Op weg naar i-samenleving en data-economie

Er is een digitale transformatie gaande: aan de horizon bevindt zich de i-samenleving en data economie, zoals beschreven in het trendrapport de Ascent Journey 2018, ‘The Third Digital Revolution – Agility and Fragility’. Want, de digitale transformatie vraagt om wendbaarheid en veerkracht: snelle verandering wordt de nieuwe norm. Het Atos-magazine GOV verkent met Hubert Tardieu het landschap van de data economie: ‘De data-economie is de drijvende kracht achter de digitale transformatie.’

In dat trendrapport Ascent Journey 2018 worden als onderdeel van de data-economie de verschillende fasen van het data lifecycle-model beschreven. De eerste fase van de data lifecycle laat zien dat de meeste datagroei uit ongestructureerde data ontstaat. Vooral het toenemend gebruik van smartphones – inmiddels meer dan twee miljard – en de ruim tien miljard sensoren van het ‘internet of things’ dragen daar exponentieel aan bij.

Om deze data geschikt te maken voor commercieel gebruik, worden deze getoetst aan het vigerende privacy beleid, geeft Hubert Tardieu aan, zoals de Richtlijn 95/46 EG voor het verwerken van persoonsgebonden gegevens. ‘Aansluitend zijn het de data analisten die het gedrag van de nieuwe data proberen te voorspellen en patronen proberen te ontdekken. En de laatste fase kenmerkt zich door de inzet van semantische technologieën en ‘machine learning’ waarmee nieuwe, verrijkte data worden gecreëerd.’

Multi-sided platforms

Op het gebied van data-waardecreatie zal het data lifecycle model geleidelijk aan, zo is de verwachting, het economische model gebaseerd op reclame inkomsten gaan vervangen. Niet in de laatste plaats omdat de waarde van de data, redelijk snel de initiële kosten van het verzamelen goedmaakt. Het data lifecycle model is overigens niet nieuw; het werd vijftien jaar geleden bedacht door de Nobelprijswinnaar voor economie in 2014, Jean Tirole, onder de naam ‘multi-sided platforms’. Multi-sided platforms zijn vrij vertaald producten, diensten of technologieën die verschillende klantsegmenten aan elkaar koppelen. Als voorbeeld Google’s zoekmachine die adverteerders en gebruikers verbindt aan hun diensten.

‘Van origine was het data lifecycle model gebaseerd op de betaalsystemen waar de kosten van de credit card niet gedekt worden door de gebruiker, maar door de winkelier die de pinautomaat en point-of-sale apparatuur financiert. De winkelier krijgt daarvoor in ruil toegang tot persoonlijke marketing data die met de betaling worden verkregen. Andere, actuele voorbeelden in dezelfde lijn zijn de autoverzekeringsmodellen ‘pay as you drive’ en ‘pay how you drive’. Beide zijn gebaseerd op hetzelfde principe; een verzekeringskorting in ruil voor data over het bestuurdersgedrag’, aldus Tardieu.

Data-economie en rol overheid

De data-economie heeft voor investeerders en ondernemers een aantal aantrekkelijke kenmerken zoals een potentieel snel stijgend rendement en het voordeel van de eerste aanbieder te kunnen zijn in een markt, doceert Tardieu. ‘Echter, daar staat een strenge regulering tegenover. Bijvoorbeeld om monopolies en privacy schending te voorkomen of – als actueel voorbeeld – de aanklacht tegen Google door de Europese Commissie voor machtsmisbruik bij zijn zoekmachine.’

‘De rol van de overheid, in het bijzonder die van de Europese Unie, wordt bij de data-economie steeds belangrijker. Met het creëren van de juiste regulering en wetgeving voor data-waardecreatie kunnen zij de data lifecycle verder stimuleren en faciliteren.’

De data-economie stelt wel specifieke eisen aan het business model van de data lifecycle, gaat Tardieu verder. ‘Zo is toegang tot voldoende consumenten een voorwaarde om vervolgens business partners aan te kunnen trekken en omgekeerd is ook een brede basis van partners nodig om de vereiste consumenten aan te kunnen trekken. Om deze vicieuze cirkel te kunnen doorbreken is het prettig om tegen zo laag mogelijke kosten te starten. Dat biedt namelijk de mogelijkheid om eventueel ‘gratis’ diensten te kunnen aanbieden. Dit als ‘trigger’ om consumenten te werven en te binden. Daarnaast is het essentieel om de mogelijkheid te hebben om het dienstenplatform aan te passen c.q. op te schalen op het moment dat de data-economie activiteiten beginnen te groeien. Cloud computing en web based technologieën bieden daarvoor de gewenste faciliteiten als ‘enabler’ én als borging van de flexibiliteit en vereiste wendbaarheid.’

Aantal uitdagingen

‘Om de digitale transformatie naar de data-economie in Europa te realiseren en vooral ook te behouden, en daarmee te voorkomen dat deze zich alleen en uitsluitend buiten Europa ontwikkelt, zijn er nog een aantal technische uitdagingen alsook uitdagingen in wet- en regelgeving’, aldus Tardieu.

Allereerst: het verkrijgen van ongestructureerde data. Om de snelle ontwikkelingen van het ‘internet of things’ bij te kunnen houden en daarmee ongestructureerde data te kunnen genereren, is een goede infrastructuur een vereiste. Nieuwe en nog snellere verbindingen en netwerktechnologieën zullen hun intrede doen, zowel voor vast als mobiel. Echter, de investeringen om high speed internet in elk huishouden aan te leggen en om 5G mobiel in te zetten zijn fors. Door de overheid gefinancierde openbare netwerken – bijvoorbeeld Wi-Fi infrastructuur in treinen, in smart cities of bij e-health-toepassingen – kunnen hierin bijdragen, stelt Tardieu. ‘Maar er bestaat ook de kans dat ze te laat komen. Private investeerders in de data-economie, zoals mobiele providers, die daarin willen en kunnen investeren, zijn een mogelijk alternatief. Dit bijvoorbeeld in ruil voor toegang tot ongestructureerde data die daarmee kunnen worden verkregen.’

Een tweede uitdaging betreft wetgeving. Met de Richtlijn 95/46 EG voor de bescherming van natuurlijke personen in verband met het verwerken van persoonsgebonden gegevens en het vrije verkeer van die gegevens, is een enorme vooruitgang geboekt. In Nederland is deze Richtlijn omgezet in de Wet bescherming persoonsgegevens (Wbp). De Wbp geeft de burger het recht om te weten wat er met zijn persoonsgegevens gebeurt. De burger mag zijn gegevens te allen tijde inzien en mag ook verzoeken tot onder andere correctie van zijn gegevens en bezwaar maken tegen de verwerking van zijn persoonsgegevens.

Volgende uitdaging

‘Bovendien wil je dat als je data beschikbaar stelt, je er ook scenario’s mee kunt maken, indicatoren kunt stellen – ofwel het moet betekenisvolle informatie zijn, waarde creatie geven. In de Verenigde Staten is er de zogenoemde ‘blue button’. Dit is een elektronisch patiëntendossier dat de patiënt de controle geeft over welke hulpverlener inzicht in zijn dossier krijgt. Hiermee heeft de patiënt meer zicht op wat er met zijn medische persoonsgegevens gebeurt. En dat is wel iets dat past bij de openbaarheid van gegevens en het informatiestelsel voor zorg, ofwel het past bij deze tijd, de i-samenleving, om daar invulling aan te gaan geven.’

Een volgende uitdaging is data geo lokalisatie. ‘Dit betreft een redelijk traditionele opvatting gebaseerd op lokale wetgeving. In Duitsland bijvoorbeeld kunnen persoonlijke gezondheidsdata niet gebruikt worden buiten de regio waar deze verkregen zijn. En in een aantal Europese landen moeten persoonlijke bankgegevens opgeslagen worden in het land van oorsprong. Adviezen voor het gebruik van deze data en de handhaving ervan, zijn onder meer in het European Cloud partnership rapport van 2014 gedaan, maar nog niet afgerond c.q. beslecht en dat is wel nodig.’

Er is ruimte nodig

Een vierde uitdaging betreft gestructureerde data voor voorspellingen en patronen over consumentengedrag. Deze bieden inzage in aankoop-verwachtingen en de mogelijkheid om producten en diensten te verbeteren c.q. beter te laten aansluiten bij de vraag. ‘Echter deze ‘waarde’ is maar een fractie van de impact die dit soort voorspellingen feitelijk zouden kunnen opleveren in bijvoorbeeld de maakindustrie. Data analyse toegespitst op individuele klanteisen en digitale business modellen, kunnen worden ingezet in de industry 4.0, de ‘smart industry en smart factories’. Daar zullen ict-toepassingen en robotisering grotendeels de menselijke activiteit gaan vervangen en op maat gemaakte oplossingen gaan leveren. Er is echter ruimte nodig om nieuwe technologieën of verdienmodellen snel toe te passen. Procedures en besluitvorming – als ook de eerder genoemde wet- en regelgeving – moeten daarop nog worden geflexibiliseerd om deze vernieuwende initiatieven verder faciliteren’, meent Tardieu.

Tenslotte speelt de inzet van semantische technologieën en ‘machine learning’ als volgende stap. ‘Bij data analyse kunnen we het doel van de analyse en de brondata nog steeds aan elkaar koppelen. Ze vallen binnen dezelfde context. Wanneer we semantische technologieën combineren met ‘machine learning’ algoritmes, kunnen afgeleide data worden gecreëerd. Dan wordt de verbinding tussen de bron data en het doel waarvoor die data zijn verzameld, verbroken. En daarmee kunnen we nieuwe patronen herkennen, die nooit eerder gemodelleerde voorspellingen of patronen laten zien. Denk aan toepassingen voor fraudedetectie, rampen- en epidemie voorspellingen en andere. Zo worden semantische technologieën en ‘machine learning’ de volgende stap – de ‘next frontier’ – om meer data te kunnen verbinden.’

Drijvende kracht

Tardieu pleit ervoor de initiatiefnemers van de data-economie te ondersteunen. Hij verklaart: ‘De digitale transformatie naar de i-samenleving met de data-economie is onomkeerbaar en biedt veel kansen. Omdat het Europa aan de middelen ontbreekt om een data-economie infrastructuur in het vereiste tempo te realiseren, is het belangrijk dat de ‘initiatief- en ondernemers’, in verschillende sectoren, zich kunnen gaan richten op multi-sided platforms voor verschillende markten. De EU kan daar op inspelen met duidelijke richtlijnen voor databescherming en een oplossing voor de geo lokale wetgeving. Dat helpt om hen lange termijn investeringen te laten doen en te borgen dat de data-economie haar drijvende kracht achter de digitalisering kan waarmaken.’

Dit artikel is ook te lezen in GOV magazine nummer 8.