We werken al vele jaren samen met NBD Biblion, een unieke organisatie die boeken selecteert en verspreidt naar openbare bibliotheken in Nederland. Kortgeleden introduceerde ze Machine Learning (ML) technologie om te helpen hun aanbevelingen aan klanten te automatiseren. Na dit succes heeft NBD Biblion BSL gevraagd om te helpen bij de integratie van een nieuwe Machine Learning service met MIPS, het door BSL ontwikkelde Media Informatie Productie Systeem.
Machine Learning systeem voor besteladvies
Enjins is gespecialiseerd in Machine Learning technologie, en NBD Biblion werkt sinds 2018 met hen samen. Met nieuw ontwikkelde algoritmen voor data–gedreven collectioneren en modellen heeft Enjins een op ML gebaseerde besteladvies engine ontwikkeld. De engine is geïntegreerd met de NBD Biblion webshop en helpt NBD Biblion om wekelijks een geautomatiseerd en individueel afgestemd besteladvies te leveren aan hun klanten.
Machine Learning systeem
Enjins ontwikkelt een nieuw systeem om automatisch de populariteit van boeken te bepalen, zodat NBD Biblion de verkoopinschatting voor elke titel kan voorspellen. Nu is dit een tijdrovend, handmatig proces, zodat automatisering met Machine Learning aanzienlijke kostenbesparingen zal opleveren. Bovendien is bijna alle metadata die het systeem nodig heeft al beschikbaar in het Media Informatie Productie Systeem (MIPS), een systeem dat door BSL is ontwikkeld en wordt onderhouden. Daarom zal BSL een nieuwe reeks webservices creëren voor de communicatie met Enjins. De integratie is een tweerichtingsproces, waarbij metadata wordt verzonden en vervolgens de verkoopvoorspellingen worden terugontvangen van Enjins.
Geautomatiseerde metadata
Metadata is een term die misschien niet bij iedereen bekend is, maar metadata verwijst naar kenmerken die elk object kan beschrijven – ook boeken. Metadata kan basisgegevens omvatten zoals de titel en de auteur. Maar het kan ook een schat aan andere informatie bevatten, zoals de uitgever, het jaar van uitgave, ISBN/EAN-nummer, aantal pagina’s, omvang en genre.
NBD Biblion is verantwoordelijk voor het aanmaken van metadata voor elke boek- en mediatitel in hun collecties en houdt de gegevens bij in MIPS. Hoewel dit historisch gezien vooral arbeidsintensief is geweest, gelooft NBD Biblion dat zij het aanmaken van metadata op zijn minst gedeeltelijk kunnen automatiseren door AI-technieken toe te passen. NBD Biblion is enkele jaren geleden een project gestart om een systeem te ontwikkelen waarmee metadata van boekomslagen kunnen worden opgehaald en deze informatie automatisch verder kan worden verrijkt. Uiteindelijk verwachten ze zelfs een recensie van elke titel te kunnen maken.
Integratie met het Media Informatie Productie Systeem (MIPS)
Voortbordurend op hun eerdere project met Enjins, heeft NBD Biblion zich verder verdiept in de mogelijkheden van zelflerende systemen. Hun focus ligt nu op het automatiseren van hun verkoopvoorspellingen. Ze zijn van plan om Enjins te voorzien van historische data en metadata en Machine Learning technieken toe te passen om verkoopinschattingen te bepalen voor elke titel.
De verkoopramingen worden nu handmatig ingevoerd in een speciaal ontwikkeld content managementsysteem (CMS), dat deel uitmaakt van MIPS, ontwikkeld en onderhouden door BSL. Onze uitdaging is de Enjins service in dit CMS te integreren.
Service gedreven architectuur
We hebben ervoor gekozen om een nieuwe webservice te ontwikkelen voor de communicatie tussen MIPS en Enjins. Zelfs met 30 gebruikers die met het MIPS CMS werken, betekent het gebruik van een webservice dat ze allemaal één toegangspunt tot het Enjins systeem hebben. De gebruiker kan via het CMS de verkoopinschatting voor elke titel bekijken. Daarnaast tonen we de onderliggende factoren die bijdragen aan de prognose en de impact die elk attribuut heeft op de prognose. Hoewel de prognose van cruciaal belang is, helpt de toegang tot de onderliggende factoren de eindgebruikers om de aanbevelingen beter te begrijpen.
Als eindgebruikers het niet eens zijn met de automatisch bepaalde prognose, kunnen ze het cijfer aanpassen en de redenen voor hun verandering opgeven. Vervolgens sturen we deze informatie terug naar Enjins, zodat het Machine Learning model verbetert. Dit iteratieve leerproces is de sleutel tot het principe van Machine Learning. Hierdoor zal het systeem steeds ‘slimmer’ worden in het bepalen van de resultaten.
Contact
Dit project is een mooi voorbeeld van een langdurige samenwerking tussen klanten en leveranciers. We hebben MIPS in het verleden met veel diensten geïntegreerd, waaronder ons recente integratiewerk voor Bookarang. We werken samen met onze klanten en gebruiken open architecturen die we snel kunnen aanpassen om aan nieuwe eisen te voldoen. Het is ook een voorbeeld van het vertrouwen dat ontstaat tussen klant en ontwikkelaar, die samen een oplossing uitwerken. Dit partnerschap is kosteneffectief en levert snel resultaten op. Bent u ook op zoek naar zo’n partnerschap? Neem dan contact op met ons.
We kijken uit naar een jarenlange samenwerking!
“Het automatiseren van het samenstellen van metadata en verkoopinschattingen is een belangrijke nieuwe weg die NBD Biblion is ingeslagen. Door de samenwerking met de firma Enjins kunnen in de nabije toekomst verkoopinschattingen grotendeels automatisch met behulp van Machine Learning technieken worden bepaald. Door mijn kennis van het Mediainformatie productiesysteem van NBD Biblion (MIPS), de kennis van Enjins en van NBD Biblion te bundelen heb ik het mogelijk gemaakt om met het team van BSL de verkoopinschatting te integreren in MIPS.”
