In veel landen, met name in Nederland, moeten bedrijven een deel van hun inkomsten afdragen aan het pensioenfonds voor hun personeel. Stel je eens voor hoe nadelig het is voor pensioenfondsen als bedrijven per ongeluk in de verkeerde sector geregistreerd staan bij de Kamer van Koophandel (KvK)! Dit kan leiden tot situaties waarin pensioenfondsen verplicht zijn om pensioenen te betalen aan werknemers, terwijl hun werkgevers nooit hebben bijgedragen aan het fonds.

Om dit probleem aan te pakken, hebben we een klant in de pensioenfonds-sector geholpen door gebruik te maken van web scraping en machine learning technologieën. Ons doel was om zoveel mogelijk KvK nummers te koppelen aan de websites van de juiste online ondernemingen. Dit stelde onze klant in staat om bedrijven te analyseren op basis van trefwoorden die relevant zijn voor hun sector. Hoe relevanter het trefwoord, hoe groter de kans dat het bedrijf tot die sector behoort. Gemiste premies werden hierdoor ingeruild voor efficiëntie, hogere inkomsten en verbeterde processen!

Voor dit project moesten we zo veel mogelijk KvK-nummers koppelen aan de juiste bedrijfswebsites. Op deze manier konden we automatisch de website van elk bedrijf controleren op specifieke trefwoorden die aangaven in welke bedrijfstak het bedrijf zat. Hoe meer deze trefwoorden overeenkwamen met de branche, hoe zekerder we konden zeggen dat het bedrijf tot die branche behoorde. Om de nauwkeurigheid van deze tool te valideren en te verfijnen, gebruikten we een machine learning model dat was getraind op een dataset van 2000 bedrijfswebsites. Aangezien het scrapen van websites en machine learning processen veel berekeningen vergen, vooral wanneer het om grote hoeveelheden data gaat, kozen we ervoor om cloud computing diensten te gebruiken om snelle prestaties en schaalbaarheid te garanderen.