Blog

Bruggen bouwen met gegevens

Als afgestudeerd Civiel Ingenieur ben ik nu data-expert bij een parkeeradviesbureau. Op feestjes moet ik dat nog wel eens uitleggen. Met een simpele verklaring dat ik me bezighoud met parkeerdata ben ik er nog niet. Een blog over data en parkeren.

 

De goede samenwerking tussen Spark parkeren en PZvK-Business Intelligence heeft onlangs geresulteerd in mijn nieuwe baan: als afgestudeerd Civiel Ingenieur ben ik nu data-expert bij een parkeeradviesbureau. Op feestjes moet ik dat nog wel eens uitleggen. Met een simpele verklaring dat ik me bezighoud met parkeerdata ben ik er nog niet. Blijkbaar is de nut en noodzaak van een goede data-analyse nog niet helemaal doorgedrongen buiten de muren van de parkeergarage.


Parkeerdata, wat komt daar bij kijken? Tegenwoordig wordt bij autoparkeren keurig geregistreerd wanneer er voor het parkeren is betaald en tot hoe laat de bolide mag blijven staan. Het systeem leest ook of je betaalt met pin, contant of in een combinatie met het waarde kaartje van de supermarkt. Al deze data (en nog veel meer) wordt ergens opgeslagen. Hoe dit precies gebeurt en hoe makkelijk het weer uit te lezen is, verschilt per systeem en leverancier. Dit maakt dat de data die gemoeid gaat met parkeren nogal versnipperd is en complex. Het is de kunst deze data terug te brengen tot presenteerbare rapportages die een simpele vraag kunnen beantwoorden. Maar daar zit eigenlijk nog de grootste uitdaging: het stellen van de juiste vraag.


Wat meet men bijvoorbeeld wanneer het druk is op een parkeerterrein voor een winkel? Gaat het dan om het aantal inritten? De totaal geparkeerde uren? De gemiddelde parkeerduur per inrit? Het aantal parkeeruren per plek? Of toch om de totale omzet? Wie op basis van dat laatste een nieuw parkeerterrein opent zal de plank misslaan door niet rekening te houden met tariefwijzigingen. Wie zegt dat een winkel goed wordt bezocht op basis van de altijd bezette parkeerplekken ziet over het hoofd dat die auto’s daar wellicht hele dagen staan en juist voorkómen dat andere bezoekers de winkel kunnen bereiken. Met alleen (beschikbare) data ben je er dus niet; nóg belangrijker is de interpretatie van die data geplaatst in de juiste context.


Ik merk dat mijn collega’s bij Spark zeer begaan zijn met het parkeren. Ontwikkelingen in het hele land -en zelfs daarbuiten- worden op de voet gevolgd. Iedere keer dat data inzichtelijk wordt gemaakt rijst er de vraag: ‘wat zegt dit nu eigenlijk?’. Hoewel het lijkt of ik mij als data-expert nu op een compleet ander werkterrein bevind dan ik als Civiel Ingenieur gewend ben, is de manier van analyseren niet anders. Immers: een volledig computer gegenereerde constructieve analyse kan nog zoveel mooie resultaten bevatten, maar uiteindelijk zal een menselijke interpretatie doorslaggevend moeten zijn om te besluiten of de brug daadwerkelijk gebouwd kan worden of niet.


Er is één groot voordeel voor een ieder die zich met een parkeeropgave bezighoudt. Zoals beschreven in de whitepaper
‘Parkeerdata: informatievergaring & -ontsluiting’ bezit een beheerder/exploitant vaak zelf al over de benodigde data. Echter ontbreekt vaak de relevante informatie en kunde om de vraag binnen een parkeeropgave te kunnen beantwoorden. Gelukkig is er aan ervaring en inzicht bij Spark en PZvK geen gebrek, waardoor ik na flink puzzelen en met veel plezier uit de data het antwoord op een vraag naar boven weet te halen. Uiteraard geplaatst in de juiste context.


Door Wouter Steenstra (Spark)



Dit artikel komt uit PARKEER24

Deel dit artikel