Op werkdagen voor 23:00 besteld, morgen in huis Gratis verzending vanaf €20
Martin van Staveren - Big data – large impact – big business column
11 november 2016 | Martin van Staveren

Big data is hot in allerlei sectoren, van de verzekeringssector, de bankensector, de industrie, de bouw en infra tot en met de gezondheidszorg. Bestaande werkprocessen gaan op de schop en nieuwe ontstaan.

Dit leidt tot producten en diensten die beter zijn afgestemd op de behoeften van klant en patiënt, sneller beschikbaar zijn of een hogere kwaliteit hebben. Voor betrokken bedrijven en ook overheidsorganisaties biedt big data zo ongekende mogelijkheden voor innovatie. Dit heeft een grote maatschappelijke impact en kan leiden tot big business. Hier volgen wat dynamische voorbeelden uit de ooit wat saaie verzekeringssector, met verstrekkende gevolgen. Ter inspiratie voor andere sectoren.

Big data in 4 x V

Altijd handig om vooraf even scherp te stellen waar we het eigenlijk over hebben. Buzzwoord big data, wat is het eigenlijk? Vaak wordt het beschreven aam de hand van vier V’s. De eerste V staat voor volume, ofwel de enorme hoeveelheid gegevens die beschikbaar komt door onze moderne technologie. De tweede V staat voor variatie. Veel gegevens komen immers van verschillende bronnen zoals GPS, smartphone en allerhande sensoren. De derde V staat voor velocity, ofwel snelheid. Veel gegevens zijn vrijwel real time, dat wil zeggen op het moment van ontstaan, ook gelijk beschikbaar. De vierde V staat voor value, ofwel waarde. Je zou kunnen zeggen dat de combinatie van de voorgaande 3 V’s de potentiele waarde levert. Dit is uiteindelijk waar het uiteindelijk om gaat en hier ligt de creatieve uitdaging voor veel organisaties: hoe kun je met big data daadwerkelijk onderscheidende toegevoegde waarde leveren? Bijvoorbeeld in het omgaan met risico’s?

Big Data - Large Impact

Wat wordt de impact van big data op ons dagelijkse leven? Deze vraag is nog nauwelijks te beantwoorden. Daarom heeft het Rathenau Instituut onderzoek gedaan naar de veranderingen die het big data tijdperk met zich meebrengt voor met name de verzekeringspraktijk. Dit leverde een zeer leesbaar en fascinerend rapport op: 'Berekende risico’s: Verzekeren in de data-gedreven samenleving'. Het beschrijft een aantal trends, trekt scherpe conclusies en geeft werkbare aanbevelingen.

Nieuwe datacombinaties

Een voorbeeld is de ontwikkeling van ‘verzekeren leidt tot data’, naar ‘data leiden tot verzekeren’. Dit is razend interessant, want het betekent immers dat op basis van creatieve nieuwe datacombinaties allerlei nieuwe verzekeringsproducten kunnen worden ontwikkeld. Deze lijn kunnen we doortrekken naar andere sectoren: uit nieuwe datacombinaties kunnen volledig nieuwe producten en diensten ontstaan.

De verzekering en big data

Laten we eens kijken naar de voor iedereen bekende verzekering. Van oudsher is het de taak van de verzekeraar om in geval van opgetreden risico’s financiële compensatie te bieden, om daarmee schade en bijbehorend leed zoveel mogelijk te verzachten. In termen van risicomanagement is dit gevolg-reductie. Risico’s kunnen vaak ook door middel van kans-reductie of preventie worden aangepakt. Dan treden ze wellicht niet eens en hoeven dus geen gevolgen te worden gecompenseerd, waarbij tevens veel leed wordt bespaard. Daarom is ook een andere big data trend interessant, die van het gebruik van vooral zogenoemde statistische risico-indicatoren naar het benutten van structureel inzicht in risicogedrag.

Leeftijd als statische indicator

Een voorbeeld van zo’n statische indicator de leeftijd van een automobilist. Op basis van relatie tussen leeftijd en schade is de conclusie bijvoorbeeld dat jonge mannelijke automobilisten gemiddeld meer schade veroorzaken dan oudere of vrouwelijke automobilisten. Stel dat een heel klein kastje in de cabine het rijgedrag van de chauffeur op basis van parameters als remgedrag, plotseling uitwijken en dergelijke, continue registreert. Dan ontstaat een vorm van big data over het daadwerkelijke rijgedrag van het betreffende individu, die veel specifieker is dan de gemiddelde relatie tussen leeftijd en schade. Dit kan leiden tot bedrijfs- en persoonsgerichte premiedifferentiatie en zo kosten besparen. En ook nog eens tot veiliger en zuiniger rijgedrag leiden.

Science fiction?

Helemaal niet. Voor ons particulieren zijn er inmiddels al diverse rijgedragverzekeringen in omloop. Die kunnen maandelijks tot 35 % premiekorting leiden, mits we wel netjes blijven rijden. Parallellen vanuit rijdgedrag zijn eenvoudig te trekken naar voedingsgedrag en bewegingsgedrag. Hoeveel korting wil je op je ziektekostenpremie?

En de ethiek dan, hoe zit het daarmee?

Klinkt allemaal prachtig, maar er zitten wel de nodige morele en ethische haken en ogen aan, bijvoorbeeld op het gebied van solidariteit en privacy. Hoe lang zijn we vanuit het solidariteitsprincipe nog bereid te betalen voor onze soortgenoten, die minder veilig en gezond leven dan wij zelf doen? Wat wij aan premie besparen moeten zij immers extra gaan betalen. En hoe lang blijft al die toch wel persoonsgebonden data bewaard en hoe veilig is dat? Ofwel, hoeveel privacy zijn we bereid in te leveren, in ruil voor een lagere premie? Food for thought.

Big data = big business

Naast de grote impact van big data, met de nodige morele en ethische haken en ogen, biedt het voor sommige bedrijven al big business. Ontwikkelingen in dat grote land aan de andere kant van de oceaan blijken vaak van een signaal voor wat ons in Nederland te wachten staat. Een voorbeeld is een Amerikaans bedrijf, dat nu al klinkende munt uit het verzamelen, analyseren en weer verkopen van big data haalt: Lexis Nexis Risk Solutions (LNRS). Dit is één van de vier divisies van het Brits-Nederlandse RELX, voorheen bekend als Reed Elsevier. LNRS had in 2015 een omzet van maar liefst 1,92 miljard euro, met een bruto bedrijfsresultaat van 714 miljoen euro. Dit geeft een bruto marge van ruim 37 %, iets waar menig bedrijf alleen maar van kan dromen.

De waarde van de eCrash app

Dé vraag die zich direct opdringt: wát doet LNRS dan eigenlijk, dat zoveel waarde toevoegt aan klanten als verzekeraars en banken? En ook aan overheden, zorginstellingen en luchtvaarmaatschappijen?

Een voorbeeld. LNRS heeft de app eCrash ontwikkeld. Deze wordt als schadeformulier gebruikt door agenten, die na een verkeersongeval de schade opnemen. Op basis van data uit openbare bronnen worden in deze app veel gegevens automatisch ingevuld. Hierdoor is de tijdsduur dat de politie langs de snelweg staat met tweederde afgenomen, van gemiddeld 61 naar 19 minuten. Niet gek. Zeker als je bedenkt, dat in de VS meer agenten op locaties van verkeersongevallen door aanrijdingen om het leven komen, dan door schietincidenten. Opvallend, eCrash is geheel gratis aan de politie verstrekt. LNRS verdient het geld namelijk met de verkoop van de eCrash informatie over ongelukken, aangevuld met relevante data, aan bijvoorbeeld verzekeraars.

Nederlands voorbeeld

Een veelbelovend Nederlands initiatief is de Community Index. Dit is een softwaredienst, die op basis van cloud service lokale overheden, zorginstellingen en onderzoeks- en adviesbureaus voorziet van data en bijbehorende analysetools. Het combineren van data en de visualisatie hiervan kunnen leiden tot allerlei nieuwe inzichten en veelbelovende verbeterde dienstverlening. Deze is nu vooral nog gericht op gemeenten en zorginstellingen. Waarom binnenkort niet iets soortgelijks, voor allerlei andersoortige organisaties en sectoren? Wie neemt het initiatief en benut deze kans, zolang Lexis Nexis Risk Solutions nog geen kantoor in Nederland heeft?

Dr. Martin van Staveren adviseert organisaties over anders omgaan met risico’s. Zijn missie is om daarmee effectiviteit en welzijn te vergroten, binnen én buiten organisaties. Martin is ook kerndocent aan de executive masteropleidingen Risicomanagement en Public Management, Universiteit Twente. Begin 2015 verscheen zijn boek Risicogestuurd werken in de praktijk bij uitgever Vakmedianet.

Big data en het principe double contingency tussen_droom_en_daad
26 september 2016 | Haiko van der Voort

In deze rubriek analyseren bestuurskundigen van de TU Delft patronen en wetmatigheden waar veel managementboeken soms wat lichtvoetig aan voorbij gaan, of gewoon voor vanzelfsprekend aannemen. In deze aflevering belicht Haiko van der Voort big data en het principe double contingency.

De beloftes van big data zullen u niet zijn ontgaan. We laten allemaal dagelijks een dik spoor aan data achter, we hebben tegenwoordig de capaciteit om geautomatiseerd zinvolle patronen te vinden in deze data.

De mogelijkheden zijn indrukwekkend voor diverse doeleinden: bewegingspatronen van reizigers maken het mogelijk reisadvies op maat te geven, kooppatronen en surfgedrag maken het mogelijk preferenties van consumenten te voorspellen en allerlei sociaal-maatschappelijke data maken het mogelijk om gebieden met een hoog risico op criminaliteit te identificeren. De datarevolutie kan zo leiden tot betere, of in ieder geval meer informatie. En meer informatie kan leiden tot betere besluiten, bijvoorbeeld over marketing of toezicht.

Leidt de datarevolutie echt tot betere besluiten? Dit hangt natuurlijk van veel factoren af. Een belangrijke is wie er beslist. Laten we er vanuit gaan dat belangrijke besluiten door seniors in de lijn van de organisatie worden genomen. Zij worden gevoed met informatie, gevonden en gepresenteerd door knappe koppen die datapatronen kunnen genereren en die er betekenis aan kunnen verlenen. Dit zijn veelal ICT-experts, wiskundigen en econometristen. Ze zijn sterk gespecialiseerd, maar niet in organisatie en management.

Hier wringt het. Een beetje bot gezegd en geschreven: degene die informatie levert begrijpt niet helemaal waarvoor de informatie dient en degene die besluiten neemt begrijpt niet helemaal waar de informatie vandaan komt. Met andere woorden: ze hebben weinig inzicht in elkaars ‘waarom’-vragen.

Problematisch, volgens veel sociologen. Voor goede interactie is het noodzakelijk om te begrijpen of de ander u begrijpt. Alleen dan kunt u zinvol informatie uitwisselen, omdat u dan weet hoe u moet anticiperen op het begrip van de ander. Pas daarmee weet u wie u bent, in relatie tot de ander. En de ander weet wie hij is in relatie tot u. Dit principe uit de sociologie heet double contingency.

Een voorbeeld uit de dagelijkse praktijk: U weet wat het betekent als een buitenlandse relatie ‘How are you?’ vraagt. Daarom weet u dat u hierop geen lang antwoord hoeft te geven. Als u dat niet had geweten, dan had u tijdens uw eerlijke antwoord zijn aandacht wellicht zien vervliegen. Dat zou een beetje verwarrend zijn. Is de relatie wel echt in u geïnteresseerd? Wat betekent dit voor u en uw relatie tot hem? U heeft echter geleerd hoe rhetorisch de vraag ‘How are you?’ is en waarom de persoon dat vraagt. Omdat u dit geleerd heeft, kunt u beter betekenis geven aan uzelf in relatie met de persoon in kwestie.

Toegepast op big data: een besluitvormer ziet zelden welke mogelijk arbitraire keuzes achter de informatie ligt. Een data-analist weet zelden welke informatie politiek gevoelig kan liggen. Zij kunnen zich daarom moeilijk in elkaar inleven. En daarmee wie ze zijn ten opzichte van elkaar. Zonder erkenning van dubbele contingentie liggen misverstanden voor de hand.

Voor betere besluiten door big data zijn dus besluitvormers nodig die begrijpen waar de informatie vandaan komt en data-analisten die begrijpen hoe besluiten worden genomen, zodat ze daarop kunnen anticiperen. Vooralsnog is dit moeilijk te realiseren. Seniors echt laten doorvoelen hoe big data werkt? En er is al schaarste aan goede data-analisten. Wensen we een schaap met vijf poten? Data-analisten die ook nog politiek gevoel hebben? De weg naar meer onderling inlevingsvermogen zal lang zijn. Besluitvormers en analisten zullen moeten worden ingevoerd in elkaars ins en outs. Slechts dan kan hun interactie betekenisvol zijn en kunnen de beloftes van big data voor besluitvorming worden waargemaakt.

Do’s

Besluitvormers invoeren in de ins en outs van big data.

Big data analisten invoeren in de ins en outs van besluitvorming.

Don’ts

Data-analisten isoleren in een aparte afdeling.

Big data beschouwen als de zoveelste hype.

Populaire producten

    Personen

      Trefwoorden