Data science
Patronen uit gebruiks-, conditie- en kostendata.
Wat het onderzoekt
Data science bestudeert het extraheren van patronen uit grote, vaak ongestructureerde datasets: statistische modellen, machine learning en de methodologische vraag of een gevonden patroon werkelijk oorzakelijk of slechts toevallig correlerend is. Het vak levert de analysemethode; het gebruiksdomein — energie, onderhoud, kosten — bepaalt wat de data betekent.
Waarom Facility Management het nodig heeft
FM verzamelt inmiddels grote hoeveelheden gebruiks-, conditie- en kostendata, maar heeft zelden de statistische geletterdheid om die data verantwoord te interpreteren. Zonder data science-kennis wordt correlatie te snel voor oorzaak aangezien, en wordt een model met te weinig data behandeld als betrouwbare voorspelling.
Vragen die het beantwoordt
- Is de dataset groot en representatief genoeg voor het model dat erop wordt gebouwd?
- Verklaart dit model iets, of voorspelt het alleen — en weet de gebruiker het verschil?
Bronnen van bewijs
- Statistische en machine-learning-vakliteratuur; academisch onderzoek naar toepassing van data science op gebouwdata (bv. energievoorspelling, storingsvoorspelling).
Gevolgen voor inrichting en besturing
- Elk voorspellend model in FM hoort vergezeld te gaan van een betrouwbaarheidsmarge, niet van een enkel getal dat als zekerheid wordt gepresenteerd.
Gerelateerde services
- CAFM & informatiebeheer (databron)
Gerelateerde competenties
- Data-analyse en modelinterpretatie
Gerelateerde organisatiemodellen
- Demandorganisatie
Data science-capaciteit wordt zelden binnen FM zelf opgebouwd; de opdrachtgeversrol moet bepalen of dit wordt ingekocht of gedeeld met een centrale data-afdeling.
Gerelateerde normen
- Geen ISO-norm specifiek voor data science-toepassing in FM; methodologische kwaliteit steunt op algemene statistische praktijk.
De normensectie volgt in deel 7.
Veelvoorkomend misbruik
- Een model getraind op één gebouw gepresenteerd als generiek toepasbaar op de hele portefeuille.
Huidige onderzoeksfront
Verklaarbare AI (explainable AI) voor gebouwtoepassingen is nog een jong onderzoeksveld; de meeste bruikbare voorspellende modellen in FM zijn nog black boxes waarvan gebruikers de uitkomst moeten vertrouwen zonder de redenering te kunnen volgen.
Verder lezen
- Academische tijdschriften over toegepaste data science in de gebouwde omgeving, bv. Building and Environment.