Een aanbevelingssysteem op basis van een dataset van Exsell

Exsell, een bedrijf gespecialiseerd in het verbeteren van marketing en sales door middel van data science, werkt sinds drie jaar samen met JADS. Binnen het vak Causal Inference daagden zij de studenten uit zinvolle inzichten uit een rommelige dataset te halen. Hiermee werd hun vermogen getest om modellen te testen en om te gaan met rommelige data. De samenwerking leverde niet alleen diverse oplossingen en waardevolle inzichten op voor Exsell, maar zorgde ook voor een uitwisseling van frisse ideeën. Dit resulteerde in praktische oplossingen voor de klanten van Exsell en het stimuleren van innovatie binnen het data science domein.

Background Pattern

De uitdaging

Exsell, een bedrijf dat gespecialiseerd is in het verbeteren van marketing en sales met data science, is al lange tijd partner en deed voor het derde jaar mee aan de cursus Causal Inference, gegeven door Maurits Kaptein. Hun belangrijkste doel was om de studenten een dataset uit de echte wereld voor te leggen, om te zien wat ze ermee zouden doen. De door Exsell geleverde dataset was complex en rommelig, met als doel het testen van het vermogen van studenten om modellen te bouwen en zinvolle inzichten te halen uit de data.

Wat de studenten deden

De belangrijkste opdracht voor de studenten was om een aanbevelingssysteem te bouwen met behulp van de meegeleverde dataset. In het eerste jaar kregen de studenten de opdracht om een eenvoudig en al bestaand aanbevelingssysteem te verslaan. Hoewel geen enkele groep er in slaagde om het bestaande systeem in het eerste jaar te overtreffen, slaagden sommigen er in het daaropvolgende jaar wel in door vernieuwende technieken te introduceren.

Een van de belangrijkste lessen uit deze uitdaging was het observeren van de manier waarop verschillende groepen studenten het probleem benaderden. Elke groep werd voor unieke uitdagingen gesteld en had zijn eigen afwegingen bij het voorstellen van oplossingen. Deze diversiteit aan perspectieven bleek een waardevolle bron van inspiratie voor Exsell, omdat het hen stimuleerde om verschillende richtingen in hun bedrijf te verkennen.

Het proces bracht ook aan het licht dat bepaalde modellen veel ontwikkelingstijd vergden, terwijl andere sneller te bouwen waren. Sommige groepen kozen voor snelle oplossingen zodat ze hun deadline konden halen, hoewel dit niet altijd de beste keuze was voor deze specifieke uitdaging. Uit deze ervaring bleek echter hoe belangrijk het is om de juiste aanpak te kiezen op basis van het specifieke probleem.

Door intensief samen te werken met JADS, niet alleen binnen het vak Causal Inference, maar ook door deel te nemen aan het EngD-programma, doet Exsell frisse ideeën en inzichten op, maar en komt in contact met talentvolle studenten. Dit heeft al geleid tot de succesvolle indiensttreding van twee alumni van het EngD-programma. Ook een vers afgestudeerde Master-alumnus komt hun team versterken.

Kortom, de Causal Inference uitdaging met Exsell bleek een vruchtbare samenwerking, die resulteert in praktische oplossingen voor de klanten van Exsell en een verrijking voor de studenten.

Two practical ideas are already implemented

“Voor een bedrijf als Exsell is het cruciaal om verbonden te zijn met universiteiten vanwege de ontwikkelingen en alles wat daar gebeurt. Het gaat niet alleen om het resultaat; het gaat om de ideeën die uit deze samenwerkingen... Read more
Dennis van der Horst Exsell
Background Pattern

Waarom samenwerken met JADS?

JADS biedt innovatieve data science-programma’s op bachelor-, master- en postdoctoraal niveau, voert baanbrekend data science-onderzoek uit en biedt geweldige zakelijke mogelijkheden met een voortdurend groeiend ecosysteem. Van startups tot KMO’s en grote bedrijven, onze zakelijke partners krijgen toegang tot talent, kennis op hoog niveau en zakelijke kansen.

Sluit u aan bij JADS, net als 300+ andere organisaties en bedrijven, en geef vorm aan uw datagestuurde toekomst.

Ontdek meer over onze mogelijkheden voor bedrijven
Group 5
Group 6
Group 7