Oorspronkelijk, toen Daphne moest kiezen voor haar studie, twijfelde ze tussen sterrenkunde of business analytics (het optimaliseren van bedrijfsprocessen). Uiteindelijk besloot ze om te beginnen met een bachelor in Business Analytics. Van daaruit maakte ze wel wat uitstapjes: op uitwisseling naar Barcelona, en naar wiskunde in de biologie, klimaat en oceanografie. Daphne deed na haar bachelor een master aan de VU. Omdat ze graag nog iets meer achtergrond wilde bij al die toepassingen, deed ze na haar master een PhD in wachtrijtheorie. Een PhD is een vierjarig project waar je onderzoek doet en een onopgelost probleem probeert aan te pakken.

WaChten met PEn eN papier

Wachtrijtheorie is een tak van de mathematische besliskunde (operations research) die wachtrijen bestudeert vanuit een wiskundig perspectief. Om een systeem, zoals een wachtrij, in het echte leven te bestuderen, moeten we eerst een wiskundig model bouwen. Om zo'n wiskundig model te illustreren, kun je denken aan een speelgoedautootje van een Ferrari. Zo'n modelauto is niet precies zoals de Ferrari, aangezien het geen werkende motor bevat, gemaakt is van ander materiaal en kleiner is. Het geeft je echter wel een goed idee van de vorm, hoe het eruitziet tijdens het rijden, en hoe het zich verhoudt tot andere speelgoedauto's. Een ander voorbeeld: architecten maken modellen van hun gebouwen op kleine schaal om te bestuderen hoe ze eruit zouden zien, hoeveel licht het gebouw binnenkomt, hoeveel materiaal nodig is, enzovoort. Op een soortgelijke manier beschrijven wiskundige modellen een echt fenomeen, gebruikmakend van wiskundige concepten en taal. Het model zal niet perfect op de werkelijkheid passen, maar kan worden gebruikt om van te leren. In haar onderzoek was Daphne vooral geïnteresseerd in wachtrijmodellen. Het idee achter een dergelijk model is om het gedrag van een wachtrij zo nauwkeurig mogelijk te reproduceren, zodat het model kan worden gebruikt om voorspellingen te doen over hoe het systeem zich gedraagt. "Een PhD is vrij theoretisch. In het bedrijfsleven is een heel ander bewijs nodig dan in de wetenschap. Een PhD helpt natuurlijk erg om de concepten echt goed op orde te krijgen. Daarnaast leert het je ook andere nuttige vaardigheden, zoals vastberadenheid en doorzettingsvermogen. Maar uiteindelijk merk je al snel dat er veel verschillen zijn in de werkwijze. In het bedrijfsleven is het wat losser, dat het ongeveer juist is is even belangrijk als dat het helder en overtuigend is. Je hoeft niet specifiek voor de beste performance te gaan. Je moet het aan veel mensen vertellen en het moet goed overdraagbaar zijn. In het bedrijfsleven is het resultaat, en vooral een snel resultaat, veel belangrijker." 

Een connectie met haar PhD onderzoek is er nog wel steeds. Je kunt je voorstellen dat Daphne dagelijks te maken heeft met wachtrijen, een veel voorkomend fenomeen bij een locatie zoals Schiphol. Nu werkt ze als data scientist bij Schiphol, maar wat houdt dat precies in? 

"Op Schiphol zijn er veel situaties die te modelleren zijn met wiskundige modellen. Denk bijvoorbeeld aan het wachten voor check-in, de security controle, maar ook de hoeveelheid vliegtuigen die gaan landen. Met deze modellen en de data wil je graag de situatie op Schiphol optimaliseren, zodat iedereen op tijd zijn vlucht haalt, de uitstoot en het energieverbruik worden gereduceerd, en we niet te veel personeel hoeven in te zetten. Dat is nog best een moeilijke puzzel." Daarbij werkt Daphne in een projectteam met veel andere data scientists en data engineers. Er lopen al jaren allerlei projecten en die worden steeds verder uitgebreid en verbeterd. Het ligt dan vaak op het snijvlak wiskunde en programmeren. Het gaat uiteindelijk meer om de aanpak dan om het gebruiken van specifieke wiskundige definities. Toch blijft het in de kern hetzelfde: een wiskundige puzzel die je moet oplossen. 

'In het bedrijfsleven wil je JE snel kunNen aAnPasSen Aan veranderingen.'

"Kijk bijvoorbeeld naar de huidige coronasituatie met alle onzekerheden die erbij kwamen. Opeens klopte geen van onze modellen meer als we bijvoorbeeld wilden voorspellen hoeveel mensen met de herfstvakantie zouden vliegen, en zo moesten we onze modellen aanpassen om goede schattingen te kunnen geven. Daardoor werken we nu met modellen die een veel kortere looptijd hebben en die veel sneller leren dan die we voor corona hadden. Een ander voorbeeld waar je ook veel samenwerkt met mensen uit vakgebieden is als je nadenkt over wat het betekent om te wachten. Want 'zo snel mogelijk bij de gate zijn' hoeft niet per se het beste model te zijn. Als je dat doet heb je namelijk een opeenhoping van mensen bij de gates - en wordt het daar veel te vol. Daarom worden er op Schiphol 'bufferzones' ingebouwd zoals restaurants en winkels, en zelfs een mini-Rijksmuseum, waar mensen naartoe kunnen voordat ze naar de gate gaan om ervoor te zorgen dat er voldoende spreiding is. Want sneller betekent niet per se beter!"