BIG DATA IN DE PUBLIEKE SECTOR

Transcriptie

1 BIG DATA IN DE PUBLIEKE SECTOR Nationaal Big Data Congres Voor de overheid Essenties Nationaal Big Data Congres Utrecht 2014

2 INHOUD VOORWOORD INTRODUCTIE BIG DATA CONGRES Jaring Hiemstra, Big Fellows HET BELANG VAN BIG DATA VOOR UTRECHT - Maarten Schurink, Gemeentesecretaris Utrecht 1 DE ROL VAN BIG DATA IN DE TRANSFORMATIE VAN DE PUBLIEKE SECTOR INSPIRATIE UIT DE PRAKTIJK; HOE BOL.COM BIG DATA TOEPAST - Arjen de Ruiter, bol.com 2 WAT KUNNEN WE MET BIG DATA: TOEPASSINGSGEBIEDEN BIG DATA IN DE PUBLIEKE SECTOR: STAND VAN ZAKEN EN POTENTIEEL - Mark Dijksman, Big Fellows 2 KLEINE DATA WORDEN GROOT - Freek Bomhof, TNO 3 DE WERKING VAN BIG DATA: INSIDE THE BLACK BOX DE JURIDISCHE RANDVOORWAARDEN BIJ HET VERZAMELEN EN TOEPASSEN VAN (BIG) DATA - Alex Commandeur, Afdelingshoofd Toezicht sector Publiek en plaatsvervangend directeur College Bescherming Persoonsgegevens 4 BIG DATA LEIDT TOT TRANSFORMATIE ORGANISATIE EN BESTUUR DE SENSOR CITY AMBITIES EN EERSTE ERVARINGEN UIT ASSEN - Jan Reitsma, Sensor City Assen ERVARINGEN UIT DE PRAKTIJK. TOEPASSING BIG DATA OP ZELFREDZAAMHEID IN HET SOCIAAL DOMEIN - Pieter in t Hout is informatie- en procesmanager 5 TOT SLOT, LESSEN EN INSPIRERENDE VOORBEELDEN

3 Jaring Hiemstra BIG FELLOWS Jaring Hiemstra is bestuurskundige en promoveerde op een onderzoek naar succesvolle besturing van grote steden. In 2004 richtte hij met Joscha de Vries het adviesbureau Hiemstra & De Vries op. Dit bureau houdt zich bezig met de innovatie en verandering van de publieke sector. Jarenlang werkte Jaring als adviseur voor grote steden, waterschappen, provincies en ministeries. Hiemstra & De Vries is drie keer op rij beoordeeld als de best gewaardeerde dienstverlener in de publieke sector. In 2014 richtte hij met Mark Dijksman daarnaast BigFellows op. Jaring is mede organisator en dagvoorzitter van het Nationaal Big Data Congres voor de overheid. Het is onze overtuiging dat de Big Data revolutie nog maar net is begonnen. Veel beschikbare data in organisaties worden wel verzameld maar niet gebruikt. Het gebruik van (Big) Data vormt een duurzame bron voor vernieuwing. Met Big Data zijn nieuwe antwoorden te geven op maatschappelijke vragen waarin de publieke sector vast is gelopen. Daarom zijn wij in 2013 gestart met Big Fellows. Een dynamische, jonge organisatie waar het toepassen van Big Data oplossingen voor de publieke sector centraal staat. Martijn Minderhoud Martijn Minderhoud is bedrijfskundige en werkt sinds 2005 bij Hiemstra & de Vries met publieke organisaties aan prestatieverbetering: van beleid naar gerichte innovatie, van organisatieontwikkeling naar concrete prestatieverbetering en van beheer naar prestatiesturing. Vanuit die ambitie werkt hij ook bij BigFellows aan concrete toepassingen van BigData in bijvoorbeeld Wijkgericht werken, Fraudepreventie, Handhaving en Zorg. HIEMSTRA & DE VRIES 3 Mark Dijksman Mark Dijksman bedenkt technologische sociale innovaties die ontstaan door versmelting van de fysieke en virtuele wereld. Hij adviseert op basis van wetenschap en praktijk over de mogelijkheden en de uitvoering daarvan. Dijksman is bestuurskundige, vaste gastdocent bij de Rijksuniversiteit Groningen en een veelgevraagd spreker. Mark is expert in toepassingen van Big Data en medeoprichter van Big Fellows. Hiemstra & De Vries is een toonaangevend adviesbureau dat organisaties in de publieke sector helpt beter te presteren. We zijn een bureau dat gelooft dat je door samenwerking het verschil maakt. We werken dichtbij onze opdrachtgevers, verbinden organisaties met vergelijkbare vragen en delen graag onze kennis. Hiemstra & De Vries bestaat in jaar en is vorig jaar voor de 3de keer door haar klanten beoordeeld als beste dienstverlener in de publieke sector.

4 VOORWOORD Sinds de New York Times in 2012 The Age of Big Data aankondigde is Big Data ongetwijfeld een van de meest gebruikte buzz woorden. Maar ook een bewezen bepalende factor in het succes van veel organisaties. De nieuwe kansen met Big Data ontstaan door de exponentiele groei van de hoeveelheid data én de rekenkracht van computers. Ondanks dat er ook terechte kritische geluiden zijn te horen over de gevolgen hiervan, zoals de aantasting van privacy en het verdwijnen van middenklassenbanen, is het van groot belang de kansen te onderkennen: niet alleen voor het bedrijfsleven, maar juist voor de publieke sector. De publieke sector kampt al decennia met een gebrekkige productiviteitsstijging. Nieuwe technologische ontwikkelingen zoals Big Data bieden kansen om te helpen hardnekkige maatschappelijke vraagstukken op te lossen én publieke organisaties echt effectiever en efficiënter te laten werken. Op donderdag 12 juni organiseerden wij daarom het Nationaal Big Data Congres voor de overheid. Dit congres had tot doel om te verkennen: 4 wat Big Data is, hoe het werkt en wat we ermee kunnen wat de gevolgen zijn voor de wijze van organiseren hoe organisaties slim aan de slag kunnen gaan met Big Data In dit boek staan verslagen en quotes van de verschillende sprekers en links naar video s van hun presentaties. Daarnaast hebben wij per onderwerp een toelichting geschreven om de betekenis en impact van Big Data voor publieke organisaties verder inzichtelijk te maken. De voorlopers in de private sector gingen de publieke sector de afgelopen jaren voor in het benutten van de nieuwe technologische kansen. Uit onderzoek blijkt dat bedrijven die gericht inzetten op Big data toepassingen het significant beter doen. We zijn ervan overtuigd dat dit ook voor de publieke sector geldt! Wij hopen dat het congres en dit boek zorgen voor nieuwe inspiratie voor jou en je organisatie! Jaring Hiemstra Martijn Minderhoud Mark Dijksman

5 INTRODUCTIE BIG DATA CONGRES 2014 JARING HIEMSTRA Big Fellows Succesvolle bedrijven maken gebruik van de nexus of forces : ze passen nieuwe technologie toe; ze organiseren op een moderne manier en maken slim gebruik maken van de kracht van de samenleving. Ook publieke organisaties zullen gebruik van deze samenhangende veranderingen. Deze bepalende veranderingen van organisaties zijn zichtbaar in de stad Utrecht: bol.com groeit elk jaar 20% en Polare gaat failliet Productiviteitsverbetering bij de overheid is nodig. Echte productiviteitsverbetering blijft sterk achter. Nieuwe technologie is een drijvende kracht om écht anders te organiseren Uit onderzoek blijkt dat bedrijven die gericht gebruik maken van data het substantieel beter doen. Ik ben ervan overtuigd dat dit ook voor de publieke sector geldt. Op dit congres wil ik met de deelnemers de potentie van Big Data voor de overheid verkennen én het begrip ontmytologiseren. Het mag niet de sticker van een hype krijgen, het is een ingrijpende nieuwe wijze van anders organiseren die we de komende jaren vorm gaan geven. 5

6 6

7 HET BELANG VAN BIG DATA VOOR UTRECHT MAARTEN SCHURINK Gemeentesecretaris Utrecht Link naar de videopresentatie SLIDEPACK Link naar het slidepack Big Data kan echt de manier van werken bij de overheid veranderen. Met deze alleszeggende zin opent Maarten Schurink zijn presentatie. Hij geeft aan dat Big Data een ware goudmijn is en een einde zal betekenen aan de huidige beleidstheorieën. Als reden geeft hij aan dat we steeds sneller en beter weten wat er in steden zich afspeelt. Uit onderzoek blijkt dat beleidsnota s eerder leiden tot onbewuste maatregelen, resultaten en effecten. Dit terwijl de vastgelegde maatregelen, effecten en resultaten vaak niet tot uiting komen of worden gerealiseerd. Maarten geeft aan dat hier verandering in komt. Je wilt immers niet blijven zitten op een goudmijn, je wilt hem inzetten. De gemeente Utrecht realiseert zich dit inmiddels. Als voorbeeld haalt Maarten enkele voorbeelden aan. Zo registreert de gemeente Utrecht al meer dan twee jaar zogeheten weesfietsen, oftewel verlaten fietsen. Dit heeft inmiddels geresulteerd dat men weet welke gebieden niet meer bezocht hoeven te worden. Dit leidt nu al tot een effectievere inzet van personeel en materieel en dus belastinggeld. Een ander voorbeeld wat Maarten aanhaalt is het opsporen van woningfraude. Het mag duidelijk zijn dat het hier ook om grote bedragen gaat. Big Data zal volgens Maarten een essentiële rol spelen om om fraude te kunnen opsporen en adequaat te handelen. Tot slot krijgen aanwezigen de gelegenheid om vragen te stellen. Vanuit de zaal wordt gesteld dat het reeel is om te veronderstellen dat straks het bedrijfsleven en de samenleving veel meer de sturende rol van de overheid zal overnemen. Wij, de samenleving, kunnen immers ook weesfietsen doorgeven bij de gemeente. Ondanks dat beleidsnota s en -theorieën in de toekomst misschien overbodig worden, zal de rol overheid van onverminderd groot zijn. Iemand zal toch de weesfietsen weg moeten halen, toch? En dat zal toch echt de overheid zijn en niet de samenleving. 7

8 1 DE ROL VAN BIG DATA IN DE TRANSFORMATIE VAN DE PUBLIEKE SECTOR NIEUWE TECHNOLOGIE LEIDT TOT INGRIJPENDE VERANDERING VAN DE PUBLIEKE SECTOR De wereld veranderd snel. Nieuwe technologische mogelijkheden leiden tot nieuwe vormen van interactie tussen mensen, nieuwe producten en diensten en nieuwe werkwijzen en besluitvormingsprocessen. Dit heeft een vergaande impact op bedrijven, maar ook de werkwijze van de publieke sector zal ingrijpend gaan veranderen. Het zal niet alleen de verhouding overheid en burger veranderen en de interne werkwijzen maar ook de wijze waarop managers en bestuurders werken. De vraag is niet meer of de overheid zal veranderen, maar hoe de publieke sector hiermee om zal gaan. PUBLIEKE SECTOR KAN LEREN VAN DE WINNAARS UIT DE PRIVATE SECTOR In de private sector zijn duidelijke winnaars en verliezers: Bol.com groeit elk jaar met 20% terwijl de boekenwinkels van Polare inmiddels failliet zijn. Wehkamp heeft de ambitie om haar omzet de komende jaren te verviervoudigen. Dit terwijl retailers hun omzet zien dalen. De verzekeraar Inshared groeit jaarlijks stevig terwijl grote verzekeraars fors moeten krimpen. De publieke sector kan zich laten inspireren door de winnaars in de private sector. Gartner beschrijft wat deze nieuwe winnaars hebben gedaan. Ze maken gebruik van the nexus of forces : Drie samenhangende en elkaar versterkende krachten: technologische innovatie, sociale innovatie en organisatie innovatie. Deze innovaties maken ook succesvolle innovaties in bijvoorbeeld de zorg mogelijk. Ginger.IO is hiervan een inspirerend voorbeeld: Geautomatiseerd wordt bepaald wie welke risico s loopt en welke zorg nodig heeft, en deze zorg wordt proactief en vaak preventief geleverd (organisatie innovatie) Ginger.io gebruikt data van mobiele telefoons om bij chronisch zieken het gedrag te analyseren en daarmee hun gezondheid permanent te monitoren (technologische innovatie) Patiënten genereren constant en geautomatiseerd informatie over de status van hun ziekte en hoeven daardoor minder vaak naar de arts (sociale innovatie) Data speelt een cruciale rol bij het leveren van betere prestaties van organisaties. Uit onderzoek van Gartner blijkt dat bedrijven die Big data effectief hebben geïntegreerd in hun werkprocessen 20% beter presteren dan concurrenten. Dit geldt niet alleen voor de private sector. Tot soortgelijke conclusies kwam McKinsey die stelde dat Big Data de Europese publieke sector 150 tot 300 miljard per jaar kan opleveren! Big data kan een sleutelrol vervullen bij het laten stijgen van de arbeidsproductiviteit in de publieke sector. De afgelopen decennia is deze nauwelijks toegenomen. En dat is zorgwekkend. De private sector laat zien dat met Big Data toepassingen grote slagen zijn te maken. Maar wat is Big Data en wat kunnen we ermee? 8

9 (BIG) DATA ALS SLEUTEL VOOR HET OPLOSSEN VAN TAAIE VRAAGSTUKKEN Bol.com raadt ons producten aan en TomTom vertelt ons hoe om een file heen te rijden. We berekenen welke behandeling een patiënt moet krijgen en waar een inbraak gaat plaatsvinden. Met dezelfde type technologie berekent Google hoe virussen zich verspreiden, Twitter wie de verkiezingen gaat winnen en Shell waar ze het best naar olie kunnen boren. Aan de basis van deze innovaties staat de explosieve groei aan beschikbare data en de steeds krachtigere algoritmes en computers waarmee we deze gegevens kunnen onderzoeken. Dit noemen we Big Data. Volume: hoeveelheid data Velocity: snelheid waarmee data verandert Variety: verschillende type bronnen en type data Veracity: gebruik van bronnen met verschillende mate van betrouwbaarheid 9 De preciezere definitie van Big Data gaat over de gebruikte data en de daarvoor benodigde analyse techniek en vaardigheden om waarde te creëren uit die groot, gevarieerd, en snel veranderd is dat gewone database software niet in staat is dit te verzamelen en analyseren. Omdat binnen de (semi-) publieke sector overheid het gebruik van database analyse software beperkt is richten we ons in dit boek op het gebruik van (gecombineerde) databronnen om te komen tot nieuw of beter inzicht in ontwikkelingen, opgaven, kansen en bedreigingen. Dit hoeft dus niet heel groot, ingewikkeld of technisch te zijn.

10 INSPIRATIE UIT DE PRAKTIJK; HOE BOL.COM BIG DATA TOEPAST ARJEN DE RUITER Bol.com Bol.com behoort al jaren tot de meest populaire winkels van de lage landen. De waardering blijkt niet alleen uit de constante toename in winkelbezoeken, maar ook uit de toegekende publieks- en vakprijzen. Zo won bol.com in Nederland talrijke Thuiswinkel Awards waaronder in maart 2014 ook de award voor Beste webwinkel van Nederland. Arjen de Ruiter is een van de managers bij het team software ontwikkeling, de ruggengraat van de webwinkel. Arjen zich richt op twee belangrijke speerpunten. Het verbeteren van de personificatie van de website ( iedereen zijn eigen winkel ) en het verbeteren van de zoekfuncties. Je wil immers kunnen zoeken op zaken die voor jou, als gebruiker, relevant zijn. Het is opvallend hoeveel stappen bol.com al heeft gezet en hoe ambitieus de organisatie is en vooral de manier waarop. Het vooraf bedenken en uitwerken van plannen en strategieën is uiteraard noodzakelijk, maar sommige zaken vragen om een trial and error aanpak. De informatie en ervaringen afkomstig van gebruikers zijn regelmatig veelzeggender dan een vooraf bedacht plan. Het is veel flexibeler sturen en je speelt direct in op de behoeften van de klant. Maar een klant wil altijd meer en beter en daarom geldt voor Bol. com: Er kan nog zoveel beter. Opvallend is dat bij bol.com het onderwerp Big Data een niet veel gebruikt woord is. Big data gaat bij Bol.com meer over performance en schaalbaarheid. Beiden zijn cruciaal om de groeiambities van Bol.com waar te maken. We zijn in staat nieuwe antwoorden op onze vragen te genereren met behulp van de technologische verbeteringen van de afgelopen jaren, aldus Arjen. Technologie staat echter nooit voorop: visie bepaalt hun koers. com bijvoorbeeld nieuwe delen van de website onder slechts een klein deel van de gebruikers om kijken wat het effect is. Het is een goede en snelle manier om te leren wat werkt en wat niet, geeft Arjen aan. We leren van onze klanten en zij voelen zich serieus genomen. Bol.com wil de beste dienstverlener worden en behoort mede door deze klantgerichte aanpak al jaren tot de besten. En ook al gebruiken zij de term Big Data niet, zij weten het wel heel effectief en efficiënt in hun bedrijfsvoering toe te passen. Big Data gaat bij Bol.com meer over performance en schaalbaarheid. 10 Link naar de videopresentatie SLIDEPACK Link naar het slidepack Het bedrijf heeft grote ambities, maar neemt kleine stappen. Zij geloven in het principe van fail-fast-failcheap. Blijkt één stap succesvol, maak het dan groter en herhaal net zo lang totdat het gewenste resultaat is behaald. Tegelijkertijd is het maken van een foute stap niet erg. Het was maar een kleine stap was die niet veel heeft gekost, en daar leer je van. Zo lanceert Bol.

11 Ons bedrijf heeft grote ambities, maar neemt kleine stappen. Wij geloven in 11 het principe van fail-fast fail-cheap. Arjen de Ruiter Bol.com

12 2 WAT KUNNEN WE MET BIG DATA: TOEPASSINGSGEBIEDEN Maatschappelijke ontwikkelingen en bezuinigingen dwingen overheidsorganisaties om scherpere keuzes te maken en preciezer te sturen. Welke problemen vinden we het belangrijkst en welke oplossingen leveren de meeste maatschappelijke waarde op? Hoe kunnen we differentiëren en maatwerk bieden zodat we beperkte middelen maximaal effectief inzetten? Big Data biedt de noodzakelijke informatie en inzichten om dit mogelijk te maken. De toepassingsmogelijkheden van Big Data zijn divers. De belangrijkste toepassingsmogelijkheden hebben we in het overzicht hiernaast op een rij gezet. We werken dit uit aan de hand van een concrete casus: zelfredzaamheid en zorg in wijken en buurten. Het effectief organiseren van (vaak integrale) zorg en ondersteuning in wijken is komende jaren dé grote uitdaging voor gemeenten en lokale (zorg) partners. Huidige informatie over leefbaarheid, zelfredzaamheid en zorgbehoefte van burgers zijn vaak erg beperkt, sterk veralgemeniseerd en niet actueel. Met Big Data kunnen gemeenten en partners de specifieke zorgbehoefte van burgers op wijk en zelfs straatniveau monitoren en voorspellen. 1. Beter en sneller inzicht in maatschappelijke opgaven: VAN SCHATTEN NAAR WETEN 2. Vroegtijdig herkennen en voorkomen van ontwikkelingen: VAN OPLOSSEN NAAR VOORKOMEN 3. Betere onderbouwde besluitvorming: VAN OPINIE NAAR FEITEN Big Data maakt het mogelijk specifieke maatschappelijke opgaven en ontwikkelingen real time te volgen. Op basis van data van gemeente, partners en publieke data van bijvoorbeeld social media kunnen gemeenten en partners voorspellen welke ondersteuning nodig is en vooral ook waar dit niet nodig is en vertrouwd kan worden op de zelfredzaamheid van bewoners. Dit scherpe inzicht in de feitelijke situatie vormt de basis voor effectieve uitvoering, sturing en verantwoording. Een helder en gedeeld beeld van de werkelijke situatie maakt ook effectieve afstemming binnen en tussen organisaties mogelijk. Door vroegtijdige signalering van voorspellende factoren helpt Big Data opgaven te voorkomen of beperken. Big Data kan bijvoorbeeld de bepalende factoren voor ontwikkeling van leefbaarheid en zelfredzaamheid in wijken bepalen en daarmee verwachte ontwikkeling voorspellen. Hiermee kunnen grotere problemen en noodzakelijke investeringen zoals grote kostbare herstructureringen worden voorkomen. Big Data kan (politieke) besluitvorming verbeteren door inzicht te geven in werkende oplossingen en beslissingen te ondersteunen Door diepgaande analyse van eerdere interventies en ontwikkelingen worden de bepalende knoppen waaraan gedraaid kan worden om zelfredzaamheid te stimuleren inzichtelijk, en kan worden voorspelt welke interventies het meeste kans van slagen hebben in een specifieke situatie. Ook kunnen keuzes in bijvoorbeeld aanbesteding van zorg vanuit de gemeente veel beter onderbouwd gemaakt worden. Big Data systemen zijn daarbij vaak zelflerend: voorspellingen en aanbevelingen worden steeds nauwkeuriger. 12 >>>>>

13 Het benutten van de toegevoegde waarde van Big Data gaat meestal stapsgewijs voor organisaties. Grofweg neemt de toegevoegde waarde toe van het monitoren van opgaven en prestaties naar het creëren van nieuwe diensten, het zesde toepassingsgebied. In het figuur op de volgende pagina is weergegeven hoe data in verschillende ontwikkelstadia steeds meer waarde toevoegt voor organisaties. Organisatietransformatie is daarin de laatste stap. >>>>> 4. Vergaand maatwerk: VAN PLATSPUITEN NAAR CHIRURGISCHE INGREPEN Big data maakt het mogelijk om heel specifiek behoeften in kaart te brengen en op basis daarvan maatwerkoplossingen te bieden. Maatwerk en differentiatie zijn in veel gemeenten en zorginstellingen kernwoorden in de plannen om de integrale zorg en ondersteuning effectief te kunnen leveren. Doordat we inzicht hebben in de precieze en complete zorgbehoefte en zelfredzaamheid van buurten of zelf individuele burgers kunnen die maatregelen worden gekozen die daar maximaal bij aansluiten Maarten Schurink sprak in zijn presentatie op het congres over het einde van de beleidscyclus en de beleidsfunctie. Tijdens de groepsdiscussies werd zelfs het einde van de politiek in een op data gestuurde overheid besproken. Dit zijn voorbeelden van transformaties die bij de overheid tot grote veranderingen kunnen leiden. 5. Radicale versnelling van de beleidscyclus: VAN BELEID NAAR INNOVATIE Big Data maakt snelle en effectieve innovatie en ontwikkeling mogelijk doordat effecten van maatregelen en experimenten direct inzichtelijk zijn. Daardoor is meteen duidelijk of een maatregel wel of niet werkt. Voor een werkveld als wijkgerichte zorg waarin de effectiviteit van nieuwe werkwijzen nog zo onduidelijkheid is biedt dit een kans om veel sneller te leren en te werken op basis van zichtbare effecten in plaats van beleidsstukken. Dit maakt het mogelijk om successen te behalen tegen veel lagere kosten Innovatie van diensten en producten: VAN OPTIMALISEREN NAAR NIEUWE DIENSTEN Big data maakt, samen met technologische en sociale ontwikkelingen, de ontwikkeling van geheel nieuwe oplossingen, producten en diensten mogelijk. Zo ontstaan er nieuwe zorginitiatieven van bewoners en private partijen waarmee bewoners zelf noodzakelijke zorg en beschikbare ondersteuning in beeld brengen en ondersteuning op elkaar afstemmen, zonder tussenkomst van de gemeente. De mate waarin deze nieuwe oplossingen mogelijk worden hangt ook af van de mate waarin de overheid data beschikbaar stelt (open data).

14 14 1. MONITOREN PRESTATIES 2. INZICHT IN EFFECTEN 3. OPTIMALISATIE WERK- PROCESSEN 4. WAARDE CREËREN 5. ORGANISATIE TRANSFORMATIE 1. Het goed kunnen volgen (monitoren) van ontwikkelingen en eigen prestaties. 2. Inzicht in effecten van beleid en uitvoering en daarmee de mogelijkheid om effectief bij te sturen. 3. Optimalisatie van werkprocessen, door integratie van Big Data in de werkprocessen. 4. Nieuwe waarde creëren, door ontwikkeling en innovatie van diensten. 5. Organisatie transformatie, door ontwikkeling van compleet nieuwe diensten of door vergaande verandering van de werkwijze.

15 BIG DATA IN DE PUBLIEKE SECTOR; STAND VAN ZAKEN EN MOGELIJKHEDEN MARK DIJKSMAN Big Fellows 15 Link naar de videopresentatie SLIDEPACK Link naar het slidepack De content die door gebruikers wordt gecreëerd zal bij Big Data straks een heel belangrijke rol gaan spelen. Nu al wordt meer dan 80% van de data door gebruikers gegenereerd. Wanneer je dingen gaat verbinden met het internet dan kun je dingen ook slimmer maken. Mensen zullen in de nabije toekomst met behulp van de huidige techniek in staat zijn om hun eigen gezondheid te monitoren, dit kan levens redden. Het vrijgeven van data door overheden en bedrijven, oftewel Open Data, leidt tot slimme oplossingen afkomstig van burgers. Niet alleen apparaten maar ook mensen fungeren als sensoren om belangrijke data te verzamelen. We gaan veel meer naar hyper personalisatie waarbij bedrijven en instellingen in kunnen spelen op een toekomstige behoefte van de consument.

16 Is de wet op privacy opgesteld door een oudere generatie waar de jongere 16 generatie er veel minder moeite mee heeft?

17 KLEINE DATA WORDEN GROOT FREEK BOMHOF TNO Link naar de videopresentatie SLIDEPACK Link naar het slidepack Freek Bomhof, Principal Business Consultant bij het TNO, neemt de bezoekers in een vogelvlucht mee door de geschiedenis van het internet. De eerste tussenstop is bij web 1.0, het web van informatie waar Google een grote rol heeft gespeeld. Zoals hij zelf mooi omschrijft: een techneuten feestje. De reis gaat verder richting web 2.0, het web van mensen. Het tijdperk van Facebook en Mark Zuckerberg, een tijdperk waarbij onze grootouders sociaal actief werden op het internet. Inmiddels hebben we web 3.0 bereikt. Het tijdperk van Big Data. Hier gaat zijn verhaal ook over: Big Data. In het tijdperk van Big Data zijn veel apparaten aan het internet gekoppeld en verzamelen deze informatie. Freek bespreekt enkele cases waarbij hij laat zien wat voor informatie er wordt verzameld en op welke wijze. De meeste informatie die op dit moment wordt verzameld, wordt vooral gebruikt om processen en producten efficiënter en effectiever te maken. Freek werpt ook een blik in de toekomst. Er wordt vooruitgeblikt naar web 4.0. Hoe gaat dit tijdperk eruit zien? Wat zijn de ontwikkelingen en wanneer breekt dit tijdperk aan? Hier valt nog geen duidelijk antwoord op te geven. Een ding weet Freek zeker; het zal een tijdperk van transformatie worden waarbij ons digitale en fysieke landschap zal veranderen. Wij, de consument, gaan bepalen hoe wij met de ontwikkelde technologieën om wensen te gaan. Hij bespreekt tot slot nog enkele uitdagingen die de TNO bestudeert. Bijvoorbeeld Hoe ziet een keten van data eruit? Data kun je immers copy en pasten, je hebt dan twee keer zoveel. Wat zegt dit nu precies en wat kunnen we ermee? Welke waarde vertegenwoordigt een keten van data? Hij geeft daarom ook aan dat Big Data in al haar vormen nog in de kinderschoenen staat. Het wordt nu vooral gebruikt om processen en diensten soepeler te laten verlopen en inzichtelijker te maken. Maar waar gaat het in de toekomst voor gebruikt worden? Daar zit wederom een uitdaging; in hoeverre vertrouwen we elkaar waar het gaat om beschikbaar stellen en delen van onze persoonlijke (Big) data. Daar gaat het allemaal uiteindelijk om, ongeacht welke vorm van communicatie en informatie nu wordt gebruikt. 17

18 3 DE WERKING VAN BIG DATA: INSIDE THE BLACK BOX Succesvolle toepassing van Big Data is vooral afhankelijk van de beschikbaarheid en bruikbaarheid van data en de kwaliteit van analysemodellen (algoritmes) en software. aangesloten op het internet. DATA: WAT IS ER ALLEMAAL BESCHIKBAAR? Een belangrijk onderscheid is het verschil tussen Gestructureerde- en ongestructureerde data: Gestructureerde data hebben een duidelijke label waardoor de betekenis van- en relatie tussen data gedefinieerd is. Een voorbeeld is een Excel bestand waarin elke rij en elke kolom een vaste betekenis ( naam leeftijd in jaren ) en formaat ( tekst, cijfers ) heeft. Bij ongestructureerde data zoals teksten, afbeeldingen en video is de betekenis van een woord niet bij voorbaat duidelijk, maar hier is wel informatie uit te halen. Voor analyse hiervan is steeds betere software beschikbaar. Social Media zoals Twitter zijn semi-gestructureerd: ze hebben een aantal gestructureerde elementen ( verzender, verzendplaats, tijdstip ) maar de inhoud van het bericht is vaak ongestructureerd (platte tekst). De meeste data die wordt gecreëerd is ongestructureerd. Vandaag de dag zijn echter nog 95% van de door organisaties gebruikte data gestructureerde databronnen. Het gebruik van volledig ongestructureerde data is ook in het bedrijfsleven nog vooral experimenteel. Een tweede belangrijk onderscheid is interne- en externe databronnen: interne bronnen genereer je zelf en heb je dus altijd beschikbaar in het eigen datanetwerk. Externe data zijn van andere organisaties maar ook het publieke internet en, steeds belangrijker, the internet of things : apparaten (sensoren) die data verzamelen en zijn INTERNE DATABRONNEN EXTERNE DATABRONNEN Specifiek voor publieke sector organisaties biedt het delen van data grote kansen omdat er (in theorie ) geen concurrentie is of prijs hoeft te worden bepaald voor data. Wel is natuurlijk een belangrijke vraag of, en zo ja onder welke juridische voorwaarden, gebruik gemaakt kan worden van deze data: het privacyvraagstuk. Hierop gaan we verder in na de volgende paragraaf. INTERNET OF THINGS ALGORITMES EN SOFTWARE: HOE WERKT DATA ANALYSE Er is ongelofelijk veel data beschikbaar: De volgende vraag is hoe je hieruit inzicht krijgt wat je zoekt. Hoe dit op hoofdlijnen gaat is weergegeven in het model op de volgende pagina (Ontwikkeld door het software bedrijf SAS). Hierbij is ook aangegeven welk type medewerker nodig is om de verschillende stappen te doorlopen. 18

19 BUSINESS MANAGER BUSINESS ANALIST Domein expert Maakt beslissingen Evalueert processen en ROI MONITORING EN EVALUATIE PROBLEEM IDENTIFICATIE Data exploratie Data visualisatie Melding creatie TOEPASSING BIG DATA OPLOSSING VERZAMELEN EN VOORBEREIDEN DATA IT SYSTEMEN / MANAGEMENT ANALYTISCHE DBA SCORING OFFICER Model validatie Toepassing model Model monitoring Voorbereiding data MODEL VALIDATIE EN DOCUMENTATIE MODEL ONTWIKKELING TRANSFORMEREN EN SELECTEREN DATA EXPLORATIE DATA MINER STATISTICUS DATA WETENSCHAPPER Onderzoeks analyse Omschrijvende segmentatie Voorspellend modeleren bron: SAS 19 - Probleem identificatie: Het bepalen en concretiseren van het op te lossen probleem of de gewenste verbetering en de afbakening daarvan. Deze stap bepaalt het succes van een Big Data project, maar wordt opvallend vaak half gedaan of zelfs vergeten. - Verzamelen en voorbereiden data: Deze stap bestaat zowel uit het verkennen van mogelijk beschikbare databronnen, als uit het verzamelen, opschonen en vaak bruikbaar maken van deze data. Deze stap kost vaak veel tijd en inzet, maar is bepalend voor het resultaat (Garbage in = Garbage out). - Data exploratie: Data kan met behulp van specifieke software snel worden verkend om bepalende variabelen te zoeken en trends en relaties in kaar te brengen. - Model ontwikkeling: De basis van veel Big Data oplossingen is een algoritmisch model op basis van statistiek en data mining software. Steeds vaker wordt daarbij gebruik gemaakt van zelflerende modellen, die op basis van nieuwe data en uitkomsten hun voorspellende waarde automatisch verbeteren. - Model validatie en documentatie: zeker in organisatie waar veel verschillende big data toepassingen worden gebruikt is het belangrijk centraal overzicht te houden in doel, inhoud en werking van de modellen. Ook moeten modellen in deze stap goed getoetst worden, om de werking te controleren en eventuele fouten op te sporen en te verbeteren. - Toepassing Big Data oplossing: De belangrijkste stap: het toepassen van het Big Data system, door nieuwe data te analyseren en de voorspellingen te gebruiken voor het in stap 1 gestelde probleem. Hierbij is de beoordeling en duiding van de uitkomsten door medewerkers die inhoudelijk betrokken zijn essentieel. - Monitoring en evaluatie: Net als in alle ontwikkelingen is goede monitoring en evaluatie nodig om te zorgen dat een toepassing doet, en blijft doen, wat de bedoeling was. Ook kan de context veranderen, waardoor het systeem moet worden aangepast. En: als het systeem of het op te lossen probleem niet langer relevant zijn, zorg dan dat het op een goede manier wordt verwijderd. Neem dus afscheid van systemen die niet meer werken, zeker rondom privacy gevoelige data. Net als de in het vorige hoofdstuk beschreven toepassingsgebieden ontwikkelt ook de toegevoegde waarde van Big Data systemen zich stapsgewijs. Onderstaand groeimodel van Gartner laat dit zien. We lichten dit toe aan de hand van een casus Fraude.

20 Tot slot: De antwoorden die big data analyse bieden zijn afhankelijk van de gebruikte data en de gebruikte algoritmes. Linda Kool van het Rathenau instituut zegt daarover terecht Het idee van een neutrale dataset waarin een objectieve waarheid besloten ligt die alleen nog door het juiste algoritme ontsloten hoeft te worden, is een mythe. Datasets geven zicht op een bepaald deel van de werkelijkheid en algoritmes en analysetools zijn een model dat een zoeklicht plaatst op bepaalde zaken, maar over anderen juist een schaduw werpt. Andere datasets en andere algoritmes geven andere resultaten. Dit betekent dat een verantwoord gebruik van Big Data vraagt, van data-analisten en van gebruikers zoals managers en politici, om data literacy ( datageletterdheid ) om resultaten op waarde te kunnen schatten. VALUE What happened? Descriptive Analytics Why did it happen? Diagnostic Analytics What will happen? Predictive Analytics How can we make it happen? Prescriptive Analytics 20 bron: Gartner DIFFICULTY Descriptive Analytics: Wat is de omvang van de fraude en waar komt het voor, wie frauderen? Diagnostic Analitics: Wat zijn de oorzaken van deze fraude, waarom doen mensen het, hoe doen ze het? Predictive Analytics: kunnen we voorspellen waar fraude gaat plaatsvinden? Wat zijn voorspellende risicoprofielen van personen en situaties? Prescriptive Analytics: welke aanbevelingen kunnen we professionals concreet geven als het om fraude te voorkomen?