Bij Dar komen gemiddeld 40.000 meldingen per jaar via e-mail, telefoon en apps binnen. Deze meldingen variëren van aanvragen van een afvalpas tot klachten over vergeten containers en gladheid op de weg. Per jaar ontvangt Dar tussen de 40.000 en 50.000 meldingen uit Nijmegen en omliggende gemeenten.
Beslisboom
Lindsey de Beer, masterstudent Data Science aan de Radboud Universiteit voerde daarvoor een data-analyse uit waarbij de meldingen door bewoners en de gemeente werden onderzocht. Door gebruik te maken van AI en een beslisboom konden herhaalmeldingen nauwkeurig geïdentificeerd worden. Dit bleek veel efficiënter dan de handmatige methoden die slechts tien procent van de herhaalmeldingen konden opsporen. AI maakte het mogelijk om deze meldingen voor honderd procent correct te labelen, wat leidde tot een aanzienlijke verbetering in de dienstverlening.
Taalherkenning
Naast de beslisboom heeft Lindsey ook gewerkt aan het identificeren van klachten door middel van taalherkenning. Hoewel Dar nog niet voldoende specifieke data had om dit volledig te implementeren, werd een basis gelegd voor toekomstige verbeteringen. Het verzamelen van meer tekstdata zal helpen om een effectief algoritme te ontwikkelen dat klachten beter kan herkennen.
Dankzij de samenwerking met MKB Datalab-Oost werkt Dar NV nu aan een nog hogere mate van klanttevredenheid van haar klanten door sneller te kunnen acteren op urgente meldingen en op die manier klachten te voorkomen.
Meer informatie over hoe uw bedrijf kan profiteren van dergelijke projecten: neem contact op met MKB Datalab-Oost.
