Wiskunde

Ger Koole

Prof. Ger Koole is wiskunde professor aan de Vrije Universiteit Amsterdam, waar hij de opleiding Business Analytics and Optimization doceert. Zijn onderzoek focust zich op het gebruik van Optimalisatie en Machine Learning in de dienstverlening, met name in call centers, de gezondheidszorg en inkomstenmaximalisatie. Naast zijn academische carrière is hij medeoprichter van het bedrijf CCmath dat zich richt op het optimaliseren van de workforce in call centers door het toepassen van wiskunde in de praktijk. Verder is hij afgelopen maanden druk bezig geweest met berekeningen voor het LCPS, het Nederlandse centrum voor het verspreiden van COVID-19 patiënten. Maar hoe treedt wiskunde naar voren in al deze gebieden? En hoe goed of slecht is de dienstverlening op dit moment in Nederland? Dat en meer komt aan bod in zijn interview met DWIN.  

Meest recent

Gonneke Stevens

Dr. Gonneke Stevens is een Universitair Hoofddocent aan de Universiteit Utrecht voor de opleiding Interdisciplinaire Sociale Wetenschap. Ze onderzoekt in hoeverre en waarom sommige groepen adolescenten en jongvolwassenen -met name diegene met een migratieachtergrond en een lage sociaaleconomische positie- een grotere kans hebben op gezondheidsproblemen dan hun leeftijdsgroep. Sinds 2016 is ze projectleider binnen hetVerder lezen

Gijsje Koenderink

Prof. Gijsje Koenderink is experimenteel biofysicus. In 2006 richtte ze de Biologische Zachte Materie groep op bij het AMOLF instituut, een Nederlands instituut voor natuurkundig onderzoek, waar ze vanaf 2014 ook de Levende Materie afdeling leidde. In 2019 verhuisde ze met haar groep naar de Technische Universiteit Delft, waar ze nu samen met haar onderzoekslabVerder lezen

Het Inzicht

Het moge duidelijk wezen dat je actief bent in een aantal uiteenlopende gebieden. Wiskunde vormt in je werk de kern en is in deze verschillende projecten de gemeenschappelijke factor. Zou je kunnen uitleggen welke rol wiskunde precies heeft in het verbeteren van dienstverlening in callcenters, de gezondheidszorg, inkomstenmaximalisatie, etc.? 

Het essentiële hierbij is het afstemmen van vraag en aanbod. In de drie gebieden waarin ik werkzaam ben (callcenters, zorg en inkomstenmaximalisatie) doe je dat alle drie op een andere manier. Toch draait het bij allen om een fluctuerende vraag. Het gaat om mensen. Niet om een bedrijf dat bijvoorbeeld volgend jaar 20.000 kleurentv’s wil ontvangen. Nee, het gaat om klanten die bij wijze van spreken binnenkomen met een vraag. Hoe ga je dan zo optimaal mogelijk met hun vraag om? De afstemming tussen die vraag en het mogelijke aanbod vind ik het leuke. Daar zit de uitdaging. Neem als voorbeeld mijn werk dat ik voor het LCPS heb gedaan: Elke dag komen er om en nabij de 40 nieuwe patiënten aan in de IC van het ziekenhuis, en die hebben ondanks de beperkte capaciteit allemaal een plek nodig.Dat soort vraagstukken hou ik me in mijn werk mee bezig.

Bij de naam “wiskunde” denk ik al gauw aan formules en tekens op een schoolbord, al durf ik te wedden dat dit zich niet zo versimpeld uit in jouw werk. Welke vorm neemt wiskunde aan in jouw onderzoek rond het optimaliseren van dienstverlening?

Het draait om beslissingsondersteunende systemen die ingewikkelde beslissingen uit handen kunnen nemen. In een callcenter is dat bijvoorbeeld een systeem dat roosters maakt voor de medewerkers. In ziekenhuizen heb je o.a. voltijdse diensten en is het de vraag hoe je het personeel hierin verdeelt. In zo’n geval gaat het om software die niet alleen aan alle regeltjes moet voldoen en het personeel tevreden moet houden, maar die ook aan de vraag moet voldoen. Vooral in callcenters is dat zeer belangrijk, omdat je daar zo’n sterk fluctuerende vraag hebt. Die kan variëren van maand tot maand, zelfs van dag tot dag of uur tot uur. Het callcenter van een bedrijf zoals Bol.com kan bijvoorbeeld meer gebeld worden in de maand december vanwege de kerstpiek, noem maar op. Bij het maken van roosters die daarop inspelen komt heel veel wiskunde kijken. In de zorg is wiskunde van belang in wat we de electieve zorg noemen; zorg op afspraak. Je hebt wiskundige theorieën nodig voor het slim inplannen van deze afspraken, het rekening houden met mensen die niet op komen dagen, het bepalen van de capaciteit die je nodig hebt om iedereen zo snel mogelijk te kunnen helpen, etc.

Dit begint met het voorspellen van je vraag, waarbij statistiek en machine learning komt kijken. Vervolgens ga je dat vertalen naar één of ander model waarin je bepaalt hoe je je capaciteit moet inzetten. Het zit hem dus in de afstemming van vraag en capaciteit. Als je dat voor een heel klein bedrijfje doet, kan je dat bij wijze van spreken op een enveloppe berekenen. Daar hoef je niet lang over na te denken. Voor een groter bedrijf heb je een uitgebreidere aanpak nodig, en moet je vooral de vraag goed in kunnen schatten. Als je dat niet doet, krijg je problemen zoals een boel werknemers die niks zitten te doen of wachttijden die oplopen.

In mijn werk heb je dus drie situaties. In een callcenter (1) wil je zo snel mogelijk reageren op een vraag, in de zorg (2) wil je een groot deel van de zorg uitspreiden door het plannen van afspraken en operaties, en in het inkomstenbeheer (3) van bijvoorbeeld hotelindustrie of de luchtvaart wil je prijzen zodanig instellen dat je de vraag beïnvloedt en afvlakt vanwege je capaciteit.

Recent heb je heel actueel werk gedaan voor het LCPS (Landelijk Coördinatiecentrum Patiënten Spreiding). Kun je ons daar wat meer over vertellen?

De mensen bij het LCPS zorgen er bijvoorbeeld voor dat als er teveel patiënten in Rotterdam zijn, er zo snel mogelijk een MICU (Mobiele Intensive Care Unit) of een helikopter ter plaatse is en deze mensen naar een locatie brengt waar wel plek voor ze is. Om die spreiding goed uit te kunnen voeren, hebben ze voorspellingen nodig over het aantal bezette bedden met IC patiënten en klinische patiënten. Samen met mijn collega’s heb ik voor hun een statistisch model gebouwd om de aankomsten per regio te voorspellen, focussend op de instroom van mensen op basis van de kansverdeling onder hoe lang verschillende patiënten in een ziekenhuis moeten blijven. Op basis van de kansverdeling van eerdere patiënten kunnen we, door te weten hoeveel patiënten er nu liggen en hoeveel er aan gaan komen, de bezetting voorspellen. Op basis van dat model worden niet enkel patiënten verdeeld over regio’s, maar ook politieke beslissingen genomen.

Nu komt bij mij de vraag op hoe een project als dit ontstaat. Nemen jij en je academische collega’s het initiatief omdat jullie vinden dat we dit nu nodig hebben? Of komt de politiek of een instituut naar jullie toe om jullie om hulp te vragen?

Dat is een kwestie van netwerk. Het ligt eraan wat voor rol je wilt. Als wiskundige kan je zeggen (en daar zijn er ook veel van): “Geef mij maar een puzzeltje. Dan los ik het in de hoek op en als het klaar is geef ik jullie de oplossing.” Maar als wiskundige vind ik het veel interessanter om mee te denken met de oplossing. Als ik luister naar een discussie over ‘ouderen of jongeren eerst vaccineren’, dan heb ik daar een persoonlijke mening bij, maar ook één vanuit mijn wiskundig perspectief (denk aan ligduren van patiënten en de consequenties daarvan). Om zo’n rol van meedenker aan te kunnen nemen, is het belangrijk dat je een goed netwerk aan mensen om je heen hebt. Dat is natuurlijk een kwestie van leeftijd (je komt steeds meer mensen tegen) maar omdat ik hele toegepaste wetenschap doe, kom ik ook in aanraking met heel veel verschillende mensen. Bijvoorbeeld, mijn samenwerking met het VUMC (VU Medisch Centrum) zorgt er ten eerste voor dat we relevant toegepast onderzoek doen en ten tweede dat ik een netwerk op kan bouwen binnen de zorg. Zo kwam het dat iemand uit de praktijk van een adviesbureau waar ik in het verleden ook wel eens met cursussen mee heb samengewerkt, aan mij moest denken toen ze in dat bureau behoefte hadden aan meer diepte in hun voorspellingen. Hij heeft met mij contact opgenomen en die kans heb ik gegrepen.

Wat zijn volgens jou eigenlijk de grote uitdagingen in de logistiek van de gezondheidszorg? Heel naïef zou je kunnen zeggen: je maakt één keer een voorspelmodel en dan kan je alles voorspellen, klaar. Of komt er meer bij kijken?

Het klopt wel dat het werk aan één probleem ‘afgerond’ is na het maken van zo’n voorspelmodel, maar er zijn heel veel problemen. Als je het ene hebt opgelost, treedt er weer een nieuwe variant naar voren. In software ontstaan steeds nieuwe features. Bij callcenters bijvoorbeeld kun je tegenwoordig chatten, dat wordt nu nog steeds verder ontwikkeld. Ook in de gezondheidszorg verplaatsen steeds meer dingen zich naar een online platform. Voor sommige dingen is de tijd nu pas rijp om het te doen.

Hoe goed of slecht is de logistiek van de gezondheidszorg in Nederland eigenlijk volgens jou? Gaat alles nog veel te traag, of zijn we hartstikke goed bezig?

Daar zijn een heleboel antwoorden op mogelijk. Als deze coronacrisis één ding boven tafel brengt, is het wel dat we heel weinig flexibiliteit in het systeem hebben. Waar men in callcenters heel goed in is, zijn ze in de zorg heel slecht in. Er hoeft niet zo heel veel te gebeuren of er gaat van alles mis. Daarnaast worden in de zorg heel veel beslissingen lokaal genomen, wat niet optimaal is voor het geheel. Dit gebeurt omdat de zorg intrinsiek uit experts en specialisten bestaat. Een IC arts kan bijvoorbeeld aangeven dat het niet goed is om een coronapatiënt naar Duitsland over te brengen, terwijl er zes patiënten op de wachtlijst staan voor een openhartoperatie. Door de manier waarop we de zorg in allemaal losse instituutjes hebben georganiseerd, merk ik dat innovatie tegengehouden wordt. Ziekenhuizen zullen niet zo snel omvallen, dus er is niet zo veel competitie en geen prangende reden om dingen ingrijpend te veranderen. Als je dingen wil veranderen, moet er echt een noodzaak tot zijn. Anders willen mensen niet veranderen. Ik denk ook dat innovatie van buitenaf gaat komen. Artificial intelligence en data science gaan de zorg waarschijnlijk heel erg veranderen; iedereen voelt aankomen dat bijvoorbeeld de rol van de arts gaat veranderen. Niet dat ze niet nodig zullen zijn, maar de rol zal anders worden. De rol van ziekenhuizen zal minder worden. Voor sommige dingen moet je natuurlijk nog steeds naar een ziekenhuis, maar waarom zijn er bijvoorbeeld niet overal in de stad diagnostische centra? Waarom moet je steeds naar een huisarts toe? Uiteraard is dat te begrijpen als je een lichamelijk onderzoek wil doen, maar voor een heleboel andere dingen hoeft dat helemaal niet. Zo kan je mogelijke symptomen tegenwoordig gewoon via je telefoon op het internet zoeken en trachten te achterhalen waar je last van hebt. De mogelijkheden van innovatie zijn enorm.

Door de manier waarop we de zorg in allemaal losse instituutjes hebben georganiseerd, merk ik dat innovatie tegengehouden wordt.

De Wetenschap

Wat moeten we eigenlijk precies verstaan onder de term ‘machine learning’?

Laat ik het zo uitleggen: jij maakt beslissingen en beslissingen maak je op basis van ervaring. Als je ’s ochtends op de fiets stapt en je gaat naar de universiteit, neem je die ene straat en niet die andere straat omdat jouw ervaring je vertelt dat die ene route het snelst is. Als je op vakantie gaat, heb je over je bestemming minder informatie, dus ga je (bij vrienden of het internet) ervaring van meerdere mensen combineren en zo als het ware data verzamelen. Als je ervaring van anderen verzamelt en er op een systematische manier mee omgaat om zo een voorspelling te kunnen maken, dan noemen we dat statistiek. Dit gebied is vooral in de jaren ‘50 op papier ontwikkeld en uitgewerkt. Wiskundig klopt het allemaal, maar voornamelijk als je weinig data hebt. Tegenwoordig verzamelen we enorme hoeveelheden data. Dat betekent dat je hierop statistiek kan uitoefenen; enkel niet op honderd datapunten maar nu op honderd miljoen data punten.

In twee dimensies hebben we nu veel meer informatie: het aantal datapunten (1) en wat we van elk datapunt weten (2). Zo weten we van een persoon bijvoorbeeld lengte, leeftijd, afkomst, etc. Uit de informatica zijn algoritmes ontstaan die goed om kunnen gaan met deze grote hoeveelheden aan data, en er meer uit weten te halen dan ouderwetse wiskundige algoritmes. Deze nieuwe methodes hebben een heleboel parameters, en omdat je er zoveel van hebt kan je die parameters nauwkeurig proberen vast te stellen. Er ligt geen gedegen wiskundige theorie onder, maar dat hoeft ook niet want je kan van alles proberen met de computer. Door het inzetten van de computer kan je van alles testen. In plaats van dat je wiskundig bepaalt of iets een betrouwbare schatting is, kun je gewoon een model maken met de helft van de data om dit model vervolgens toe te passen op de andere helft van de data en te kijken of het werkt. Kortom, machine learning is een hele pragmatische insteek.

Wat vind jij je grootste bijdrage aan jouw vakgebied tot nu toe?

Ik denk dat dit het echt toepasbaar maken van wiskundige theorie is. Ik ben CCmath niet begonnen omdat ik behoefte had aan meer geld, maar omdat ik het leuk vind om wiskundige theorie toepasbaar te maken. In mijn proefschrift en de jaren die daarop volgden heb ik theoretische onderwerpen onderzocht en theoretische bijdragen geleverd rond wachtrijsystemen. Vanuit de wetenschap gezien denk ik dat wetenschappers dit mijn grote bijdrage zouden noemen. Toch denk ik zelf dat het toepasbaar maken van die wiskunde in CCmath mijn grootste bijdrage is geweest. Verder heb ik ook een boek geschreven over workforce planning in callcenters, wat heel praktisch is voor mensen uit de praktijk en waar ik misschien zelf wel het meest trots op ben. Daarnaast heb ik in mijn carrière heel veel tijd gestoken in het opbouwen van de opleiding aan de VU die ik nu doceer. Daarom ben ik naast CCmath zeker ook trots op het feit dat honderden studenten mede met mijn hulp nu een goede baan gevonden hebben en een zinvolle bijdrage leveren aan Nederland. 

Wat hoop je verder nog te kunnen bereiken in je carrière? Heb je nog dromen of doelstellingen?

Ik heb wel een paar plannen, ja, al kan dat veranderen natuurlijk. Ik ben nu 57, dus heb ik volgens de AOW-regels nog tien jaar te gaan. Maar qua doelstellingen ben ik nu o.a. bezig met de revisie van een boek. Ook blijf ik bezig met het groter maken van CCmath; ik wil wiskunde steeds meer aan het werk zetten in de praktijk. Verder ben ik bezig met een aantal boeken waar ik eigenlijk al langer mee bezig ben. Ik ben bezig met een boek over reinforcement learning, wat een onderdeel is van machine learning. Een voorbeeld hiervan is de technologie achter autonoom rijden. Daarnaast heb ik collegenotities vergaard die ik wil uitbreiden tot een boek voor een Master vak. Dan heb ik nog een klein Nederlandstalig boekje over zorglogistiek, en ik wil eigenlijk nog een wat dikkere Engelstalige pil maken over hoe je ziekenhuizen zou moeten organiseren.

Wetenschap is een manier om te begrijpen hoe de wereld werkt, en dus ook om samen beslissingen te nemen.

De Persoonlijkheid

Wat betekent wetenschap voor jou?

Wetenschap is voor mij een systematische manier van denken. Het is niet mijn geloof; ik ben niet gelovig, maar denk ook niet dat je wetenschap per se moet geloven. Het is een manier om te ontdekken hoe onze wereld in elkaar zit en dat op een systematische wijze die voor mij de enige manier is om de wereld om me heen te begrijpen. (grapt) Zonder dat mijn familie en vrienden hoeven te zeggen: “Oh, daar komt ie weer met zijn dataverzameling…” Het is een manier om naar de wereld te kijken en in vele aspecten succesvol is. Veel mensen realiseren zich dat niet, maar in bijvoorbeeld een mobieltje zit zoveel wetenschap. Je kan wel roepen over virusonzin of viruswaarheid, maar volgens mij snap je dan niet helemaal hoe de wereld in elkaar zit. Wetenschap is een manier om te begrijpen hoe de wereld werkt, en dus ook om samen beslissingen te nemen. Uiteraard kan data ook misbruikt worden. Maar goed, zolang we hiervoor uitkijken denk ik dat een meer analytische aanpak voor het maken van beslissingen heel verstandig zou zijn. Zo denk ik ook dat computers daar meer en meer bij zullen gaan helpen. Dat maakt mij benieuwd naar hoe de wereld er over 50 jaar zal uitzien.

Heb je een bepaalde wetenschapper of wetenschappelijke ontdekking die jou heeft geïnspireerd of geraakt? Of misschien wel een voorbeeld is voor jou?

Dat vind ik een lastige vraag. Ik heb in mijn eigen ontwikkeling wel een aantal mensen leren kennen die veel voor mij betekend hebben. Toen ik op de VU kwam, heb ik bijvoorbeeld heel veel van mijn toenmalige leidinggevende geleerd. Ook al heb ik daarna weer mijn eigen weg gekozen. Je leert van iemand en daarna ga je verder. Als je iets nieuws doet, kijk je eerst goed om je heen voor je zelf het wiel gaat uitvinden. Maar weet je, we zijn allemaal radertjes in een heel groot systeem. We staan altijd op de schouders van anderen. Soms wordt de bijdrage van één iemand uitgelicht, al denk ik dat als je daar goed naar kijkt, het toch altijd puzzelstukjes blijven. Misschien is het ene puzzelstukje groter dan het andere, maar uiteindelijk draait het toch om de puzzel en niet om het stukje.

Ook als je naar Einstein kijkt, kun je al stukjes van zijn theorie in het werk van anderen vinden. Zelfs Einstein heeft ideeën gecombineerd. Natuurlijk zijn er genieën die rondlopen, maar toch denk ik dat wetenschap voor 99% uit volhouden bestaat: als je een probleem hebt, moet je niet opgeven en het van meerdere kanten bekijken. Een systematische aanpak.

Hoe goed of hoe slecht zijn we als mensheid op dit moment bezig volgens jou?

Het is verbazingwekkend, vind ik. Wij zijn als wezens totaal niet ingericht op deze maatschappij. Wij zijn ingericht om misschien als het ware met een stok in onze handen maximaal 30 kilometer per uur te bewegen. Toch bewegen we ons voort met wel honderd kilometer per uur, of als we duizend kilometer per uur gaan zit er een piloot achter het stuur, enz. Dat lukt allemaal, en we hebben geen stok in onze handen. Ondanks dat primitieve brein dat we hebben, is het een wonder dat we de maatschappij zo hebben ingericht. Anderzijds hebben we duidelijk ook een hoop problemen die om een oplossing vragen. Wat dat betreft bestaat er een boek genaamd ‘Feitenkennis’ van Zweedse arts Hans Rosling, wat vertelt dat het helemaal niet zo slecht met de wereld gaat. Hij laat zien hoe allerlei gemeenschappen uit de armoede komen. Natuurlijk, als je kijkt naar wat voor verschrikkelijke dingen mensen als Trump of Poetin doen is dat moeilijk om in te zien. Maar ondertussen gaat het hartstikke goed met de wereld, als je kijkt naar dingen als welvaart en hoe we daar inzitten. Data daaromtrent laat zien hoe het de goede kant uitgaat. Enerzijds zien we hoe verschrikkelijke dingen gebeuren, maar anderzijds hebben we allemaal kleine gezinnen (geen 10 kinderen meer die in armoede leven) met kinderen die middelbare school opleidingen krijgen, enz. Ik heb geen glazen bol, maar ik heb wel vertrouwen in de wereld.

Wat heeft de wereld op dit moment dan het hardste nodig volgens jou?

Ik maak me het meeste zorgen over het milieu, dat zeker. Wat we bij wijze van spreken nodig hebben is een slimme natuurkundige die een plantje maakt dat CO2 kan omzetten in olie. Dan zijn we snel van alle problemen af. Ik denk dat het zou helpen als we in staat zouden zijn om in onze politiek de welvaart beter te verdelen onder iedereen. Als ik, als goed verdienend persoon, 10% minder inkomen zou hebben, zou dat veel minder vervelend voor mij zijn dan dat het aangenaam zou zijn voor mensen met lagere inkomens die dan 10% meer zouden kunnen krijgen. In de USA zeggen mensen als Bill Gates en Warren Buffett dat de belastingen voor zichzelf als miljonairs opgevoerd zouden moeten worden. Ik denk dat het heel veel zou helpen als de politiek dit idee door kan voeren.

Stel, je staat voor een volle zaal met studenten en je mag hun één levenswijsheid meegeven. Wat zou je hun dan vertellen?

Tegen studenten zou ik zeggen: Geniet van je studententijd. Haal er zo veel mogelijk uit. Doe wat meer dan alleen studeren, zeg dat rotbaantje op, neem lekker studiefinanciering want je betaalt toch 0% rente. Maak je geen zorgen, maar probeer zoveel mogelijk kennis op te doen. Dat zeg ik ook tegen mijn kinderen; wat maakt studieschuld nou uit? Dat heb je straks toch zo terugverdiend. Geniet van het moment, maar zoek een beetje de inhoud. Ga bij een vereniging, doe een extra vak, doe iets heel anders. Zoek verdieping naast je eigen studie.

Dan zijn we alweer bij de laatste vraag: Wat is jouw DWIN, jouw weetje of feitje waar je ons mee kan verassen?

Misschien is deze wel leuk: Om ervoor te zorgen dat er plek is voor iedereen, moet je in een ziekenhuis altijd lege bedden hebben. Mensen zouden kunnen zeggen dat een leeg bed zonde is van de capaciteit, maar je hebt juist lege bedden nodig om de capaciteit te kunnen blijven garanderen. Dit is hetzelfde in een callcenter. Je hebt medewerkers nodig die (even) niks doen om te kunnen garanderen dat de volgende persoon die belt zo snel mogelijk geholpen kan worden. Om goede service te kunnen leveren, heb je dus vrije capaciteit nodig.

Zo had ik er nog niet naar gekeken! Ger, ontzettend bedankt voor dit interview!

 

0 reacties op “Ger Koole

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s