Labbedrijf Qlip transformeert naar datagedreven onderneming door big data-analyses

Door: FHI, Federatie van Technologie Branches

Big data zorgt ook in de labwereld voor nieuwe businessmodellen. De firma Qlip, actief in de zuivelketen, past data science toe op de enorme hoeveelheden data afkomstig van melksamples. Dit levert het bedrijf andere inzichten en nieuwe businessmodellen op.

Door: Dimitri Reijerman

Qlip voert binnen de zuivelindustrie audits en inspecties uit, maar het bedrijf verzorgt ook op grote schaal controles op de melkproductie bij melkveehouders en zuivelfabrieken. Daarvoor heeft het bedrijf het grootste zuivellaboratorium van Europa ingericht.

Erik Bos, ICT-manager bij Qlip, geeft aan dat de grootschalige controles een enorme hoeveelheid data op leveren: “Er komen bij ons een kleine 15 miljoen monsters per jaar voorbij, zo’n 40.000 tot 50.000 per dag. Die worden volledig automatisch geanalyseerd. Dat doen we met behulp van infrarood. We meten elke melksample op 1060 datapuntjes. Op basis van hoe deze puntjes met elkaar corresponderen is informatie af te leiden over tal van samenstellingsaspecten van het monster”, zegt Bos.

Inmiddels heeft Qlip meer dan 80 miljard databaserecords verzameld, afkomstig van monsters die de afgelopen jaren zijn gecontroleerd. Volgens Bos was de verwerking en analyse van dergelijke hoeveelheden data – big data - tot voor kort nog voorbehouden aan de Googles van deze wereld. Inmiddels is de datatechnologie dermate geëvolueerd dat ook een middelgrote ondernemingen als Qlip hun tanden erin kunnen zetten.

Samenwerking met Wageningen

Qlip doet onder andere met de Wageningen Universiteit onderzoek naar nieuwe toepassingen op basis van big data. Bos geeft een praktijkvoorbeeld: “De universiteit heeft twee proefboerderijen. Zij hebben een onderzoek gedaan met koeien die twee weken lang in een respiratieruimte verbleven. Daarbij werd de exacte uitstoot van broeikasgassen en fosfaten gemeten. Tijdens dit onderzoek werden de koeien ook gemolken. Al deze data kwam bij ons terecht. Wij relateren onze data met die van de universiteit.”

Met deze big data-analyses wordt het in potentie mogelijk om de fosfaatnormen niet langer op een gemiddelde van een groep melkveehouders te berekenen, maar per individuele melkveehouder. Bovendien is het technisch ook mogelijk om deze data per koe te meten, zodat de boer het voer per koe kan optimaliseren. Deze datagedreven benadering kan in potentie de melkopbrengst verbeteren en de uitstoot van fosfaat of andere schadelijke stoffen reduceren.

Uit de enorme berg data kan ook antwoord worden gevonden op de vraag hoe aannemelijk het is of een boer voldoet aan de eisen die worden gesteld voor de weidegang. Dat gegeven is belangrijk voor Qlip, omdat het bedrijf ook inspecties uitvoert op boerenbedrijven.

Extra inkomsten uit big-data

Met deze werkwijze genereert Qlip inmiddels extra inkomsten. Ook is het in de transformatie van een klassiek labbedrijf naar een datagedreven onderneming, zegt Bos: “We zijn inmiddels een databedrijf. Dat zeggen we in onze uitingen en dat heeft ook invloed op welke mensen we aannemen. Primair is onze dataverzameling nog wel labwerk.”

Bos vervolgt: “We hebben mensen die zich fulltime bezighouden met data-analyse en data science. Dat doen we met tools die een MKB-bedrijf tegenwoordig ter beschikking heeft. Denk aan SQL-databases, Microsoft Azure en ‘R’ als statistische taal. Op het moment dat we modellen ontwikkelen om iets te meten, pakken we een beperkte dataset uit het verleden en worden modellen getoetst op basis van een controle set. Machine learning speelt hierin ook een rol. Wat zijn de grootste voorspellende factoren die hier uitkomen? Welke suggesties doet machine learning om onze modellen te verbeteren?”

Volgens Bos is software rondom data science en machine learning niet meer weg te denken voor bedrijven als Qlip: “Deze technologie is inmiddels onmisbaar. “

Advies aan andere bedrijven

Op basis van zijn ervaringen bij Qlip heeft Erik Bos ook een advies voor bedrijven die ook met big data aan de slag willen gaan: “Ik zou hen willen meegeven: begin gewoon, maar begin klein. Ga niet direct op zoek naar de pot met goud, leg eerst maar eens alles vast in een database. Daaruit kun je heel veel halen.”