Op 27 oktober 2026 verzorgt Erik Fransen een masterclass-sessie voor studenten en docenten van HAS green academy, op uitnodiging van Harm Bodewes, Lector Data Intelligence voor Duurzame Transities HAS green academy. Deze sessie van 4 uur richt zich op de praktische samenhang tussen data, datamanagement en AI, met speciale aandacht voor thema’s die relevant zijn binnen domeinen zoals voedsel, duurzaamheid, kwaliteit, ketens en traceerbaarheid.

Thema van de Masterclass-sessie: Hoe verbind je Data & AI concreet aan strategie en waarde in de agro, food en leefomgeving?

Aan de hand van twee praktijkcases — een verwerker van organische reststromen en een staalproducent — ontdek je hoe Data & AI-use cases aansluiten op business-, data- en AI-strategie, welke behoeften, waarde, gebruikers en risico’s daarbij centraal staan, waarna je dit analysemodel direct toepast op twee eigen use cases binnen agro, food of leefomgeving.

De masterclass maakt deel uit van een reeks van zes sessies en vormt de aftrap van het programma.

Terugblik college en workshop Datakwaliteit in de zorg

5 oktober 2026 | Hogeschool Rotterdam

Op 5 oktober verzorgde ik namens Vista Veritas een interactieve college en workshop over Datakwaliteit in de zorg bij Hogeschool Rotterdam, voor vierdejaarsstudenten van de opleiding Applied Data Science & Artificial Intelligence, op uitnodiging van Tanja Ubert, hogeschooldocent. Met ruim 30 studenten, afkomstig uit verschillende richtingen maar allemaal actief op het snijvlak van data, AI en zorg, was het een mooie en dynamische bijeenkomst.

Centraal stond de vraag: hoe zorg je ervoor dat data betrouwbaar en bruikbaar is voor de toepassing waarvoor je deze wilt inzetten? Na een korte introductie over datakwaliteit, het DAMA-DMBOK-raamwerk en de negen datakwaliteitsdimensies, gingen de studenten aan de slag met hun eigen afstudeerprojecten.

De workshop bestond uit twee praktische onderdelen. Eerst onderzochten de studenten welke datakwaliteitsproblemen zich binnen hun projecten kunnen voordoen. Vervolgens vertaalden ze deze naar mogelijke oorzaken, verbetermaatregelen en manieren om de kwaliteit te meten en te bewaken.

De diversiteit aan projecten leverde interessante discussies op. Zo onderzocht een groep de inzet van AI voor het automatisch vastleggen van multidisciplinaire overleggen in de zorg. Welke risico's ontstaan wanneer AI gesprekken omzet naar verslaglegging, en hoe borg je de betrouwbaarheid van die informatie?

Een andere groep werkte aan een toepassing waarbij oudere patiënten hun pijnniveau aangeven in een app, terwijl een wearable aanvullende metingen verzamelt. De uitdaging is om te bepalen of en hoe die verschillende gegevens met elkaar in verband kunnen worden gebracht. Verschillen in definities, meetschalen, registratie en interpretatie maken dat een interessant datakwaliteitsvraagstuk.

Wat vooral opviel, was de betrokkenheid van de studenten. Er werd kritisch meegedacht, volop gediscussieerd en actief gewerkt aan de eigen vraagstukken. De reacties waren positief en het enthousiasme zorgde voor de nodige dynamiek.

De belangrijkste boodschap? AI kan veel betekenen voor de zorg, maar de waarde ervan staat of valt met de kwaliteit en betekenis van de onderliggende data. Juist door daar al tijdens een afstudeerproject aandacht aan te besteden, leg je een belangrijke basis voor betrouwbare toepassingen in de praktijk.

Een geslaagde workshop, met dank aan alle studenten voor hun actieve bijdrage!

Datakwaliteit is geen bijzaak, maar een voorwaarde voor betrouwbare zorginnovatie.