Het failliet van
de onderbuik
Het onderbuikgevoel heeft zijn langste tijd gehad,
denkt Roderik Ponds. Belangrijke beslissingen
zullen meer en meer evidence-based genomen
worden na grondige data-analyses. Aan data is
geen gebrek, aan goede verhalen uit die data nu
nog wel. De enorme ontwikkeling in data science
zal hier echter snel verandering in brengen.
Je hebt een rotsvast vertrouwen in de
kracht van data. Waar komt die overtuiging
vandaan?
‘Ik heb Sociale Geografie en Economie gestudeerd
en ben gepromoveerd op de rol van
universiteiten voor de regionale economie.
Daarvoor heb ik gewerkt met grootschalige
databases en zo is mijn interesse in data-analyse
aangewakkerd. Ik vind het mooi om te
zien wat je allemaal met statistische modellen
kunt. Er worden steeds meer data verzameld,
maar de kunst is om het verhaal uit die data te
halen. Dat geeft inzicht en sturingsinformatie
en daarin zit volgens mij de meerwaarde.’
Hoe haal je het verhaal uit die enorme
berg data?
‘Om het verhaal goed uit de data te halen heb
je verstand van data nodig én kennis van het
onderwerp waar het over gaat. Bij onderzoek
naar een regionale economie heb je dus gedegen
kennis van de regio en economie nodig,
anders kun je niet zoveel met die berg data.
Die wordt betekenisloos. Bij data-analyse gaat
het dus om een mix van aspecten: weten wat
er speelt, weten wat je kunt beïnvloeden en
de juiste datavaardigheden.’
Data-analyse kan zodoende helpen bij
besluitvormingsprocessen?
‘Dat weet ik wel zeker. Met de goede inzet van
data science wordt de wereld een beetje beter.
De echt grote beslissingen worden nu nog
steeds met de onderbuik genomen. Ik denk
december 2019 9
gebied van programmeren maar niet in staat
zijn de vertaalslag naar vastgoed te maken.
Mijn overtuiging ligt bij co-creatie in plaats van
dat ieder zijn eigen gang gaat. Als ‘consultant’
ben ik vaak bij de klant en die neem ik mee in
het hele digitaal proces. Een oplossing als het
‘Automated Valuation Model’ is in dat geheel
slechts een klein onderdeel.’
Wat zijn verdere toepassingen?
‘Er zijn legio toepassingen. Het model kan
bijvoorbeeld de vraag naar woningen, zowel
huur als koop, in een bepaald gebied bepalen.
Ook kan het waarde-effect bepaald worden
als er een voorziening in de buurt verdwijnt of
bijgebouwd wordt. Vooruitkijken behoort ook
tot mogelijkheden. Wat gaan de woningprijzen
doen in bepaalde economische scenario’s ?
Door de 1.000 datapunten per transactie kan
het model zowel micro als macro voor heel
veel vragen ingezet worden bij bijvoorbeeld
gemeenten en woningcorporaties. Eigenlijk
bij iedereen die op een of andere wijze met
de woningmarkt bezig is. Verder biedt data
science nog heel veel andere kansen binnen
de sector. Ik ga graag het gesprek aan met
partijen die meer met data willen doen of daar
al concrete ideeën over hebben.’ ■