.
Als er voldoende afgeronde projecten zijn om van te leren en er beslissingen zijn die nu op ervaring worden genomen: welke prijs in een aanbesteding haalbaar is, welk materieel op welke dag nodig is of welke onderaannemer risico geeft op vertraging. Een model ondersteunt die inschatting; de calculator en uitvoerder beslissen.
Door de uitkomst te tonen in het projectoverzicht dat werkvoorbereiding en uitvoering al gebruiken, en door af te spreken wie het model bijhoudt als prijzen, leveranciers of werkwijzen veranderen. Een rapport dat alleen op kantoor wordt gelezen, verandert niets op de bouwplaats.