3. Aanleiding
• ‘Data-explosie’: nieuwe technologie maakt het eenvoudiger
om data te verzamelen, koppelen, verspreiden en
presenteren. Daarnaast zijn door de komst van
smartphones, sensoren en locatiegeoriënteerde applicaties
nieuwe realtime datastromen ontstaan.
• Rijksbrede expertbijeenkomst ‘Big Data: wat moet de
overheid ermee?’ bij het ministerie van BZK (25 oktober
2012). Een doel van deze bijeenkomst was om na te gaan
wat de overheid met Big Data zou kunnen en moeten doen.
• Big Data is nog een relatief onontgonnen terrein in de
praktijk en de literatuur.
4. Het begrip Big Data
Big Data is een breed containerbegrip. Vooralsnog ontbreekt het aan
een eenduidige en gezaghebbende definitie.
Big Data wordt wel vaak in verband gebracht met verschillende
kenmerken:
• 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.
5. Voorbeelden
•
•
•
•
•
•
•
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
6. Relativerende kanttekeningen
•
•
•
•
•
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
7. Kansen voor de overheid
•
•
•
•
•
•
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
8. Risico’s 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?
10. Relevante kennisvragen
•
•
•
•
•
•
•
•
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?
11. Concrete stappen
•
•
•
•
•
•
•
•
•
•
•
•
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
