Big Data is een technologische ontwikkeling die overal in de maatschappij plaatsvindt. Niet alleen bedrijven, maar ook individuen creëren enorme hoeveelheden data. De meningen over de impact van het gebruik van Big Data in verschillende sectoren lopen uiteen, maar vrijwel alle experts zijn het erover eens dat deze aanzienlijk is. Daarnaast wijzen experts ook op onzekerheden en zelfs gevaren die gepaard gaan met het gebruik van Big Data. Moeten we alles wat er mogelijk is eigenlijk wel willen?

Wij gebruiken de term normatief kader als overkoepelend begrip voor verschillende obstakels die wij zijn tegengekomen: juridische en ethische bezwaren, het privacyvraagstuk, en transparantie over het gebruik van gegevens.

Wij hebben aan de hand van literatuuronderzoek, interviews met experts en casestudies onderzocht wat de mogelijke normatieve implicaties van het gebruik van Big Data zijn. Daarnaast hebben we gekeken hoe deze implicaties concreet naar voren komen binnen iedere sector. Figuur 4 illustreert deze bevindingen.

Figuur 4. Overzicht van normatieve obstakels en hoe deze per domein worden ervaren

Juridische en praktische bevindingen: veiligheid en publieke opinie
Een vaak terugkerend probleem is onduidelijkheid over de privacy van burgers bij zowel bedrijven en overheden als bij burgers zelf. Uit onze interviews blijkt dat vaak onduidelijk is welke gegevens precies beschermd worden door de Wet bescherming persoonsgegevens. Tevens geeft 76% van de ondervraagden in onze enquête aan zich in meer of mindere mate zorgen te maken over zijn of haar privacy, maar blijkt nog niet de helft van die groep daadwerkelijk maatregelen te nemen om de eigen privacy te beschermen. Bovendien lijken bedrijven de wetgeving vaak te omzeilen door zich op andere rechtsgronden te beroepen. Zo hoeven ze niet opnieuw toestemming te vragen voor het gebruiken van persoonsgegevens voor nieuwe doeleinden. En er is een privacy paradox die onduidelijkheid creëert: als bedrijven zich aan de voorkant wel aan de wet houden, kunnen ze aan de achterkant toch nog de privacy van burgers aantasten, omdat door datamining van geanonimiseerde gegevens profielen ontstaan. Daarnaast wijkt de publieke opinie soms af van de wetgeving. Dit blijkt bijvoorbeeld uit de ING-casus, waar het plan lag om bankgegevens te gebruiken voor commerciële doeleinden. Dit was wettelijk toegestaan, maar de publieke reactie heeft ervoor gezorgd dat dit plan niet doorging. Een andere bevinding is dat de toenemende precisie van Big Data zowel voor- als nadelen heeft. Enerzijds kan men de identiteit van de burger steeds preciezer en scherper bepalen, wat maatwerk mogelijk maakt. Anderzijds maakt dit het risico op het uitlekken van gevoelige gegevens van burgers groter, samen met de consequenties daarvan. De vraag wie toegang heeft tot gegevens en hoe de veiligheid is geborgd wordt pregnant.

Ethische vraagstukken: onbewuste gedragsverandering
Naast deze juridische en praktische bevindingen spelen er ethische kwesties omtrent de langetermijneffecten van het gebruik van Big Data. Dit gebruik betreft niet alleen een technische ontwikkeling, maar heeft ook directe invloed op onze persoonlijke levens. Een voorbeeld is onbewuste gedragsverandering door het gevoel dat alles wat je doet, opgeslagen en in de gaten gehouden wordt. Uit onderzoek bleek dat mensen na de NSA-leaks door Edward Snowden niet alleen minder zochten naar gevoelige termen voor de Amerikaanse overheid (bijvoorbeeld ’anthrax’), maar ook naar persoonlijke informatie (zoals ‘therapie’).¹ Ook kun je indirect gediscrimineerd worden op basis van algoritmen waarvan de criteria niet openlijk bekend zijn en waartegen je dus niets kunt doen. Je mag geen busabonnement afsluiten, je krijgt geen sociale huurwoning of je komt niet in aanmerking voor een aanvullende zorgverzekering, terwijl je niet weet waarom. Zo hebben onderzoeken naar algoritmes aangetoond dat iemands etnische achtergrond een bepalende factor is in het al dan niet toekennen van een lening van de bank, zonder dat dit bekend is bij de beoordelaars van de aanvraag. Het is opvallend dat deze effecten wel uit wetenschappelijke studies blijken, maar nauwelijks worden ervaren door de bevolking. Het is echter wel belangrijk dat deze vraagstukken besproken worden in het maatschappelijk debat.

Een eerste voorzet voor oplossingen: zie de burger als persoon, niet als dataset
Wij geloven dat bewustwording, keuzevrijheid en transparantie in combinatie met een integere, kritische blik op de effecten en grenzen van het gebruik van Big Data tot het nemen van verantwoordelijkheid en het afleggen van verantwoording zal leiden. Voor een juist gebruik van Big Data moeten bedrijven, overheden en burgers zich realiseren dat de data die zij gebruiken, afkomstig zijn van personen voor wie dit gebruik consequenties kan hebben. Momenteel is het enige instrument hiervoor het vragen van toestemming voor dit gebruik aan mensen. De informatie die mensen hier nu over ontvangen is vaak al complex en bovendien is de toestemming vaak ontoereikend: gegevens worden op steeds meer onvoorziene manieren gebruikt. Vaak weten mensen niet wat de consequenties hiervan zijn. Wij stellen daarom voor om een voorbeeld te nemen aan bestaande toepassingen die op inzichtelijke wijze ingewikkelde informatie overbrengen, zoals de Kijkwijzer of de Financiële Bijsluiter.

Referenties

¹ Marthews, A. & Tucker, C. ‘Government Surveillance and Internet Search Behavior’, 28 augustus 2014.

De kracht van Big Data ligt in het combineren van verschillende datasets. Om de waarde die in deze data besloten ligt te realiseren is het essentieel dat partijen op een nieuwe manier met elkaar samenwerken. In de eerste plaats is een grotere durf om te experimenteren met het delen en combineren van data van belang. In de tweede plaats moeten bedrijven, overheid en wetenschap ook in meer onverwachte hoek, buiten de eigen sector en het eigen domein om, naar potentiële samenwerkingspartners zoeken. Wij denken dat dergelijke nieuwe vormen van samenwerking op het gebied van Big Data Nederland gezonder, socialer en mobieler kunnen maken. In theorie is het nieuwe samenwerken eenvoudig, hoewel in de praktijk bepaalde obstakels optreden die dit bemoeilijken.

Het combineren van datasets en kennis leidt vaak tot nieuwe inzichten. Sinds 2013 stelt telecomaanbieder Orange ieder jaar een dataset met belgegevens van een ontwikkelingsland beschikbaar voor het publiek. De uitkomsten van dit Data for Development-initiatief leiden tot nieuwe toepassingen, variërend van het optimaliseren van stadsvervoer tot het voorkomen van een epidemie. Orange had dit soort innovatieve inzichten nooit onafhankelijk kunnen genereren. Een ander voorbeeld is de samenwerking tussen Mezuro, Vodafone en het Centraal Bureau voor de Statistiek (CBS). Mezuro beschrijft de drukte op bepaalde plaatsen in de stad aan de hand van telefoondata van Vodafone. Het CBS kan deze data gebruiken om nieuwe statistiek te produceren, onder andere over de day-time population in Nederland. Door data en kennis te delen tussen verschillende sectoren kan een waarde worden gecreëerd die door de partijen afzonderlijk nooit gerealiseerd zou zijn. Deze twee specifieke voorbeelden illustreren het Nieuwe Samenwerken: onverwachte inzichten door kruisbestuiving en, daaraan gekoppeld, synergiën tussen sectoren en over domeinen heen.

Om nieuwe samenwerkingen te realiseren en datasets en kennis te combineren is het belangrijk om te begrijpen waarom momenteel nog niet samengewerkt wordt op het gebied van Big Data. Bedrijven, overheden, wetenschappers en burgers hebben allen belangen en angsten die innovatieve samenwerking bemoeilijken. De volgende tabel licht dit toe en geeft voorbeelden van oplossingsrichtingen:

Naast deze praktische obstakels is er nog een aantal bredere mogelijke bezwaren waarmee rekening gehouden moet worden. Om het Nieuwe Samenwerken te implementeren met steun van de burger is verdere reflectie nodig op controle, verantwoording en transparantie. Hier ligt zowel voor de overheid als voor het bedrijfsleven een belangrijke taak. Er moet helderheid komen over het eigenaarschap van data en over de mate waarin data tussen partijen gedeeld mag worden. Er moet duidelijker worden wat het begrip ‘transparantie’ over het gebruik van persoonlijke data in de praktijk precies betekent. Tenslotte is het belangrijk ons af te vragen in hoeverre het Nieuwe Samenwerken kan leiden tot economische machtsconcentratie en kartelvorming.

Zelfregulering of wettelijke regulering zijn opties om de controle en transparantie te waarborgen die nodig zijn om draagvlak voor het Nieuwe Samenwerken te creëren. Opt-in en opt-out regelingen kunnen een middel zijn om hier invulling aan te geven. Als deze vragen op zorgvuldige en transparante wijze beantwoord worden, zijn wij ervan overtuigd dat het Nieuwe Samenwerken voor burgers, wetenschappers, bedrijven én de overheid nieuwe kennis en waarde uit Big Data kan opleveren.

De ontwikkeling van kennis en vaardigheden in het Big Data tijdperk zijn van groot belang om het potentieel van Big Data te benutten. Er is een tekort aan data scientists, zowel in het bedrijfsleven als bij de overheid, die waardevolle inzichten kunnen verwerven met analytische technieken en grote hoeveelheden data. Onze analyse laat een tekort van 8.000 data scientists zien, die nodig zijn om Big Data in te zetten in Nederland en de waarde van €45 miljard waar te maken.

Maar wat is een data scientist eigenlijk? Een data scientist is iemand die niet alleen de data analyses kan uitvoeren, maar de bevindingen ook in de context kan plaatsen en kan communiceren naar de besluitvormers. Het is dus belangrijk dat hij of zij bagage heeft op het gebied van statistiek en programmeren om de data analyses uit te voeren. Daarnaast is kennis van database management nodig om zowel gestructureerde als ongestructureerde data te analyseren en aan elkaar te koppelen. Een data scientist gebruikt domeinkennis om de werkelijkheid te modelleren en de bevindingen uit de data in een context te plaatsen. Daarnaast is het zeer belangrijk dat hij of zij over de vaardigheden beschikt om de bevindingen te communiceren en te visualiseren. Een goede data scientist heeft het totaalpakket aan vaardigheden hierboven.

Het is zeer moeilijk om al deze eigenschappen in één persoon terug te vinden. Er zijn in Nederland op dit moment ook geen studies die al deze vaardigheden aanleren. Het potentieel uit Big Data talent zal dan ook bestaan uit afgestudeerden met een relevante achtergrond die omgeschoold moeten worden tot data scientist. Studies met een sterke analytische component, zoals econometrie en bèta-opleidingen, zijn op dit moment in staat om data scientists voort te brengen. Op basis van het aantal studenten van deze studies schat de Nationale DenkTank het potentieel aan Big Data talent in 2018 op 23 000 mensen.

Ondanks dit grote potentieel aan talent in Nederland, zal er in 2018 een tekort zijn van 8.000 data scientists, omdat niet alle afgestudeerden als data scientist aan de slag zullen gaan. Een schatting op basis van expertinterviews laat zien dat van het potentiële talent slechts 10% daadwerkelijk een dergelijke, analytische carrière zal starten. Aan de ene kant kan dat komen doordat deze afgestudeerden simpelweg geen data scientist willen worden. Daarnaast zijn organisaties ook slechts geïnteresseerd in het beste deel van het talent. Dit maakt de aanwas van talent in 2018 gelijk aan 2.000 afgestudeerden. Op basis van expertinterviews en een analyse is de vraag in 2018 bepaald op 10.000 mensen. Dit zorgt ervoor dat er een tekort is van 8.000 mensen. Dit tekort is vier keer zo groot als de huidige aanwas in Nederland.

Om dit tekort aan data scientists in de komende jaren tegen te gaan, moet een aantal maatregelen genomen worden. Allereerst zullen bestaande medewerkers omgeschoold moeten worden. Schulich School of Business en Harvard Business School bieden beide programma’s aan waar managementvaardigheden worden ontwikkeld bij IT-personeel om zo het gat tussen management en IT te dichten. In de afgelopen 3 jaar zien wij een grote groei van dit type programma’s. Daarnaast zijn er veel programma’s waarin managementpersoneel bijgeschoold wordt op het gebied van data analyse-vaardigheden.

Ten tweede is het van belang jongeren te stimuleren om een opleiding te volgen waarin meerdere data scientist vaardigheden terugkomen en te stimuleren om te gaan werken in het Big Data veld. Teradata University Network is een goed voorbeeld van een opleidingsinstituut dat curricula vormt waarin alle benodigde vaardigheden van een data scientist aan bod komen.

Als laatste is het belangrijk dat talent in Nederland behouden wordt en dat er buitenlands talent aangetrokken wordt. Het Techniekpact in Nederland heeft programma’s ontwikkeld waarbij het aantrekkelijk gemaakt wordt voor buitenlandse studenten om in Nederland te studeren en vooral ook na hun studie te blijven. Studenten worden strategisch geworven en voor, tijdens en na hun studie verbonden met Nederland. Daarnaast ligt hier een grote verantwoordelijkheid voor het bedrijfsleven. Waar wij zien dat bedrijven in Silicon Valley veel Big Data talent aantrekken, schiet Nederland hierin tekort. Bedrijven kunnen lessen halen uit de succesverhalen uit het buitenland en Nederland zoals Google, Facebook en IBM.