Big Data

• Aanleiding

• Het begrip Big Data

• Voorbeelden in binnen- en buitenland

• Relativerende kanttekeningen

• Kansen en risico’s voor de overheid

• Noodzakelijke randvoorwaarden

Aandachtspunten

• ‘Data-explosie’: nieuwe technologie maakt het eenvoudigerom data te verzamelen, koppelen, verspreiden en presenteren. Daarnaast zijn door de komst van smartphones, sensoren en locatiegeoriënteerde applicatiesnieuwe realtime datastromen ontstaan.

• Rijksbrede expertbijeenkomst ‘Big Data: wat moet de overheid ermee?’ bij het ministerie van BZK (25 oktober2012). Een doel van deze bijeenkomst was om na te gaanwat de overheid met Big Data zou kunnen en moeten doen.

• Big Data is nog een relatief onontgonnen terrein in de praktijk en de literatuur.

Aanleiding

Big Data is een breed containerbegrip. Vooralsnog ontbreekt het aaneen eenduidige en gezaghebbende definitie.

Big Data wordt wel vaak in verband gebracht met verschillendekenmerken:

• Volume (hoeveelheid data)

• Velocity (snelheid van dataproductie en –analyse)

• Variety (verscheidenheid van data)

• Veracity (betrouwbaarheid van data)

• Variability (veranderlijkheid van data)

• Value (waarde van data)

Big Data omvat omvangrijke, heterogene en dynamische datasets. Deze data zijn niet per definitie betrouwbaar of bruikbaar. Big Data zullen dus op een slimme manier moeten worden verzameld,gecombineerd en geanalyseerd om nieuwe inzichten te verwerven.

Het begrip Big Data

• Amazon.com en Bol.com: klantprofielen maken

• KNMI: weersvoorspellingen

• Politie: opsporing en handhaving

• NFI: fraude-, moord- en kinderpornozaken

• CBS: nieuwe vormen van statistiek

• Energieleveranciers: slimme thermostaten

• Rabobank: mobiel bankieren en plofkraken

Voorbeelden

• Big Data hoeft niet ‘groots’ te worden opgepakt

• Big Data zijn niet per definitie betere data

• Big Data zijn niet noodzakelijkerwijs open data

• Evolutie in plaats van revolutie?

• Veel organisaties bevinden zich nog in de oriëntatiefase. Het is nog te vroeg om bewezen toepassingen (‘best practices’) voor het voetlicht te brengen

Relativerende kanttekeningen

• Vergaren van nieuwe (beleids)inzichten

• Personaliseren van dienstverlening

• Maatschappelijke problemen oplossen

• Innovatie en economische groei stimuleren

• Voorspellende analyses maken (‘predictive analysis’)

• Betere besluitvorming (‘data driven decision making’) en effectiever beleid

Kansen voor de overheid

• Omgang met privacy? (‘Big Brother’)

• Eenzijdige fixatie op data (‘dictatorship of data’)?

• Data protectie?

• Betrouwbaarheid en kwaliteit van data?

• Patronen waarnemen die er eigenlijk niet zijn (‘false discoveries’)?

• Information overload?

Risico’s voor de overheid

• (Bestuurlijk) draagvlak

• ICT-infrastructuur moet op orde zijn

• Intensivering van samenwerking en kennisdeling

• Benodigde capaciteit, kennis en vaardigheden

• Wettelijke en normatieve kaders: code voor verantwoorddatagebruik?

Noodzakelijke randvoorwaarden

• Op welke wijze kunnen overheidsorganisaties op een intelligente en gerichte manier verzamelen en verwerken? Hoe kan ‘information overload’ hanteerbaar worden gemaakt?

• Over welke kennis en vaardigheden moeten overheidsmedewerkers beschikken om Big Data efficiënt en effectief te verzamelen, analyseren, bewerken en bewaren?

• Welke ICT-infrastructuur is nodig om Big Data efficiënt en effectief te benutten?

• Hoe kan de kennis en ervaring die sectoraal met Big Data wordt opgedaan organisatiebreed gedeeld en geborgd worden?

• In hoeverre en op welke wijze kunnen met behulp van Big Data handelingen van burgers en gebeurtenissen worden voorspeld?

• In hoeverre en op welke wijze is de betrouwbaarheid van (Big) Data van derden controleerbaar? Hoe moeten overheden omgaan met data die niet (volledig) controleerbaar is?

• Waar moet Big Data worden belegd: decentraal in het reguliere werkproces of centraal bij een gespecialiseerd ‘intelligence center’?

• In hoeverre vereist Big Data een heroriëntatie op de huidige wijze waarop de taken van overheidsorganisaties worden uitgevoerd?

Relevante kennisvragen

• In kaart brengen van concrete informatiebehoeften op de werkvloer en het management

• Inventariseren van knelpunten en -informatielacunes

• Intelligent verzamelen en verwerken van data (Social Media Monitoring)

• Systematische analyse van eigen data

• Gericht gegevens verzamelen

• Concreet aan de slag op basis van cases in een gecontroleerde setting (‘doen’)

• Borgen van kennis die wordt vergaard

• Intensiveren van samenwerking en kennisdeling (intern en extern)

• Leren van ervaringen die elders worden opgedaan

• Optimaler benutten van beschikbare (openbare) data

• Inventariseren van slimme toepassingen

• Gestructureerde informatie verbinden met ongestructureerde informatie

Concrete stappen