Data Teamlead
“Big Data, daar moeten we iets mee!”
Het is een veelgehoorde zin en de datakoorts woedt dan ook hevig. Maar waar je met goudkoorts nog wel in kan schatten hoe het je rijk kan maken, is dat bij Data niet altijd even voor de hand liggend. Veel organisaties worstelen met de vraag wat ze met data kunnen en er zijn een aantal stappen:
- Data gebruiken om te meten en onderzoeken
- Data gebruiken om te verklaren
- Data gebruiken om te voorspellen
- Data gebruiken om voor te schrijven
In de praktijk kiezen veel organisaties voor een aantal analisten, scientists en engineers op het datavlak en hopen dat het zichzelf dan oplost. De praktijk leert echter dat je als (deel van je) organisatie met data aan de slag moet. Zo kunnen ook mensen die niet van nature in R, Python, GIS of SQL denken, praten en doen bekend raken met de (on)toepasbaarheid van data.
bureau GIJS schakelt als geen ander tussen data en domeinkennis en helpt graag om je organisatie voor te bereiden op een wereld waarin data niet meer weg te denken is.
Prognoses (Snel)laden NAL West
Elektrisch rijden groeit. Steeds meer voertuigen worden elektrisch. Zo zijn er niet alleen elektrische personenvoertuigen, maar ook bestelvoertuigen, taxi’s en vrachtwagens zijn steeds vaker elektrisch. Het laadaanbod wordt steeds diverser. Dit vertaalt zich in steeds meer snelladers, depotladers, kortparkeerladers, publieke laadpalen en laadpunten op eigen terrein. Om de laadbehoefte van alle EV-rijders nu en in de toekomst op te vangen, is een mix van adequate laadinfrastructuur nodig.
De G4 en NAL-regio’s Zuidwest en Noordwest heeft Over Morgen, Districon en bureau GIJS gevraagd om een model te ontwikkelen dat voorspelt wat de laadbehoefte is van verschillende doelgroepen: personenvervoer, taxi- en doelgroepenvervoer en logistiek. Onze prognoses beslaan zowel de behoefte aan stroom (in kWh), als de behoefte naar verschillende typen laadinfrastructuur (regulier laden, snelladen en ultrasnel laden).