Skip to content

Fair Wear

HOME / KLANTCASES / FAIR WEAR

Toepassing van Natural Language Processing (NLP) en text mining voor procesverbetering.

data consultancy bij fair wear

Fair Wear is een non-profit organisatie die de arbeidsomstandigheden van werknemers in kledingfabrieken wil verbeteren. De NGO heeft de afgelopen jaren veel documentatie verzameld over haar werkzaamheden, bijvoorbeeld in de vorm van verslagen van een klachtenlijn voor fabrieksmedewerkers, rapporten van audits waarbij gecheckt wordt of fabrieken aan de richtlijnen voldoen, en rapporten van trainingen aan fabrieksmedewerkers. Deze informatie wordt opgeslagen als getypte tekst, met name in Word- of PDF-formaat.

De verwachting was dat er zeer relevante, unieke inzichten uit de data gehaald kon worden. Doordat er enkel ongestructureerde data (getypte tekst) beschikbaar was, bleek dit echter onmogelijk te analyseren voor Fair Wear. Ze vroegen onze Data Scientists modellen te maken die alle relevante data uit de audit- en trainingsrapporten halen en klachten automatisch op onderwerp classificeren. Met de nieuwe inzichten kan Fair Wear de eigen procedures verbeteren en best practices delen met andere NGO’s, overheden en belangenorganisaties.

Onze aanpak

We startten met de klachtendata. Middels kwalitatief onderzoek achterhaalden we de relevante en terugkerende topics. Hiervoor interviewden we de stakeholders binnen Fair Wear en analyseerden we de klachtendata kwalitatief. Vervolgens linkten we de uitkomsten van de interviews aan de terugkerende topics in de data en labelden we de klachtendata handmatig. Deze dataset vormde de basis voor het ontwikkelen van een automatisch classificatiemodel.

Na het kwalitatieve onderzoek gingen we aan de slag met Natural Language Processing (NLP). We trainden een NLP model op basis van de hand gelabelde data, met als doel de topics zo goed mogelijk te benaderen. Daarna pasten we text mining toe: hiermee kunnen klachtteksten die bijvoorbeeld termen zoals ‘geslagen’, ‘fysiek’ of ‘pijn’ bevatten middels queries onder het topic ‘fysieke mishandeling’ worden geplaatst.

Door NLP te combineren met text mining, konden we een optimale betrouwbaarheid van het model garanderen. Dit is essentieel bij de interpretatie van dit type gevoelige informatie.

Het resultaat

Het NLP model voor de klachtendata is een ‘supervised multi-label topic model’ wat getraind is op door mensen gevalideerde data. Hierbij kunnen meerdere topics (labels) worden toegekend aan één klacht of audit. Het model is volledig op maat toegespitst op de specifieke wensen van Fair Wear. 

De output bestaat uit een gestructureerde dataset waarbij alle klachten en audits uit het verleden zijn geclassificeerd als topics en variabelen. Nieuwe klachten worden met behulp van ons NLP model automatisch en zeer betrouwbaar geclassificeerd. Daarnaast maakten we specifieke modellen om data uit audit- en trainingsrapporten gestructureerd op te slaan.

In totaal definieerden we voor de klachtendata ongeveer 40 relevante topics, waarvan 8 volledig met NLP bepaald kunnen worden. Voor de overige topics is te weinig data beschikbaar om betrouwbaar te modelleren. Om de topics toch te vinden, wordt hier text mining toegepast. Met deze topics hebben Fair Wear medewerkers inzicht in de problematiek die speelt bij fabrieksmedewerkers. De audit- en trainingsrapporten zijn samengevat in datasets die geanalyseerd kunnen worden.

De basis voor een nieuw rapportagesysteem

De resultaten van de NLP en text mining projecten dienen ook als basis voor de inrichting van een nieuw rapportagesysteem. Hierbij kunnen tekstvelden in de toekomst vervangen worden door bijvoorbeeld dropdowns en checkboxen. Zo wordt het rapporteren van klachten, audits en trainingen eenvoudiger, met een lagere werkdruk voor Fair Wear medewerkers tot gevolg. Fair Wear heeft nu inzicht in de topics van binnenkomende klachten, en oplossingen die wel en niet werken. Op basis hiervan kan de NGO haar processen verbeteren. De leerpunten en best practices worden gedeeld met andere NGO’s, overheden en belangenorganisaties.

We werken onder andere voor

Meer weten?
Business Manager Erik gaat graag met je in gesprek over wat we als datapartner voor jou en je organisatie kunnen betekenen.

Of je nou consultant bent of staflid: reizen moet nooit een issue zijn. Waar kies jij voor?

  • Een NS-Business card waarmee je onbeperkt gratis kunt reizen door het hele land, ook in je vrije tijd. 
  • Eigen vervoer en een kilometervergoeding van €0,19 per km, ook als je fietst.
  • Een poolauto, lease auto of tijdelijke huurauto (we vertellen je graag meer over de voorwaarden) 

Bij Digital Power staat ontwikkeling hoog in het vaandel. Dit stimuleren we met een ongelimiteerd ontwikkelbudget en een focus op het delen van kennis. 

Waar we écht in uitblinken, is onze persoonlijke begeleiding op jouw ontwikkeltraject. Zelf heb je vast een goed beeld waar je heen wilt. Twee begeleiders die je zelf kiest, helpen je bij het identificeren van specifieke doelen en acties. We noemen dit ‘De Gouden Driehoek’.

Zolang jij je blijft ontwikkelen, zal je ook blijven groeien in onze organisatie. Want jouw loonsverhoging is gekoppeld aan je drive om verder te komen. Zolang dat gebeurt, ben je hiervan verzekerd!