Big data is hot in allerlei sectoren, variërend 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.
Big data, wat is het? 4 V’s
Buzz woord 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 potentiële waarde levert.
Dit is waar het uiteindelijk om gaat en hier ligt de creatieve uitdaging voor veel organisaties: hoe kun je me big data daadwerkelijk onderscheidende toegevoegde waarde leveren? Bijvoorbeeld in het omgaan met risico’s?
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-datatijdperk 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 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.
Dit is razend interessant, want het betekent dat op basis van creatieve nieuwe datacombinaties allerlei nieuwe verzekeringsproducten kunnen worden ontwikkeld.
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 gevolgreductie. Risico’s kunnen vaak ook door middel van kansreductie of preventie worden aangepakt. Dan treden ze wellicht niet eens op en hoeven dus geen gevolgen te worden gecompenseerd, waarbij tevens veel leed wordt bespaard.
Statistische indicator
Daarom is ook een andere big-datatrend interessant, die van het gebruik van vooral zogenoemde statistische risico-indicatoren naar het benutten van structureel inzicht in risicogedrag.
Een voorbeeld van zo’n statistische indicator is de leeftijd van een automobilist. Op basis van de 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, continu 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 dit kan ook nog eens tot veiliger en zuiniger rijgedrag leiden.
Met Big Data kan het daadwerkelijke rijgedrag van een individu worden gemeten. Dit kan leiden tot bedrijfs- en persoonsgerichte premiedifferentiatie en zo kosten besparen.
Science fiction?
Helemaal niet. Voor ons particulieren zijn er inmiddels al diverse rijgedrag verzekeringen in omloop. Die kunnen maandelijks tot 35% premiekorting leiden, mits we wel netjes blijven rijden. Parallellen vanuit rijgedrag zijn eenvoudig te trekken naar voedingsgedrag en bewegingsgedrag. Hoeveel korting wil je op je ziektekostenpremie?
Ethische bezwaren
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.
Ofwel, hoeveel privacy zijn we bereid in te leveren, in ruil voor een lagere premie?
Big data = big business
Naast de large impact van big data, met de nodige morele en ethische haken en ogen, biedt het voor sommige bedrijven al big business. Ontwikkelingen in de USA blijken vaak een signaal voor wat ons in Nederland te wachten staat.
Zoals bijvoorbeeld een Amerikaans bedrijf dat nu al klinkende munten haalt uit het verzamelen, analyseren en weer verkopen van big data: 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 van kan dromen.
Wat is nou precies de waarde van Big Data?
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 luchtvaartmaatschappijen?
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 een derde 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?
Martin van Staveren is auteur van het boek Risicogestuurd werken, zie: risicogestuurdwerken.nl, de website van het gelijknamige boek.
Zie ook: Risicogestuurd werken: Andere aanpak voor omgaan met kwaliteitsrisico’s
