VlocaSessie/49

De tweede thematische werkgroep rond MLaaS 'Marktplaats' vond plaats op 15 mei 2024.

Context

Initiatief

De stad Roeselare beschikt reeds over verschillende machine learning algoritmes die data genereren op basis van fotomateriaal en is hiervoor in contact met verschillende partijen. Deze data wordt gebruikt in zowel operationele processen als bij het nemen van beleidsbeslissingen.

De opzet van het project is om een platform te bouwen dat toegankelijk is voor steden en gemeenten. Op dit platform wenst Roeselare en aanbod te publiceren van beeldmateriaal en data om beleidsdoelstellingen te ondersteunen zoals inventaris wegmarkeringen op het grondgebied, inventaris vegetatie op het grondgebied en inventaris van wegdekmaterialen en de kwaliteit ervan.

Dit biedt een aantal voordelen, nl:

• Schaalvoordeel
• Lagere kostprijs
• Relatief frequente beschikbaarheid van recente data
• Minder afhankelijk van technische kennis & expertise (beeldresolutie, algoritmes, etc)
• Laagdrempelige toegang tot deze informatie

Met het streven naar het opschalen van bestaande machine learning processen, het uitrollen van nieuwe mogelijkheden en deze via een platform als een service ter beschikking te stellen van alle overheden wensen de initiatiefnemers niet alleen zorgen voor meer data op Vlaams niveau maar ook voor “massa productie” aan een betaalbare prijs.

Dit alles kadert een groter geheel rond het City dashboard dat Roeselare enkele jaren geleden opgestart is. Hierbij is men gestart met het verzamelen van mobiele beelden en luchtbeelden. Deze data heeft men verzameld en verwerkt in een City dashboard.

Het project bestaat uit 3 pijlers:

1. Beeldmateriaal In de eerste fase ligt de focus op het verzamelen van input. Hierbij worden de noden/mogelijkheden rond het gebruik van luchtbeelden in kaart gebracht op basis van beeldresolutie, prijs en frequentie van beeldbeschikbaarheid. In een volgende fase volt de analyse data verwerking. Hierbij wordt een matrix opgesteld van alle mogelijke soorten luchtbeelden die beschikbaar zijn met telkens de voor-en nadelen per beeldsoort.
2. Machine learning algoritmes In de eerste fase van deze pijler wordt input verzameld. Hierbij worden de noden in kaart gebrecht rond de gevraagde machine learning algoritmes. Het uitgangspunt hierbij is een bestaande lijst binnen stad Roeselare met de volgende onderwerpen: wat zou er mogelijk moeten zijn via machine learning algoritmes, uitbreiden en aftoetsen met andere deelnemende besturen (andere noden), nagaan wat er reeds bestaat op de markt. Daarnaast is het belangrijk om de technische noden per algoritme te bepalen: inputvereisten van het beeldmateriaal en toelaatbare foutenmarge van het algoritme moet vastgelegd worden. Output zoals kaarten, databank voor de inventaris, GEO loket, BI dashboard etc maken hier ook deel van uit. De tweede fase is gericht op de aanbesteding. Hierbij wordt bepaald op welke manier het algoritme kan ontwikkeld of hergebruikt worden. Tijdens de derde en laatste fase gaat men over naar de realisatie van het algoritme en de verwerking van de data.
3. Platform Momenteel hebben de initiatiefnemers een high level concept voor ogen. Het is belangrijk dat dit concept vertaald wordt naar functionele en technische vereisten en dat er vorm gegeven wordt aan de architectuur van het platform. Daarnaast moet er een businessmodel voor het gebruik van het platform gecreëerd worden. Hierbij moet men stilstaan bij de volgende vragen: wie zijn de gebruikers, hoe krijgen ze toegang, wat kunnen ze kopen, wat met het licentiemodel, duidelijkheid rond pay per use, pay per login, pay per area etc.

VLOCA

VLOCA, de Vlaamse Open City Architectuur, is een initiatief van het Agentschap Binnenlands Bestuur van de Vlaamse Overheid. Meer informatie over VLOCA en onze werking kan je terugvinden op https://www.vlaanderen.be/lokaal-bestuur/digitale-transformatie/vloca/vloca-trajectbegeleiding-waarom.

VLOCA-model

Momenteel hebben we reeds 2 werkgroepen achter de rug, telkens met een verschillende focus.

Bij de eerste werkgroep stonden we stil bij groen inventarisering:

En bij inventarisering wegkwaliteit:

Vandaag leggen we de focus op het gedeelte rond marktplaats. Hierbij hoort een nieuw VLOCA-model:

ID	Status	Samenvatting	Beschrijving
UC1	Voorstel	UC1: Marktplaats Mgt	Marktplaats Management die moet zorgen voor kwaliteitsvolle inhoud, veiligheid en 'fairness' op het platform
UC2	Voorstel	UC2: Registratie & login	Registratie van gebruikers die toegangen (willen) hebben op het platform ifv hun toegekende rechten
UC3	Voorstel	dr	Bouwplatform as a service die gebruikers toelaat om hun modellen zelf te bouwen op het platform
UC4	Voorstel	UC4: Run aaS	Run as a service die gebruikers toelaat om een gekozen model uit de bibliotheek te draaien op hun eigen input data
UC5	Voorstel	UC5: Bibliotheek Modellen	Bibliotheek van modellen die toegang verleent aan machine learning modellen (algoritmen) evt tegen betaling
UC6	Voorstel	UC6: Model Governance	Model Governance die bepaalt wie wat mag aanpassen, wie rechten heeft voor wat, enz.
UC7	Voorstel	UC7: Helpdesk & Feedback	Helpdesk bij issues alsook feedback kunnen geven over de services, kwaliteit modellen of haar documentatie, enz
UC8	Voorstel	UC8: Betalingen	Betalingen kunnen uitvoeren op het platform met facturatie mogelijkheden
UC9	Voorstel	UC9: CRM	Communicatie met bouwers, eigenaars en gebruikers van modellen/algoritmes
UC10	Voorstel	UC10: Samenvatting	UC10: Beschrijving

Waarom hebben we nood aan een marktplaats?

Uit de vorige 2 werkgroepen kwamen er verschillende valkuilen naar boven waaronder:

• een gebrek aan lokale expertise en budgetten
• een complexiteit aan 'generieke' raamovereenkomsten
• een problematiek van de beeldmaterialen die al dan niet passend zijn voor de aangeboden algoritmes

De marktplaats zou potentieel een oplossing kunnen bieden voor deze 3 valkuilen.

In de sessie van vandaag reflecteren we over de centrale rol die een marktplaats inneemt tussen leverancier & klant en beeldmateriaal & algoritme: essentieel hierbij is de vraag hoe we de leverancier naar de klant brengen en hoe we diegene die een model gebouwd heeft, naar de stad die er op dat moment nood aan heeft. De tweede focus is de link tussen het beeldmateriaal en het algoritme. Je kan een algoritme hebben maar niet noodzakelijk het juiste beeldmateriaal en omgekeerd. Een slimme marktplaats zou de leveranciers en de klanten bij elkaar kunnen brengen en kan de link tussen een algoritme en beeldmateriaal kunnen optimaliseren.

In de huidige situatie gaan leveranciers/producenten en klanten/consumenten rechtstreeks met elkaar in contact. Door een marktplaats te installeren, verloopt dit proces gecentraliseerd. Op deze marktplaats vinden producenten en consumenten alle informatie terug en kunnen ze diensten vergelijken. Het gaat voor alle duidelijkheid niet enkel over private leveranciers maar ook lokale besturen die reeds een model gebouwd hebben, krijgen de mogelijkheid om dit te delen met anderen.

Daarnaast is het een misvatting om te veronderstellen dat beeldmateriaal en algoritmes eenvoudig gecombineerd kunnen worden. Het is niet zo simpel als een "drag and drop"-systeem waarbij je een willekeurig algoritme op een willekeurige foto toepast en de verwachte output krijgt. Het idee dat een algoritme altijd accuraat werkt met elk soort beeldmateriaal klopt niet.

In werkelijkheid werken bepaalde algoritmes alleen goed met specifieke types van beeldmateriaal. Bijvoorbeeld, een algoritme dat ontworpen is voor satellietbeelden zal mogelijk niet goed functioneren met dronebeelden, en kan dan verkeerde resultaten opleveren. Het is belangrijk om goed geïnformeerd te zijn om te voorkomen dat verkeerde beslissingen worden genomen of verkeerde data wordt gebruikt.

Het doel van vandaag is tweeledig : ten eerste is het doel dat de slimme marktplaats kan adviseren welk beeldmateriaal bruikbaar is met welk algoritme, en omgekeerd welk algoritme geschikt is voor een bepaald type beeldmateriaal. Dit voorkomt dat gebruikers, zoals steden, een algoritme aanschaffen dat niet compatibel is met hun beschikbare beeldmateriaal.

De marktplaats moet als een makelaar functioneren die compatibele producten koppelt, zodat je weet welke beeldmaterialen werken met welke algoritmes. Het systeem moet intelligent genoeg zijn om verkeerde combinaties te voorkomen. Zodra je een bepaald beeldmateriaal kiest, zouden alleen de compatibele algoritmes beschikbaar moeten zijn.

Het doel is om een slimme marktplaats te ontwikkelen die kan adviseren welk beeldmateriaal bruikbaar is met welk algoritme en omgekeerd. Dit voorkomt dat gebruikers, zoals steden, een algoritme aanschaffen dat niet compatibel is met hun beschikbare beeldmateriaal. De marktplaats moet als een makelaar functioneren, compatibele producten koppelen, en ervoor zorgen dat verkeerde combinaties worden vermeden. Zodra je een bepaald beeldmateriaal kiest, zouden alleen de compatibele algoritmes beschikbaar moeten zijn.

Daarnaast is het belangrijk te erkennen dat bepaalde algoritmes soms gefinetuned moeten worden om optimaal te werken met nieuw of verschillend beeldmateriaal. Bijvoorbeeld, als er nieuwe versies van foto's binnenkomen of foto's uit een andere regio worden gebruikt, moet het algoritme mogelijk worden aangepast. De marktplaats kan hierbij helpen door aan te geven hoe het beeldmateriaal verwerkt moet worden om geschikt te zijn als input voor een algoritme, zoals het aanpassen van het formaat.

Samengevat, de marktplaats heeft twee hoofdtaken:

1. Het koppelen van beeldmateriaal aan de juiste algoritmes op basis van de gewenste output.
2. Het ondersteunen van fine-tuning door aan te geven of er aanvullende dataverwerking nodig is, en deze verwerking ook aan te bieden.

Het systeem moet bidirectioneel werken: niet alleen beeldmateriaal aan algoritmes koppelen, maar ook aanbevelingen geven voor welk beeldmateriaal en welke algoritmes geschikt zijn voor specifieke use cases. Hierdoor kunnen gebruikers altijd de meest geschikte combinatie vinden.

De focus ligt op de ontwikkeling van een slimme marktplaats die efficiënt kan adviseren welk beeldmateriaal bruikbaar is met welk algoritme en omgekeerd. Hierbij willen we de technische aspecten, zoals hoe data wordt opgeslagen of via API's toegankelijk wordt gemaakt, vandaag grotendeels buiten beschouwing laten. De nadruk ligt op de intelligentie achter de schermen: hoe bepalen we welke data aan welke algoritmes gekoppeld moet worden?

Daarnaast zijn er andere belangrijke aspecten van de marktplaats om te overwegen, zoals marketing, klantwerving, het financiële aspect, en juridische kwesties. Het is essentieel om een balans te vinden tussen het aantrekken van klanten en leveranciers. Zonder klanten zijn leveranciers niet geneigd hun producten op de marktplaats te zetten, en zonder producten zijn er geen klanten. Dit kip-of-ei-probleem vereist een strategische aanpak in marketing en sales om exponentiële groei te stimuleren.

Het financiële aspect omvat vragen over het kopen of huren van data, en het juridische aspect behandelt de verantwoordelijkheden en geschillen, zoals wat te doen als de gekochte data niet aan de verwachtingen voldoet. Al deze elementen moeten goed beheerd worden om een succesvolle en functionele marktplaats te creëren.

Buiten de scope van deze bespreking vallen:

• De technische details van data-opslag en API-toegang.
• Specifieke implementaties van het platform.
• Infrastructuurbeheer en schaalbaarheid van het platform.
• Technische beveiligingsmaatregelen.
• Gedetailleerde operationele procedures en onderhoud.

Door deze aspecten buiten beschouwing te laten, kunnen we ons volledig richten op het ontwikkelen van de slimme en strategische onderdelen die de kern vormen van een succesvolle marktplaats.

Brainstormsessie

Doel

Het doel van de brainstormsessie is het volgende:

• Intelligente link leggen tussen beelden en algoritmes
• Identificatie van de meerwaardecreatie
• Inzicht in wat je nodig hebt om de meerwaardecreaties te realiseren
• Beschrijven van mogelijkheden om de oplossing te verduurzamen
• Opsommen van valkuilen en potentiële principes waaraan de oplossing moet voldoen

Oefening 1

Bij deze oefeningen stonden we stil bij de volgende vragen:

1) Geef een paar (concrete) voorbeelden van issues

2) Hoe zouden we dit intelligenter kunnen maken?

3) Geef een paar voorbeelden die dit concept al realiseren

Overzicht

Issues	Acties om het slimmer te doen werken	Voorbeelden die dit concept al realiseren
dronebeelden zijn niet dezelfde als sattelietbeelden		ArcGIS Living Atlas of the World https://livingatlas.arcgis.com/en/browse/?q=deep%20learning#q=deep+learning&d=2
de leverancier van beeldmateriaal van een vorige vlucht is niet meer operationeel in ons gebied en spec's v/d foto's wijzigen	een matrix met vergelijkbaar beeldmateriaal voorzien (o.b.v. objectieve kenmerken zoals resolutie, hoogte v/d camera, kleurbanden RGB/Infrarood/...) en zo een alternatief beeldmateriaal voorstellen	ArcGIS Marketplace https://www.esri.com/en-us/arcgis-marketplace/overview
Leveranciers van beelden die enkel partners toelaten op de beelden te werken	verplichten dat leveranciers van algoritmes, algoritmes aanbieden die beeld leverancier agnostisch zijn en enkel rekening houden met belangrijke beeld specs (zoals type beeld materiaal; resolutie)	Up42 approach
Leveranciers van beelden leveren ook vaak de algorimes. Hoe overtuig je ze om dit te splitsen.	afspraken/contracten maken waarbij er een 'fee' per gebruik v/h algoritme/beeld naar de leverancier(s) van gaat	https://www.djustconnect.be/nl/ConnectShop
	verplichten dat beeld leveranciers toelaten dat andere algoritmes op hun beelden worden lostgelaten (ze nemen dan ook geen verantwoordelijkheid voor de verwerking). Hier hangt ook een IP aspect aan vast => wie is eigenaar van de beelden?
stel: 3 firma's die beelden aanleveren aan de 'slime marktplaats' bij n firma zijn slechts enkele klanten => werk je dan met op voorhand vastegelegde prijzen? wat als de firma zich terugtrekt uit dit project (wegens gebrek aan klanten) => hebben de klanten dan recht op de beelden die al waren aangeleverd?
Tijd van het jaar: Zomer vs Winter algoritmes (groen/bomen)
Algoritmes zijn getraind op een set van beelden en werken dus inderdaad alleen hierop. Tenzij ze hertraind worden. zien we dat ook als onderdeel hiervan ?
Hoe garanderen dat algoritmes werken op verschillende type beelden (drone, sat, MobileMapping) => een algoritme per type data een must?	op een home- of statuspagina van de marktplaats een soort van actuele toestand weergeven van de beschikbare algoritmes en beschikbare beeldmaterialen. Op die manier wordt er weergegeven wat wel en niet mogelijk is qua vragen of output
Versionering van de algoritmes : hoe overzichtelijk houden ?	opkuis van oude niet meer relevante items
Hoe kunnen we vertrouwen cre ren tussen data leveranciers en de marktplaats?	Een onafhankelijk clearing house opzetten	Athumi - Het Vlaams Datanutsbedrijf
verschil in "theoretische" spec's (technisch zoals camera, resolutie, ...) vs de realiteit (ander lichtinval, bewolking, ..)	automatische objectieve kwaliteitscontroles / scores op beeldmatriaal voorzien (validatie)	analoog zoals bv. "monitoring datakwaliteit" van brondata i.f.v. DWH ontwikkelingen (bv. afdwingen van geldige rijksregisternrs, GRAR-adressen, wanneer dit niet door de brontoepassing gevalideerd wordt)
Stockage van resultaten incl. historiek => datamodel van marktplaats moet hierop zijn afgestemd of waar wordt deze stockage verondersteld te gebeuren?
Beelden klaarmaken voor verwerking in verschillende algoritmes is niet altijd hetzelfde => integratie pre-processing steps in de marktplaats?
Hoe ga je om met verantwoordelijkheden op het einde van het verhaal? Slechte data? Slecht algoritme? Slechte integratie/applicatie/ visualisatie?
Data lineage van beslissingen (je neemt een beslissing, van waar, en hoe ben je tot die beslissing gekomen)
Wat gaan we doen met de feedback loop (reviews, welke deel van de beslissing was correct, wat niet). Deze kan heel waardevol zijn voor de algoritme leverancier
Kunnen ook enkel beelden aangekocht worden. en in eigen toepassingen gebruikt worden
Krijgen algoritme bouwers toegang tot grote sets om te trainen
Hoe continuiteit garanderen? Zowel blijven supporteren van bestaande als doorontwikkelen of verbeteren van algoritmes
hoe organiseer je het wervingsproces voor (nieuwe) beelden en algoritmes? Hoe zorg je er voor dat het platform relevant blijft door een grotere 'menukaart' van algoritmes aan te bieden aan de eindgebruikers?
Gebruiksrechten van satellietbeelden zijn beperkt tot welbepaald aantal gebruikers (licentie pricing) => hoe hiermee omgaan? Doelstelling uberhaupt om in deze marktplaats. sat. beelden integreren?	1) Met een intermediaire sat. beeld leverancier werken waarmee offline kan worden ge nterageerd om de beelden te bestellen (in dat geval specifieke data space voor dit soort data voorzien in de marktplaats) 2) Een component voorzien die de bestelllingen met de verschillende sat. leveranciers kan voorzien
Kunnen algoritmes koppelen met resultaten van andere algoritmes. bv boom x is al herkend, kan deze al als input gebruikt worden bij start volgende algoritme
een bepaalde use case is nog niet uitgewerkt met bestaande algoritmes. Kan dit op aanvraag? Rechtstreeks met leverancier contact opnemen of bij voldoende vragen (requests) door het platform in de markt zetten?

Discussie

Data Science en Beeldverwerking

• Intelligente link tussen beelden en algoritmes is essentieel.
• Problemen zoals incompatibiliteit van beeldmateriaal met algoritmes en noodzaak voor fine-tuning van algoritmes werden besproken.
• Voorbeelden gevraagd van concrete problemen en oplossingen in beeld- en algoritme-integratie.
• Belang van een intelligent systeem om ondeskundig gebruik van data en algoritmes te voorkomen.

Intelligente Marktplaats

• Idee van een slimme marktplaats voor koppeling van klanten, leveranciers, data, en algoritmes.
• Voorbeelden van bestaande intelligente marktplaatsen gezocht ter inspiratie.

Praktische Voorbeelden en Uitleg

• Uitleg over hoe een Miro-bord gebruikt kan worden voor brainstormen en noteren van issues.
• Verschillende manieren om interactief en visueel te werken met de input van alle deelnemers.

Problemen en Oplossingen

• Voorbeelden van technische problemen: compatibiliteit van algoritmes met verschillend beeldmateriaal, afhankelijkheid van specifieke leveranciers, seizoensgebonden verschillen in beeldmateriaal, versioning van algoritmes.
• Voorstellen voor oplossingen: goede datacatalogus, automatische detectie van data-algoritme compatibiliteit, versioning overzicht, neutrale clearing house, integratie preprocessing stappen in de marktplaats, feedback loops voor algoritmes, etc.

Juridische en Contractuele Zaken

• Beperkingen in gebruiksrechten van beeldmateriaal en licentieproblemen.
• Juridische vragen over eigendom en gebruik van beeldmateriaal en algoritmes.
• Belang van duidelijke afspraken en contracten, inclusief fee-per-gebruik modellen en IP-aspecten.

Beheersaspecten en Vertrouwen

• Vertrouwen tussen data leveranciers en marktplaats.
• Oplossingen zoals onafhankelijke clearing houses en gedetailleerde metadatabeschrijvingen.

Feedback en Continuïteit

• Belang van een feedback loop voor continue verbetering van algoritmes.
• Manieren om algoritmes te trainen met gebruikersfeedback en andere gegevensbronnen.

Technische Integratie en Ondersteuning

• Noodzaak voor een geïntegreerde omgeving voor data en algoritmes.
• Voorbeelden van bestaande platforms zoals de Esri Living Atlas en andere marketplaces die als model kunnen dienen.
• Discussie over centrale vs. gedeelde marktplaatsen en hoe data en algoritmes over verschillende platforms kunnen worden uitgewisseld.

Oefening 2 + 3

In deze oefening gaan we op zoek naar meerwaardecreatie:

Wat zijn de specifieke voordelen van dit platform voor potentiële klanten en leveranciers van groen en wegen? Waarom zouden leveranciers en potentiële klanten bereid zijn om bij te dragen aan zo een platform ?

Lijst de verschillende redenen op en geef ook aan voor wie dit interessant kan zijn.

Voorbeeld:

-Steden die zelf geen data scientist hebben, kunnen gebruik maken van dit Marktplaats platform.

-Steden kunnen hun eigen oplossingen ook op de marktplaats zetten voor andere steden

ervolgens gaan we de waardecreatie toepassen:

Wat heb je nodig om de geïdentificeerde meerwaardecreaties uit de voorgaande oefening te realiseren?

Lijst de acties op

Voorbeeld:

-Betrouwbaar en gemakkelijk om terug te vinden wat je zoekt=> voorstelling leveranciers, catalogus van ML met bijbehorende beelden,…

-Dankzij de veelvoud van aanbod worden de prijzen normaal gezien naar beneden gedrukt.

Overzicht

Identificatie meerwaardecreatie	Acties
stimulatie voor meer uitwisseling naar verschillende gebruikers
bron van inspiratie voor het oplossen van specifieke problemen (niet opnieuw warm water uitvinden)
laagdrempelige toegang (=met voorbeelden, zoekopdrachten, begeleiding,...)
eenvoudige, snelle manier om data en bestaande modellen te kunnen vinden en gebruiken
combinatie met open data aangeboden door steden (ganse quadruple helix)
kennisdeling tussen lokale besturen	bv: recepten: deze dataset met dit algoritme geven een goed resultaat voor het bepalen van de boompopulatie op het grondgebied (hiermee geven we de kwaliteit van de link tussen een algoritme en de dataset)
benchmarken met de resultaten van andere gemeenten (zowel data/algoritme, alsook de output zelf)
welke output data willen we uberhaupt publiceren (politiek gevoelig,...)
Dashboard dat van de output kan worden gebouwd, dan ook op de marktplaats staan.	Mogelijkheid bieden om de verwerkte data ook beschikbaar te stellen (delen met) aan andere klanten van het platform om hen zo toe te laten om te benchmarken met hun resultaten
koppeling met andere intitiatieven (zoals blauwgroen ?) via datavindplaats ?
Hergebruik van data (een keer aankopen en veel mee doen)
overzicht van wie in mijn stad reeds die data of algoritme gekocht ? gebruikt ?
aanbestedingsproblematiek - klopt dit ? voor grotere bedragen misschien toch via een aanbesteding ? Marktplaats wordt aankoopcentrale ?
Algoritme expertise veel breder inzetten (door meer data)
Waar nu vaak het een eenmalige grote, dure inspanning is zonder continu teit , de kans om een delta/evolutie te zien historisch.
Instapdrempel lager door de prijs die lager zal liggen => motivatie om meer foto's te maken en publiceren
Instapdrempel lager door de lagere technische achtergrond die niet meer nodig is.
kwaliteitsverbetering data en producten door markt transparantie
afstemming aanbod naar vraag door ontwikkeling van algoritmes voor populaire use-cases
Marktplace space ?
Leveranciers moeten geen eigen marktplaats ontwikkelen; maar kunnen hun MLaaS aanbod makkelijker aanbieden. Alleen is de vraag, hoeveel marktplaatsen gaan er komen? Regels op Vlaams, Belgisch, internationaal niveau?
Agentschappen kunnen exclusief hun data of algoritme op de marktplaats zetten.
Andere steden kunnen hun ervaringen met trajecten: welke beelden met welke algoritmes en resultaten delen (en eventueel kosten)
Als algoritme leverancier is de setup reeds voorzien waarmee je algoritmes dienen te connecteren (input; resultaten) => processingruimte, alsook de resultaat moeten stockeren zullen door de marktplaats op zich genomen worden ipv door de leverancier
Mogelijkheid tot groepsaankopen. Naburige steden kopen beelden samen aan. (vliegtuig alleen voor 1 stad laten vliegen is hoge kost). Vlaanderen ?

Discussie

• Stimulatie van kennisuitwisseling:
  • Er is gesproken over het belang van gebruikersrecensies en feedback om kennisuitwisseling tussen steden te bevorderen.
• Probleemoplossing en inspiratie:
  • Discussie over het gebruik van de marktplaats als bron van inspiratie voor het oplossen van specifieke problemen, zoals boomtellingen.
• Lagere instapdrempel:
  • Gesprek over het belang van een lage instapdrempel voor het gebruik van de marktplaats, inclusief eenvoudige zoekopdrachten en duidelijke gebruiksvoorwaarden.
• Open data en samenwerking:
  • Overwegingen over hoe de marktplaats kan worden geïntegreerd met bestaande open data-initiatieven en dashboardfunctionaliteiten voor betere samenwerking.
• Benchmarking en kwaliteit:
  • Besproken hoe benchmarking met resultaten van andere gemeenten kan bijdragen aan transparantie en kwaliteitsverbetering van de aangeboden data en modellen.
• Groepsaankopen en kostenbesparing:
  • Discussie over de mogelijkheid van groepsaankopen via het platform om kosten te delen en te besparen.
• Juridische overwegingen en raamcontracten:
  • Overwegingen over juridische aspecten, zoals de mogelijkheid van raamcontracten om individuele aanbestedingsprocedures te vermijden.
• Voordelen voor leveranciers:
  • Gesprek over hoe de marktplaats voordelen biedt aan leveranciers door hen te ontheffen van de noodzaak om een eigen marktplaats te ontwikkelen.
• Gegevens en algoritmen:
  • Besproken hoe leveranciers algoritmen eenvoudig kunnen aanbieden en integreren via de marktplaats, met gebruikmaking van bestaande infrastructuur.
• Marktplaats als marketingtool:
  • Overwegingen over hoe de marktplaats kan fungeren als een effectieve marketingtool voor steden en bedrijven.

Oefening 4

In deze oefening werden potentiële valkuilen geïdentificeerd en, op basis hiervan, formuleerden we principes waaraan de oplossing moet voldoen:

Voorbeeld:

• Self-service zonder goede training kan 'gevaarlijk' zijn
• Garanties op de kwaliteit ?
• Interoperabiliteit van de oplossing
• Betrouwbaarheid, en dus ‘vertrouwen’ in de data en modellen
• Stabiliteit, en dus ‘continuiteit’ van data en modellen, wordt het continue geupdate
• Goede helpdesk

Overzicht

Valkuilen

Chaos

Verschillende algoritmes, kunnen verschillende resultaten opleveren met een verschillende kwaliteit.

Hoe kwaliteits garantie voorzien?

doorlooptijd onderschatten (bv. periode "van plannen aankoop tot levering beeldmateriaal" bv. inplannen zomervlucht)

Hoe continuiteit garanderen? Zowel blijven supporteren van bestaande als doorontwikkelen of verbeteren van algoritmes

Er geen effectieve ontkoppeling komt tussen leverancier en algoritme.

Hoe garanderen dat de gebruiker het bos nog ziet doorheen de bomen?

Risico op chaos in aanbod ; pricing principes en hieraan gekoppelde platform setup incl. datamodel

ontbrekende algoritmes of datasets doen eindgebruikers weggaan van het platform

gebrek aan basiskennis bij bepaalde gebruikers => de stap zetten om mee in dit proces te stappen niet nemen of op de lange baan schuiven

toch belangrijk dat er voldoende deelnemers zijn: hoe meer deelnemers hoe groter  de kans op goede  kennisdeling en (hopelijk) hoe lager de prijs

eindgebruiker loopt verloren in de marktplaats, of weet niet goed waar te beginnen of wat te vragen/kopen

slechte documentatie / metadata dus fouten naar afnemers

Principes

Goede UI en moderatie bij succes

Test & acceptatie proces alvorens men mag aanbieden? -

Proof of Concept met gewaardeerde eindgebruikers (vraag van leverancier en/of platform naar afnemer)

Betaversies

Nieuwe algoritmes hebben nog geen feedback/validatie

Early access

oproepen tot groepsaankoop tijdig lanceren op het platform

onafhankelijke beoordeling door experten in het platform adhv test en acceptatie of Proof of Concept (zie hierboven?)

Grondige pré-analyse van wat er zal worden aangeboden en hoe

Community  Terugkoppeling

"request" mogelijkheden in of minstens via het platform

basic trainingsmateriaal voor de marktplaats vorozien, en/of een FAQ pagina

community van gebruikers  om kennis te delen

Discussie

• Training en kennisuitwisseling:
  • Er is gesproken over de noodzaak om trainingen te bieden over het gebruik van de data en modellen op de marktplaats, om fouten te voorkomen en de juridische verantwoordelijkheid te begrijpen.
• Kwaliteitsgaranties:
  • Discussie over hoe kwaliteitsgaranties kunnen worden geboden voor zowel data als algoritmen, om te voorkomen dat gebruikers betalen voor iets dat niet naar behoren werkt.
• Gebruiksvriendelijkheid en ondersteuning:
  • Overwegingen over het belang van een goede gebruikersinterface, een helpdesk en documentatie om gebruikers te begeleiden en te ondersteunen.
• Continuïteit en updates:
  • Gesprek over hoe de marktplaats moet zorgen voor de continuïteit van de aangeboden data en modellen, inclusief ondersteuning voor nieuwe versies en updates.
• Community en samenwerking:
  • Het belang van een actieve community werd benadrukt, waar gebruikers kennis kunnen delen, feedback kunnen geven en samenwerken aan nieuwe ontwikkelingen.
• Aanbod en vraag:
  • Discussie over hoe het aanbod op de marktplaats kan worden gestimuleerd, inclusief het faciliteren van verzoeken van gebruikers en het betrekken van leveranciers bij het ontwikkelen van nieuwe oplossingen.
• Innovatie en toegang:
  • Overwegingen over hoe de marktplaats innovatie kan faciliteren door ook Early Access aan te bieden voor nieuwe algoritmen in ontwikkeling, en hoe dit kan worden gefinancierd, mogelijk via crowdfunding of investeringen van gebruikers.
• Transparantie en verantwoordelijkheid:
  • Besproken werd hoe transparantie over de ontwikkelingsfase van algoritmen kan helpen bij het nemen van beslissingen en het beperken van risico's voor gebruikers.
• Promotie en adoptie:
  • Het belang van effectieve promotie van de marktplaats werd benadrukt, samen met strategieën om gebruikers te overtuigen deel te nemen en bij te dragen aan het succes van het platform.

Oefening 5

Tot slot keken we naar manieren om de voorgestelde oplossing duurzaam te implementeren:

Hoe kunnen we een duurzaam en schaalbaar businessmodel opzetten voor het aanbieden van dit platform aan leveranciers & potentiële klanten bv. andere gemeenten?

• Marketing & sales: vraag en aanbod stimuleren
• Future proof maken, zodat het ook oplossingen biedt voor toekomstige problemen (innovatie van data garanderen).
• Wat zijn potentiële inkomstenstromen en prijsmodellen die we kunnen overwegen voor het aanbieden van dit platform aan externe partijen? Wie betaalt de beheerders van het platform?
• Welke expertise hebben we juist nodig?
• Absolute link modellen met databronnen

Overzicht

Verduurzamen oplossing

voorstudie: welke datasets meest gezocht + koppeling met speerpunten

eens contact opnemen met de provincie Limburg. Zij hebben een project van inventarisatie van groen (en andere objecten) lopen voor bijna alle Limburgse gemeenten => zij kunnen hoogstwaarschijnlijk nog aandachtspunten aanreiken, dankzij hun ervaring - Initiatief van Nuhma, S-Lim en MyCSN

Welke rol kan Athumi hier spelen?

Markt analyse => hoeveel klanten worden er realistich verwacht; voor welke use cases; wat is hun bereidheid tot betalen? - Prijs model bepalen en dit afwegen tegen kosten - zowel klanten als leveranciers inzicht in wat ze mogen verwachten - cfr. LODE project

transparantie geven aan de gebruikers over het totale kosten plaatje van de marktplaats: kost vd beelden, vd algoritmes, kost van data-opslag, beheer/onderhoud infrastructuur, etc

Mogelijke outputkoppeling met met andere Vlaamse, federale projecten zoals LEKP, burgemeestercovenant,

helpdesk

FAQ

Link met verenigingen of zeer 'thematisch' gebonden

Sales, business developer

Juridisch advies

certificaat als data intermediaries https://digital-strategy.ec.europa.eu/en/policies/data-governance-act-explained

Discussie

• Voorstudie en datasets:
  • De noodzaak om een voorstudie uit te voeren om te bepalen welke datasets het meest gezocht zijn, en om deze te koppelen aan speerpunten of focusgebieden, zoals bepaald door Smart Vlaanderen en de Provincie Limburg.
• Marktanalyse en kostenplaatje:
  • Atomik kan een rol spelen in het uitvoeren van een marktanalyse om realistische verwachtingen te bepalen over het aantal klanten en hun bereidheid om te betalen. Het is ook belangrijk om transparantie te bieden aan gebruikers over het totale kostenplaatje van de marktplaats, inclusief kosten voor beelden, algoritmen, data-opslag, beheer en infrastructuur.
• Samenwerking en koppelingen:
  • Door samen te werken en te koppelen met andere Vlaamse en federale projecten zoals LKP en het Burgemeestersconvenant, kan de marktplaats worden versterkt en uitgebreid. Er moet een kruisbestuiving plaatsvinden om de marktplaats verder te ontwikkelen en om sales en marketingactiviteiten te ondersteunen.
• Helpdesk, FAQ en juridisch advies:
  • Het opzetten van een helpdesk en een FAQ-sectie is belangrijk voor gebruikersondersteuning. Juridisch advies moet ook worden overwogen, samen met het verkrijgen van certificering als data-intermediair, om het vertrouwen van zowel dataleveranciers als gebruikers te vergroten.

Opname en Miro bord

Miro bord

Het Miro bord kan je consulteren via deze link.

Opname

De opname van deze sessie is te bekijken via deze link.

Volgende stappen

Wat na deze werkgroep?

1. Verwerking van de output van de brainstorm oefening.
2. Desk research
3. Publicatie op de Kennishub

Feedback kan bezorgd worden aan laurien.renders@vlaanderen.be

Andere werkgroepen

Werkgroep	Type werkgroep	Datum	Tijd	Locatie
Thematische werkgroep 1	Data en informatie werkgroep	2024-03-14	9u-12u	Teams
Thematische werkgroep 2	Technologie werkgroep	2024-04-16	9u-12u	Teams
Thematische werkgroep 3	Technologie werkgroep	2024-05-15	13u-16u	Teams