BIG DATA IN DE PUBLIEKE SECTOR

BIG DATA IN DE
PUBLIEKE SECTOR
Nationaal
Big Data
Congres
Voor de overheid
Essenties Nationaal Big Data Congres
Utrecht 2014
INHOUD
VOORWOORD
INTRODUCTIE BIG DATA CONGRES 2014 - 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
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
2
Jaring Hiemstra
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
BIG FELLOWS
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.
Jaring als adviseur voor grote steden, waterschappen, provincies en ministeries. Hiemstra & De Vries
Het gebruik van (Big) Data vormt een duurzame bron
is drie keer op rij beoordeeld als de best gewaardeerde dienstverlener in de publieke sector. In 2014
voor vernieuwing. Met Big Data zijn nieuwe antwoorden
richtte hij met Mark Dijksman daarnaast BigFellows op. Jaring is mede organisator en dagvoorzitter
te geven op maatschappelijke vragen waarin de publieke
van het Nationaal Big Data Congres voor de overheid.
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
www.bigfellows.io
Martijn Minderhoud is bedrijfskundige en werkt sinds 2005 bij Hiemstra & de Vries met publieke
3
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 Big Data in bijvoorbeeld Wijkgericht werken,
Fraudepreventie, Handhaving en Zorg.
HIEMSTRA & DE VRIES
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
Mark Dijksman
door samenwerking het verschil maakt. We werken
dichtbij onze opdrachtgevers, verbinden organisaties
met vergelijkbare vragen en delen graag onze kennis.
Mark Dijksman bedenkt technologische sociale innovaties die ontstaan door versmelting van de
Hiemstra & De Vries bestaat in 2014 10 jaar en is vorig
fysieke en virtuele wereld. Hij adviseert op basis van wetenschap en praktijk over de mogelijkheden
jaar voor de 3de keer door haar klanten beoordeeld als
en de uitvoering daarvan. Dijksman is bestuurskundige, vaste gastdocent bij de Rijksuniversiteit
beste dienstverlener in de publieke sector.
Groningen en een veelgevraagd spreker. Mark is expert in toepassingen van Big Data en
medeoprichter van Big Fellows.
www.hiemstraendevries.nl
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:
• 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
4
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 van de kracht
van de samenleving. Ook
publieke organisaties
zullen gebruik maken 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
HET BELANG VAN
BIG DATA VOOR
UTRECHT
MAARTEN SCHURINK
Gemeentesecretaris Utrecht
“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 zich in steden 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.
Link naar de videopresentatie
SLIDEPACK
Link naar het slidepack
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 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 reeël is om te veronderstellen dat
straks het bedrijfsleven en de samenleving
veel meer de sturende rol van de overheid
zullen 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
van de overheid 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
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 verandert 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 tussen overheid en
burger en de interne werkwijzen veranderen 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:
Ginger.io gebruikt
data van mobiele
telefoons om bij
chronisch zieken het
gedrag te analyseren en
daarmee hun gezondheid
permanent te monitoren
(technologische
innovatie)
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
Geautomatiseerd
wordt bepaald wie
welke risico’s loopt
en welke zorg nodig
heeft, en deze zorg
wordt proactief en vaak
preventief geleverd
(organisatie
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.
(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 hetzelfde 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.
De preciezere definitie van Big Data gaat over de
gebruikte data en de daarvoor benodigde analysetechniek
en vaardigheden om waarde te creëren uit data die zo
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.
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
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 richt zich 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’.
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-fail-cheap’.
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 die niet veel heeft gekost, en
daar leer je van.
Zo lanceert Bol.com bijvoorbeeld nieuwe
delen van de website onder slechts
een klein deel van de gebruikers om
te 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
“Ons bedrijf
heeft grote
ambities, maar
neemt kleine
stappen.
Wij geloven in
het principe van
fail-fast
fail-cheap.“
Arjen de Ruiter
Bol.com
11
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 meest belangrijk 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 de komende
jaren dé grote uitdaging voor gemeenten en lokale
(zorg) partners. Huidige informatie over leefbaarheid,
zelfredzaamheid en zorgbehoeften 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
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.
12
2. Vroegtijdig herkennen
en voorkomen van
ontwikkelingen:
VAN OPLOSSEN NAAR
VOORKOMEN
Door vroegtijdige signalering van ‘voorspellende factoren’ helpt Big
Data opgaven te voorkomen of beperken.
Big Data kan bijvoorbeeld de bepalende factoren voor de 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.
3. Betere onderbouwde
besluitvorming:
VAN OPINIE NAAR
FEITEN
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 voorspeld
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.
>>>>>
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.
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.
>>>>>
4. Vergaand maatwerk:
VAN PLATSPUITEN
NAAR CHIRURGISCHE
INGREPEN
5. Radicale versnelling van
de beleidscyclus:
VAN BELEID NAAR
INNOVATIE
6.
Innovatie van diensten
en producten:
VAN OPTIMALISEREN
NAAR NIEUWE DIENSTEN
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 zelfs
individuele burgers kunnen die maatregelen worden gekozen die daar
maximaal bij aansluiten.
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.
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).
13
14
1.
MONITOREN
PRESTATIES
1.
2.
3.
2.
INZICHT IN
EFFECTEN
3.
OPTIMALISATIE
WERKPROCESSEN
Het goed kunnen volgen (monitoren) van
ontwikkelingen en eigen prestaties.
Inzicht in effecten van beleid en uitvoering en daarmee
de mogelijkheid om effectief bij te sturen.
Optimalisatie van werkprocessen, door integratie van
Big Data in de werkprocessen.
4.
5.
4.
WAARDE
CREËREN
5.
ORGANISATIE
TRANSFORMATIE
Nieuwe waarde creëren, door ontwikkeling
en innovatie van diensten.
Organisatie transformatie, door ontwikkeling
van compleet nieuwe diensten of door
vergaande verandering van de werkwijze.
BIG DATA IN
DE PUBLIEKE
SECTOR; STAND
VAN ZAKEN EN
MOGELIJKHEDEN
MARK DIJKSMAN
Big Fellows
15
“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.”
Link naar de videopresentatie
SLIDEPACK
Link naar het slidepack
“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.”
“Is de wet
op privacy
opgesteld door
een oudere
generatie waar
de jongere
generatie er
veel minder
moeite mee
heeft?”
16
KLEINE DATA
WORDEN GROOT
FREEK BOMHOF
TNO
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.
Link naar de videopresentatie
SLIDEPACK
Link naar het slidepack
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 het 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
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.
things’: apparaten (sensoren) die data verzamelen en zijn
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 duidelijk ‘label’
waardoor de betekenis van- en relatie tussen data
gedefinieerd is. Een voorbeeld is een Excelbestand
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
18
INTERNE
DATABRONNEN
EXTERNE
DATABRONNEN
Specifiek voor organisaties in de publieke sector 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.
BUSINESS MANAGER
BUSINESS ANALIST
Domein expert
Maakt beslissingen
Evalueert processen en ROI
Data exploratie
Data visualisatie
Melding creatie
MONITORING
EN EVALUATIE
PROBLEEM
IDENTIFICATIE
TOEPASSING BIG
DATA OPLOSSING
IT SYSTEMEN /
MANAGEMENT
ANALYTISCHE DBA
SCORING OFFICER
Model validatie
Toepassing model
Model monitoring
Voorbereiding data
VERZAMELEN EN
VOORBEREIDEN
DATA
MODEL VALIDATIE
EN DOCUMENTATIE
MODEL
ONTWIKKELING
DATA
EXPLORATIE
TRANSFORMEREN
EN SELECTEREN
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 kaart 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
organisaties 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 is, zorg dan dat het op een
goede manier wordt verwijderd. Neem
dus afscheid van systemen die niet
meer werken, zeker rondom
privacygevoelige 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.
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.
What will
happen?
Why did it
happen?
What
happened?
VALUE
Descriptive
Analytics
Diagnostic
Analytics
bron: Gartner
•
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
How can we
make it
happen?
Prescriptive
Analytics
20
DIFFICULTY
•
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?
PRIVACY: BEPALEND VOOR DE MOGELIJKHEDEN
EN HET SUCCES VAN BIG DATA
Het toepassen van Big Data kan alleen als de elementaire
rechten van burgers niet worden geschonden. Burgers
worden blij als gezondheidskosten dalen, misdadigers
sneller worden gevonden en de servicegerichtheid
verbetert. Maar als dit ten koste gaat van elementaire
rechten zal dit niet worden getolereerd. Om succesvol
gebruik te maken van de potentie van Big Data
is het nodig ‘de privacytoets’ vanaf het begin van
ontwikkelingen in het oog te houden, en niet achteraf
proberen toe te passen.
Een belangrijk criterium hierbij is de herleidbaarheid tot
individuele personen. Jacob Kohnstamm, voorzitter van
het CBP, zegt hierover terecht “Voor veel doelen waarvoor
big data wordt ingezet, zijn tot de persoon herleidbare
gegevens helemaal niet nodig”. Dit geldt zeker voor
overheidsorganisaties. Als gegevens (onherleidbaar)
worden geanonimiseerd zijn deze in veel gevallen vrij
bruikbaar. “Privacy bij design” is daarbij een belangrijk
hulpmiddel. Vanuit KING wordt bijvoorbeeld gewerkt aan
het verzamelen en verstrekken van gedetailleerde (zorg)
informatie voor gemeenten op wijk en/of buurtniveau
(zie het voorbeeld in hoofdstuk 2!), waarbij gegevens
automatisch geanonimiseerd worden aangeleverd bij
gemeenten.
Als organisaties wél herleidbare gegevens willen
gebruiken, moeten zij aan alle eisen van de Wet
bescherming persoonsgegevens (Wbp) voldoen.
Uitdaging hierbij is dat de Wbp is opgesteld
voordat de explosieve groei aan beschikbare data
en Big Data oplossingen ontstond. Toch biedt
de wet een helder afwegingskader die niet per
definitie toepassingen goedkeurt of afwijst. Het
gaat om het beoordelen van de toepassing aan
de hand van criteria zoals die op het congres
ook zijn toegelicht. Uit onderzoek blijkt dat er
veel meer kan dan overheidsorganisaties doen
en tegelijkertijd kiezen overheden voor ‘trial
and error’ waarbij ze door rechtelijke uitspraken
moeten worden gecorrigeerd. Dit is voor burgers
en overheden een onwenselijke situatie. De hoop
is dat de Europese privacyregelgeving die op dit
moment in ontwikkeling is, hier meer houvast in
zal bieden.
Maar, wet- en regelgeving kan niet alles oplossen
en Alex Commandeur verwees in zijn presentatie
(zie bijgevoegde video) terecht naar het belang
van ‘ethiek en gezond verstand’: wat vinden
we zelf wenselijk en onwenselijk!? In de bijna
onbeperkte mogelijkheden die datakoppeling
en analyse in de toekomst zullen bieden
blijft dit de belangrijkste leidraad, zeker voor
overheidsorganisaties.
21
22
gebruik van ‘Big Data’. Alex erkent het
belang en geeft daarom ook aan dat de
overheid heel verantwoordelijk met onze
persoonsgegevens omgaat.
DE JURIDISCHE
RANDVOORWAARDEN BIJ HET
VERZAMELEN EN
TOEPASSEN VAN
(BIG) DATA
ALEX COMMANDEUR
Afdelingshoofd Toezicht sector
Publiek en plaatsvervangend
directeur College en Bescherming
van Persoonsgegevens
Link naar de videopresentatie
Big Data is een trend die door veel bedrijven wordt
omarmd en ook de overheid gaat hier in mee.
Alex Commandeur van het College Bescherming
Persoonsgegevens gaat in op de juridische aspecten met
betrekking tot het gebruik van ‘Big Data’ in relatie tot
privacy. Hij betrekt zijn verhaal op zijn eigen organisatie
die onderdeel uitmaakt van de overheid. De overheid
is een grootverzamelaar van persoonsgegevens. Die
taak heeft de overheid nu ook eenmaal om de wet te
kunnen handhaven, maar ook om volksvoorzieningen te
kunnen verzorgen. Maar hoe gaat de overheid om met de
privacy en bescherming van persoonsgegevens? Privacy
is immers een grondrecht dat niet zomaar geschonden
mag worden. Het vertrouwen van de burger dient
gewaarborgd te blijven. Alex haalt enkele voorbeelden
aan waarbij duidelijk wordt dat burgers zich ongerust
maken over de persoonsgegevens die door de overheid
worden verzameld. Denk bijvoorbeeld aan het elektronisch
patiëntendossier en ‘scan auto’s’ die kentekens scannen.
De ongerustheid van burgers rechtvaardigt daarom ook
de terechte discussie omtrent privacy issues in relatie tot
Alex gaat vervolgens in op het gebruik
van ‘Big Data’ in relatie tot de Wet
bescherming persoonsgegevens.
Wanneer is een bedrijf of overheid nu
in overtreding met betrekking tot het
verzamelen van persoonsgegevens? Om
daar een oordeel over te kunnen vellen is
het goed om de term persoonsgegevens
te definiëren. Persoonsgegevens zijn
gegevens waarmee een individu is te
identificeren. Deze gegevens mogen
gebruikt worden wanneer het doel van
het gebruik bij het individu bekend is
en wanneer hij of zij daar toestemming
voor heeft gegeven. De verzamelde
gegevens mogen ook alleen voor het
vooraf vastgestelde doel dienen. Tevens
dient de juistheid van deze gegevens
vastgesteld te worden. Indien de juistheid
van verzamelde persoonsgegevens
te wensen overlaat, dan is het reëel
te veronderstellen dat er verkeerde
conclusies worden getrokken. Met alle
gevolgen van dien. Alex legt daarom
het belang van de rol die zijn organisatie
vervult op een heldere en eenvoudige
wijze uit. Hoewel Alex aangeeft dat het
College Bescherming Persoonsgegevens
niet altijd een ‘showstopper’ wil zijn,
benadrukt hij nogmaals dat het recht wat
op privacy is vastgesteld gewaarborgd
dient te blijven. Een lastige taak
aangezien er altijd meerdere belangen
spelen en de kaders niet altijd even
inzichtelijk en duidelijk zijn bij alle spelers.
23
SHOUTBOX
VRAGEN UIT HET PUBLIEK.
“Hoe zit het nu met
gegevens die wel
persoonsgegevens
zijn, maar
onherkenbaar
zijn gemaakt?”
“Er is ook
anonieme data
die na verwerking/
analyse toch
persoonsgegevens
worden, hoe ga je
daar mee om?”
ERIK JONKER
24
WIM BLOK
“Hoe ziet CBP haar
eigen rol in het
meedenken over hoe
big data kan helpen
maatschappelijke
problemen op te
lossen?”
MAURITS VAN DE GEIJN
“Hoe zorg je er
voor dat die
scrumteams met
elkaar blijven
communiceren en
wat live gaat ook
daadwerkelijk Bol.com
‘eigen’ blijft?
PETER VAN HELSDINGEN
4
HOE BIG DATA ZORGT VOOR
EEN TRANSFORMATIE VAN
ORGANISATIES
Grotere bureaucratische organisaties zullen de komende
jaren ingrijpend moeten veranderen. In de private
sector staan bedrijven onder zware druk van nieuwe
toetreders die vanaf scretch- gebruik makend van nieuwe
technologie en werkwijzen - betere services leveren tegen
lagere kosten. Zo zet InShared de bestaande verzekeraars
fors onder druk met een hele kleine personele omvang,
moderne organisatieprincipes en het toepassen van
nieuwe technologie. In de publieke sector is er van deze
prestatiedruk minder sprake. De economische noodzaak
om de collectieve lasten te stabiliseren en te verlagen
zorgen er echter wel degelijk voor dat de publieke sector
haar organisatie moet transformeren. En bovendien:
burgers zullen dit steeds meer eisen.
De Nederlandse Publieke sector scoort internationaal
gezien zeker niet slecht. Er is genoeg reden om op het
functioneren trots te zijn. Zo scoort Nederland goed op de
lijstjes met het concurrentievermogen van de economie
en de betrouwbaarheid van de overheid. Daarnaast
behoren bijvoorbeeld de Nederlandse kinderen tot de
gelukkigste kinderen ter wereld. Maar er zijn ook vijf grote
problemen:
Traagheid
Publieke organisaties reageren te laat op
maatschappelijke ontwikkelingen. Signalen die al bekend
zijn bij burgers en professionals leiden laat tot actie. De
tijd van een signaal naar besluitvorming en actie leidt tot
frustratie bij burgers en professionals.
Vervorming
Organisaties brengen vraagstukken terug tot een
eigen logica die niet passend is bij de opgave. De
maatschappelijke opgaven zijn vaak complex en worden
door publieke organisaties ‘beleidsmatig vereenvoudigd’
waardoor acties niet een echt antwoord zijn op de vraag.
Introvertie
De beschikbare energie in de vorm van het aanwezige
talent slaat naar binnen en wordt niet aangewend om
buiten te presteren. Het is opvallend hoeveel bestuurders
en managers het eens zijn met stellingen zoals ‘meer dan
60% van onze tijd gaat op aan intern gedoe’.
Lange Leercurve
Het lerend vermogen van publieke organisaties is onder
de maat. De reflex is om meerjarige plannen te maken en
die te evalueren. Het tragische is dat de lessen vaak als
mosterd na de maaltijd komen.
Door gebruik te maken van nieuwe technologische
mogelijkheden én nieuwe organisatieprincipes kunnen
doorbraken worden gecreëerd in de oude manier van
werken. Het gaat daarbij om het creëren van organisaties
waar professionals meer waarde kunnen toevoegen.
Dit vraagt om een scherp waardensysteem onder
professioneels wat de bedoeling is en wel en niet kan,
een goede informatiepositie van professionals en een
ruime handelingsvrijheid. Tevens vraagt dit om minder
management, beleid en regels.
In de tabel op de volgende pagina geven we
samenvattend weer wat het nieuwe organiseren in de
publieke sector inhoudt.
25
HUIDIGE WIJZE VAN ORGANISEREN
NIEUWE MANIER VAN ORGANISEREN
Intentie gestuurde besluitvorming en beleidsrijke sturing
Datagestuurde besluitvorming en kennisrijke uitvoering
Lang cyclisch: denken, doen en leren in cylci van 1-2 jaar of zelfs langer
Kortcyclisch: doen, meten en leren
Dynamisch sturen: continu doen en leren
Sectorale beleidsmatige werkwijze op basis van expertisegebieden
Opgavegerichte datagerichte werkwijze rondom vraagstukken
Om de spanningen tussen disciplines heen organiseren; tegenstrijdige
ambities en uitvoeringspraktijken tolereren
Data gebruiken om te werken vanuit de uitvoeringspraktijk,
spanningen benoemen en doorbreken
Minder dan 10% van de data gebruiken en sterk leunen op interne
versnipperde data
Alle databronnen uitbuiten om te volgen wat er gebeurt en wat er te
gebeuren staat
Nadruk op monitoring en beheersing vooral door de stafonderdelen;
de stad ‘controlled’ met data de lijn
Nadruk op innovatie door professionals aan de hand van data
gecombineerd met professionele inzichten
Sterkt getrapte communicatie tussen verschillende lagen in de
organisatie; veel tussenstations
Directe dialoog tussen top en uitvoerende professionals; signalen
vloeien snel door de organisatie
Organiseren in termen van functies en hiërarchische lagen; nadruk op
formele verticale sturing
Organiseren in rollen en processen; nadruk op laagdrempelige
horizontale sturing
Regel en instructie gestuurd; management stelt regels en dient
prikkels toe als kader voor maken afwegingen door professionals
Waarden en overtuiging gestuurd; organisatie heeft heldere
identiteit en gebruikt spannende waarden als afwegingskader door
professionals
Nadruk op overlegvormen, rapportages en audits om te kunnen
coördineren en verantwoorden
Nadruk op snelle persoonlijke interactie aan de hand van data
Managers en bestuurders als helden die medewerkers aansturen
Vitale professionals die hun werk organiseren en waar managers en
bestuurders zorgen voor een goed organisatieklimaat
26
BESTUURLIJKE BESLUITVORMING: HET EINDE VAN DE
VISIEFABRIEK
Big Data zal politieke besluitvorming en de rol van
bestuurders veranderen. Big Data maakt het mogelijk om
de feitelijke situatie beter te monitoren en te voorspellen.
Bijvoorbeeld: luchtkwaliteit, energieverbruik, overlast,
zorgvraag. Door de datarijkdom kan de effectiviteit van
de interventies ook beter worden beoordeeld en daar
weer van worden geleerd. Mooi voorbeeld van een
nieuwe manier van werken is de werkwijze van de politie
in New York (NYPD). Op basis van data over de feitelijke
veiligheidssituatie en de ontwikkeling daarin in een wijk
vindt er een tweewekelijkse dialoog plaats tussen de
bestuurder en de ambtelijk verantwoordelijke in het
bijzijn van medewerkers. Hiermee wordt veel sneller
tot actie overgegaan en worden onnodige rapportages
voorkomen. Het bestuurlijke gesprek en debat hoeft
daardoor niet meer te gaan over intenties en meningen
maar kunnen hun start vinden in wat er gebeurt. Veel
minder top down, intentie gestuurd en meer bottom up
en feiten gestuurd. Dat is een radicale andere aanpak.
Overheidsorganisaties zijn veelal top down, lineair en
sectoraal gestuurd. Meerjarenplannen zijn daar een
voorbeeld van. Doordat de informatiepositie van de
overheid met Big Data verbetert kunnen gesprekken met
partners diepere betekenis krijgen.
BELEIDSMEDEWERKERS GAAN DE HERSENS UIT
DE MOUWEN STEKEN
Het lang cyclische denken, doen en leren kan met behulp
van Big Data worden vervangen door een kortcyclische
werkwijze. Dat betekent vanuit de ambitie en met kennis
van zaken interventies doen en de effectiviteit daarvan
meten. In het figuur hiernaast illustreren we dit.
Een mooi voorbeeld van deze werkwijze treffen we aan bij
Bol.com. Deze succesvolle organisatie heeft hoge ambities
maar maakt geen gedetailleerde plannen. Door slim te
doen en de effecten te meten wordt direct besloten of er
moet worden bijgesteld.
Om deze nieuwe manier van werken te ondersteunen
zullen ‘beleidsmedewerkers’ de uitvoering in moeten,
zodat hun kennis en inzichten worden gebruikt in
de praktijk van alle dag. De scheiding tussen de
beleidswereld en de uitvoeringswereld zal verdwijnen
doordat uitvoering slimmer wordt en traditionele
beleidsvorming verdwijnt.
HUIDIGE WERKWIJZE
EEN POËTISCH
HOOG DOEL
STELLEN
GROOTS
EVALUEREN
UITVOERINGSPLAN REALISEREN
1-2
JAAR
BELEID
BESTUURLIJK
CEREMONIEEL
VASTSTELLEN
UITVOERINGSPLAN
MAKEN EN
VASTSTELLEN
NIEUWE WERKWIJZE
EMANCIPATIE VAN DE STAF
De nieuwe technologie mogelijkheden zullen in gaan
grijpen in het primaire proces. Het werk zal anders
georganiseerd worden als gevolg van de nexus of forces
(hoofdstuk 1). De wereld van de IT, Human Resources,
Communicatie, Financiën zijn nu nog vaak gescheiden
werelden met een grote afstand tot het primaire proces.
Een integratie is nodig.
EEN SCHERP
GEWAAGD
DOEL
STELLEN
ACTIE VERBREDEN,
AANPASSEN
OF STOPZETTEN
2-4
WEKEN
SUCCES
METEN EN
LEREN
EERSTE
ACTIES
UITVOEREN
OP BASIS VAN
RECENTE
INZICHTEN
27
DE SENSOR CITY
AMBITIES
EN EERSTE
ERVARINGEN
UIT ASSEN
JAN REITSMA
Sensor City Assen
28
“Niet alleen de stad, maar ook
de inwoners van Assen maken
onderdeel uit van Sensor City.”
“De stad Assen faciliteert
haar grond aan derden voor
onderzoek en experimenten,
maar voert de experimenten niet
zelf uit.”
Link naar de videopresentatie
SLIDEPACK
Link naar het slidepack
“We hebben toestemming
gevraagd aan de burgers of
we hun persoonlijke gegevens
mochten gebruiken.”
“Onze openheid van zaken
en transparantie heeft bij dit
experiment geleid tot meer
betrokkenheid van de burger.”
“Het lastige van dit experiment
is dat we niet een specifiek doel
hebben met betrekking tot het
verzamelen van ‘Big Data’. Dit
maakt de discussie een stuk
lastiger.”
“De hele interactie rondom dit
experiment met de burger is heel
nuttig en plezierig.”
“Dit experiment dwingt
producenten en andere
bedrijven tot het ontwikkelen
van betere producten en
diensten.”
“De eerste vraag die burgers
in het kader van Sensor City
vragen is: “Wat hebben wij
eraan om aan Sensor City mee
te doen?”
“Information is
the oil of the
21st century,
and analytics is
the combustion
engine.”
Peter Sondergaard
Gartner
29
ERVARINGEN UIT
DE PRAKTIJK.
TOEPASSING
BIG DATA EN DE
ZELFREDZAAMHEID
IN HET SOCIAAL
DOMEIN
PIETER IN ‘T HOUT
Informatie- en procesmanager
Maatschappelijke Ontwikkeling
en voortrekker voor de
verandering van de
informatievoorziening in het
sociaal domein
Link naar de videopresentatie
SLIDEPACK
Link naar het slidepack
30
“Open data is helemaal niet zo
open als we denken.”
“Big Data moet ons helpen
om meer grip te krijgen op de
razendsnelle ontwikkelingen
binnen ons sociale domein.”
“Uiteindelijk moet het
verzamelen, analyseren en
toepassen van ‘Big Data’ leiden
tot een grotere zelfredzaamheid
van burgers.”
“Ik kan verzekeren dat
gesloten data en bronnen van
burgers heel veilig zijn, maar
dan echt heel veilig.”
5
TOT SLOT:
LESSEN EN INSPIRERENDE
VOORBEELDEN
Big Data is geen speeltje. De kans op succes is veel groter
als organisaties van tevoren bepalen waarom zij het willen
toepassen. Eén van de belangrijkste redenen waarom
Big Data-projecten mislukken is dat organisaties niet
beginnen met de ‘waarom’ vraag. Deze vraag is essentieel
om doelen vast te leggen: wat wil ik weten en waarom?
Welk probleem wil ik oplossen? Een succesvol project
begint niet met een data-analist of een andere expert
die simpelweg algoritmen op data toepast. Het begint bij
relevante vragen voor de organisaties en een verkenning
of Big Data waarde kan toevoegen.
Wat kunnen organisaties verder doen om succesvol Big
Data toepassingen te ontwikkelen?
Internaliseren kansen in top (bewustwording):
bouwen aan het internaliseren van de kansen die er in
Big Data besloten liggen. Dit kan worden vormgegeven
door bewustwordingsbijeenkomsten. Deze hebben tot
doel om perspectief te delen en mogelijke pilots voor
een volgende fase te definiëren. Ook studiebezoeken bij
voorlopers zijn effectief zoals wij de Bol.com ervaringen
op het congres toelichtten.
Doen van experimenteren: het zetten van concrete
stappen op het terrein van Big Data. Feitelijke gaat het
om implementatieprojecten met een leerdoelstelling. De
gemeente Utrecht is hier bijvoorbeeld in verschillende
vormen mee bezig. Maar ook de Belastingdienst doet dit
op deze wijze.
Creëren van een Leeromgeving: cruciaal is het creëren
van een leeromgeving voor data gedreven innovaties.
Samenbrengen van strategie, organisatie, techniek
en vertegenwoordigers. Meta leren bovenop de
experimenten. Het is belangrijk om dit leren in de
organisatie te borgen.
Bouwen aan competenties: een belangrijke vraag is welke
competenties je zelf in huis wil en welke niet. Het risico
bestaat dat je je eigen rol te groot maakt en teveel hooi
op de vork neemt.
Ethiek en privacy: met bestuurders verkennen van
morele en ethische dillema’s rond het genereren van Big
Data innovaties. Het is cruciaal om hier helderheid over
te verschaffen, omdat dit het kader vormt waarbinnen de
uitvoering vorm moet krijgen. Het is belangrijk om niet te
laat met deze vraag aan de slag te gaan.
VOORBEELDEN
Hieronder geven we tot slot een aantal inspirerende
voorbeelden uit binnen- en buitenland:
EFFECTIEVERE FRAUDEBESTRIJDING
Big Data vervult een sleutelrol in fraudebestrijding.
Verzekeraars lopen daarbij voorop. In de Verenigde
Staten werd bijvoorbeeld in 2012 in één zaak voor $450
miljoen aan zorgfraude ontdekt, door patroonanalyse van
declaratiegegevens. De verzekeraar Property & Casualty
schat in dat 10% van hun schadeclaims
(deels) frauduleus zijn, met totale kosten
van zo’n $30 miljard per jaar. Voor het
effectief tegengaan van fraude stellen
zij een individueel risicoprofiel op per
claim, door historische data over claims te
koppelen aan demografische profielen,
tekstanalyse van schadeformulieren (welk
type woorden gebruikt iemand?) en zelfs
iemands sociale netwerken (hoeveel
Facebook-vrienden zijn al eens betrapt op
fraude?).
Ook door de Nederlandse overheid wordt
steeds meer gehandhaafd op basis van
risicoprofielen en bestandskoppeling
tussen overheden. De belastingdienst
maakt hier al veel gebruik van. Maar er is
meer mogelijk. De Twentse hoogleraar
Theo de Vries schat totale fraude
met publieke middelen in Nederland
op minimaal 10 miljard euro per jaar.
Faillissementsfraude kost de samenleving
bijvoorbeeld 1,7 miljard per jaar. Daarvan
wordt nu slechts 2 procent opgelost. Door
inzet van Big Data analyse is volgens de
Vries de helft oplosbaar, wat een besparing
van 800 miljoen per jaar oplevert. Binnen
de overige acht domeinen (waaronder
belasting-, zorg- en uitkeringsfraude ) zijn
volgens hem vergelijkbare besparingen
haalbaar.
31
BETERE EN GOEDKOPERE ZORG
Huisartsen, ziekenhuizen, onderzoekers en verzekeraars
creëren enorme hoeveelheden data. Door Big Data zijn
forse besparingen én kwaliteitsverbeteringen mogelijk.
In de eerste plaats door effectievere signalering. Een
voorbeeld is Ginger.io waarbij van chronisch zieke mensen
via een smartphone-app de gezondheid permanent
gemonitord wordt. Patiënten hoeven daardoor minder
vaak naar de arts en de juiste zorg wordt geleverd
op het juiste moment. Een tweede toepassing is het
voorspellen, en daarmee (deels) te voorkomen, van
zorgvragen. In Utrechtse ouderenzorg wordt op basis van
patiëntgegevens van huisartsen en zorgverzekeraars de
zorgvraag voorspeld. Het onderzoek toont aan dat ziektes
kunnen worden voorkomen en er daarmee miljoenen
kunnen worden bespaard. Ten slotte helpt Big Data
om effectiviteit van zorg te vergroten. Nederlandse en
buitenlandse ziekenhuizen werken samen om, met behulp
van de rekenkracht van computers, op basis van grote
hoeveelheden (geanonimiseerde) patiëntendossiers en
medische onderzoeksliteratuur ziektes te diagnosticeren
en succesvolle ingrepen te voorspellen.
In 2009 heerste een nieuw griepvirus H1N1.
Gezondheidsautoriteiten vroegen artsen direct te melden
wanneer ze een nieuw geval van dit virus tegenkwamen.
Het duurde echter twee weken voordat deze informatie
verzameld en verwerkt was, veel te lang voor een
virus dat zich veel sneller verspreidt. Google bleek
toen in staat om real time de verspreiding van griep te
voorspellen op regioniveau, op basis van de zoektermen
die mensen intikken! De volksgezondheid was niet langer
afhankelijk van artsen, bloed- en speekselmonsters maar
van trefwoorden in de zoekmachine! De analyse van
griepverspreiding door Google is nu wereldwijd gratis
beschikbaar via http://www.google.org/flutrends/
VERBETEREN VEILIGHEID
Informatie gestuurde inzet is een belangrijk thema bij
de politie. Zo wordt in Rotterdam criminele activiteit
‘voorspeld’ door patroonanalyse, en wordt in veel
Amerikaanse grote steden het Predictive Policing
algoritme gebruikt, een Big Data-oplossing die
agenten ‘vertelt’ waar ze moeten patrouilleren. Deze
analysesoftware werd ontwikkeld door wiskundigen,
een antropoloog en een criminoloog en is geënt op een
model dat de naschokken van een aardbeving voorspelt.
Een crimineel keert namelijk vaak terug naar de plek waar
hij eerder actief is geweest. Zulke aftercrimes volgen
hetzelfde patroon als de aftershocks van een aardbeving.
Op basis van locatie, tijd en type misdaad is de software
in staat om prediction boxes van 500 vierkante meter te
definiëren. In Los Angeles daalde hierdoor de criminaliteit
met 13 procent, in Santa Cruz, ook in Californië, met zelfs
26 procent.
VERGROTEN DUURZAAMHEID
Om duurzame energie maximaal te benutten moet
productie zo precies mogelijk voorspeld worden. IBM
heeft een systeem ontwikkeld waarmee bestaande
weervoorspellingsmodellen worden gecombineerd met
camera’s die de beweging van wolken volgen en sensoren
op windturbines die windsnelheiden richting meten. Daarmee kunnen
per kwartier op het niveau van één
windturbine of zonnecel de prestaties
worden voorspeld. Dit systeem wordt
gebruikt om wind- en zonne-energie zo
efficiënt mogelijk op te slaan en in te
passen in het netwerk. Big Data voorkomt
daarmee het onnodig bijstoken van
fossiele brandstoffen. Ook kan met data
persoonlijk advies worden gegeven aan
bedrijven en huishoudens. Bewustwording
in energieconsumptie met gerichte
gedragsaanbevelingen kunnen leiden tot
besparingen van 15%-20%.
32
WERKELOOSHEIDSPIEK
VROEGE INDICATOREN
VERLATE INDICATOREN
Gedwongen
verkoop
KLEINERE AUTO
MEER GEDWONGEN VERKOOP
MINDER BOODSCHAPPEN
MINDER ZORGINKOOP
MEER OPENBAAR VERVOER
MEER GEANNULEERDE VAKANTIES
33
VOORSPELLEN VAN MACRO ECONOMISCHE
ONTWIKKELINGEN
De Verenigde Naties zet sentimentanalyse op basis
van sociale media in om werkeloosheid te voorspellen.
Uit Big Data analyse blijkt dat een toenemend aantal
berichten over bijvoorbeeld kleinere auto’s, besparen
op boodschappen en gebruik van openbaar vervoer
toenemende werkeloosheid goed blijken te voorspellen.
Ook kunnen signalen uit de sociale media vroegtijdig
voldoende indicatie geven over succes of falen van een
product of aanpak. Dat heet sentimentanalyse, een begrip
dat hard op weg is om het nieuwe buzzword van het
jaar te worden. Op sociale media ventileren we immers
doorlopend onze opinies over van alles en nog wat. Het is
de grondstof voor de voorspelmechanismen van morgen.
BIG DATA EN VERKIEZINGEN
Voor het eerst gaan Big Data een rol spelen bij de lokale
gemeenteraadsverkiezingen. De Politieke Academie heeft
met behulp van alle data uit de verkiezingen in 2010 en
2012 een model ontwikkeld waarin tot op straatniveau
de stemvoorkeur wordt geanalyseerd. Politieke partijen
kunnen zo zien waar hun kiezers zich bevinden en waar
hun potentiele visvijvers voor nieuwe kiezers het grootst
zijn.
Big Data heeft al een belangrijke bijdrage geleverd aan
de overwinning van Obama. “The era of politicians saying
the same thing to all voters is over. Campaigns aim to
tell voters exactly what each wants to hear: data-driven
pandering”. Zowel landelijk als lokaal werd gebruik
gemaakt van een analysesysteem dat alle mogelijke
informatie verzamelde van “pollsters,
fundraisers, field workers and consumer
databases as well as social-media and
mobile contacts and Democratic voter
files.” Op basis hiervan zijn gedetailleerde
modellen gemaakt waarmee de inzet van
vrijwilligers en ‘marketing’ gericht werd op
kiezers waarbij de kans het grootst was dat
ze beïnvloedbaar waren. Afhankelijk van de
precieze kenmerken van deze kiezers werd
ook een ‘geïndividualiseerde’ boodschap
gebracht.
“Zonder data kies je op
basis van je onderbuikgevoel.
Dat gebeurde bij Spotify eerst
ook. Maar we weten nu dat
acht van de tien dingen die we
bedenken niet werken.”
“It is a capital
mistake to theorize
before one has data.”
Wouter De Bie,
hoofd van de data afdeling
van Spotify
Sherlock Holmes
(Arthur Conan Doyle)
(meer dan 60 man!)
34
“Not everything that
can be counted counts,
and not everything that
counts can be counted.”
“Let Big Data
fuel the
economy!”
Neelie Kroes
Albert Einstein,
Physicist
“The most valuable
commodity I know of
is information.”
Gordon Gekko,
Wall Street
“Be careful in your
analysis: Torture the
data, and it will confess
to anything”
Ronald Coase
Nobel Prize winner
“Every two days,
we create as much
information as we
did from the dawn
of civilization up
until 2003”
“If we have data, let’s
look at data. If all we
have are opinions, let’s
go with mine.”
Jim Barksdale
former Netscape CEO
35
Eric Schmidt,
former Google CEO
“Each day we send
over 11 billion texts…
watch over 2.8 billion
youtube video’s…
and perform almost
5 billion google
searches”
“Big data is like
teenage sex: everyone
talks about it, nobody
really knows how to
do it, everyone thinks
everyone else is doing
it, so everyone claims
they are doing it”
COLOFON
BIG FELLOWS: ORGANISATOR EN SCHRIJVERS VAN DIT BOEK
JARING HIEMSTRA
MARK DIJKSMAN
MARTIJN MINDERHOUD
ANOUK MEERMAN
WOUTER VAN DER BIJ
SPREKERS
MAARTEN SCHURINK - GEMEENTESECRETARIS UTRECHT
ARJEN DE RUITER - BOL.COM
MARK DIJKSMAN - BIG FELLOWS
ALEX COMMANDEUR - AFDELINGSHOOFD TOEZICHT SECTOR PUBLIEK EN PLAATSVERVANGEND
DIRECTEUR COLLEGE EN BESCHERMING PERSOONSGEGEVENS
FREEK BOMHOF - TNO
JAN REITSMA - SENSOR CITY ASSEN
PIETER IN ‘T HOUT
- INFORMATIE- EN PROCESMANAGER MAATSCHAPPELIJKE ONTWIKKELING EN
VOORTREKKER VOOR DE VERANDERING VAN DE INFORMATIEVOORZIEINING
IN HET SOCIAAL DOMEIN VAN UTRECHT
VISUELE NOTULEN
DIEDERIK VRIJHOEF - TEAMCAPTAIN
LIZE KRAAN - FOTOGRAAF
SIERK KEUNING - TEKSTSCHRIJVER
NANCY CHENG - EDITOR
MICHAEL KLUVER - MAGAZINE DESIGNER
36
Visuele Notulen
2014

Download Report