Datagedreven gezondheid: een kijkje achter de schermen

Bij &niped baseren we onze inzichten en adviezen op enorme hoeveelheden data. Zo helpen we organisaties effectief sturing te geven aan gezondheidsbeleid. Want data inspireert. Het maakt inzichtelijk wat er speelt en waar verbetering mogelijk is. Het mooie aan onze datagedreven manier van werken is dat we deze altijd blijven ontwikkelen! Op die manier kunnen we in de toekomst nóg meer en nóg betere kennis delen.

Rob van der Voort, data-analist bij &niped vertelt over onze blik op data

‘‘Door de jaren heen is er binnen &niped steeds meer nadruk gaan liggen op het belang van onze data. Met onze groeiende hoeveelheden aan data kwamen ook nieuwe technologische mogelijkheden.

Wij houden ons nu bijvoorbeeld bezig met artificial intelligence. Om precies te zijn maken we gebruik van machine learning. Zo kunnen we steeds betere voorspellingen en ontdekkingen doen. Die modellen zijn continu aan het leren van onze data. Over het algemeen geldt daarbij: hoe meer data, hoe beter de voorspellingen die we kunnen maken. Het model wordt dan preciezer.’’ Legt hij uit.

De afgelopen jaren is de rol van &niped steeds meer verschoven van dataverzamelaar (welke data hebben we?), naar data–analist (wat kunnen we er allemaal mee?). Zo laten we onze data spreken, en geven we met onze data inzicht en advies.

Datagedreven inzicht

Ons product, de Persoonlijke Gezondheidscheck, blijven we op deze manier continu verbeteren. ‘‘Dankzij onze machine learning kunnen we nóg betere voorspellingen doen over de gezondheidsrisico’s binnen bepaalde organisaties. Dat gebeurt dan bijvoorbeeld aan de hand van bedrijfskenmerken, zoals bedrijfsgrootte of sector.

Zodra er nieuwe data binnenkomt legt zo’n model de verbanden vast tussen bedrijfskenmerken en bepaalde gezondheidsrisico’s. Zo groeit de zekerheid waarmee we iets kunnen zeggen over hun risico’s. Voor onze klanten betekent dat dan ook dat zij een steeds beter beeld krijgen van hoe gezond zij zijn. Bijvoorbeeld ten opzichte van vergelijkbare organisaties in hun sector. En wij kunnen hun ook de juiste adviezen blijven geven.’’

Nieuwe toepassingen voor onze data

‘‘Onze modellen zijn we eigenlijk altijd verder aan het ontwikkelen en optimaliseren. Er zijn namelijk altijd nieuwe toepassingen mogelijk. Dat is het mooie aan deze tak van sport.

We bouwen nu nog veelal voort op richtlijnen vanuit de wetenschap. Maar doordat we blijven door ontwikkelen kunnen wij onze data daar straks tegenover zetten, dankzij onze data-autoriteit. We kunnen de richtlijnen dan ondersteunen, of bijvoorbeeld juist zeggen: ‘Hé, maar onze data zegt iets anders, dus een suggestie voor de richtlijn is: …’’

Een mooi voorbeeld van zulke data-ondersteuning kwam recentelijk nog aan bod: ‘‘Bij lancering van onze corona test hebben we een hele nieuwe lading inzichten gekregen om mee aan de slag te gaan. We zagen bijvoorbeeld vanaf het begin al dat veel mensen geur- en smaakverlies hadden na besmetting met corona. Later kwam dit ook uit andere onderzoeken naar voren.’’

Dream big

En daar blijft het niet bij, als het aan Rob ligt… ‘‘Persoonlijk ben ik al erg trots op waar we nu staan. Maar ondertussen weet je ook dat onze data en -strategie nooit stilstaat. Ik zie ons dan ook nog veel verder groeien. Een droom van mij is bijvoorbeeld om onze data aan partijen als het UWV of CBS te kunnen koppelen. Dan kunnen we nog meer conclusies trekken over bijvoorbeeld gezondheid en preventie op de werkvloer. Het vinden van een variabele om zulke data te koppelen is altijd een kunst, maar ik zie het wel gebeuren! Ik verheug me er nu al op.’’

Benieuwd wat onze datagedreven aanpak voor jou kan betekenen? Neem contact met ons op!

Volg ons op LinkedIn en blijf op de hoogte van onze nieuwe ontwikkelingen.