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 BigData 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 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

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 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.

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 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

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:

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 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. 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.

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 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’.

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.

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

“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 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

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 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 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.

>>>>>

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 zelf 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 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

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

18

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.

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 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.

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 verzamelden 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 het belangrijkste leidraad, zeker voor

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 die 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 concurrentie vermogen 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 als ‘meer dan 60% van onze tijd gaat op aan intern gedoe’. Lange Leercurve Het lerend vermogen van publieke organisaties in 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 datarijksdom 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 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 bottum up en feiten gestuurd. Dat is een radicale andere aanpak. Overheidsorganisaties zijn veelal top down, lineair en sectoraal gestuurd. Meerjarenplannen zijn daar voorbeeld van. Doordat de informatiepositie van de overheid met Big Data verbeterd 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 korcyclische 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 om Starbucks is een mooie illustreert deze ontwikkeling.

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, 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 bol.com de ervaringen op het congres toelichtte . 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 het creëren van een leeromgeving voor data gedreven innovaties. Samenbrengen van strategie, organisatie, techniek 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 jezelf in huis wil en welke niet. Het risico 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. Cruciaal om hier helderheid over te verschaffen omdat 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) fraudeleus 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 verspreid. 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 patroon analyse, 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 windsnelheid- en richting meten. Daarmee kan 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 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