Data & Analytics in a Smart Society | KPMG | BE
close
Share with your friends
Data & Analytics in a Smart Society: Building Blocks of a New Trust Model

Data & Analytics in a Smart Society

Data-analyse in de slimme samenleving

‘Vertrouwen komt te voet en gaat te paard’, zo klinkt een gekende wijsheid. Ook voor de slimme samenleving van morgen, waarin data-analyse niet meer weg te denken is, gaat dit op. Laat ons duidelijk zijn: het analyseren van gegevens voor allerlei toepassingen is een positieve ontwikkeling die ons leven eenvoudiger zal maken en zal zorgen voor betere en snellere beslissingen. Maar als we ons goed willen voelen in deze slimme samenleving is een nieuw vertrouwensmodel nodig. Privacy en cyberveiligheid beheersen nu al het maatschappelijk debat, maar minstens even belangrijk zijn ethische vragen, namelijk hoe we “checks and balances” inbouwen in de systemen die uw en mijn gegevens beheren.

De kracht om te voorspellen

Data-analyse is niet nieuw, maar de omvang, de toegankelijkheid en vooral de impact hiervan is de laatste jaren wel exponentieel toegenomen door technologische ontwikkelingen. De grens tussen vooruitstrevend en beangstigend is ook niet altijd duidelijk. Dankzij data-analyse kunnen artsen voorspellen of en wanneer een individu een bepaalde ziekte zal krijgen. Leningen worden toegekend op basis van het sociale mediaprofiel en -netwerk van de aanvrager. Onlangs was er ophef in eigen land over camera’s in reclameborden die het aantal voorbijgangers telden en vandaag over algoritmes die depressies kunnen voorspellen bij eerstejaarsstudenten. Ook de zelfrijdende auto is straks één groot algoritme dat in situaties komt waar wij ethische keuzes maken: geen weldenkend mens dat in noodsituaties twijfelt tussen de afweging blikschade en het ontwijken van een kind dat op straat speelt.

Politici, juristen en ethici hollen vandaag achter de feiten aan van deze technologische ontwikkelingen. En toch is een duidelijk kader van normen en waarden niet minder noodzakelijk. Het gebruik van een navigatiesysteem in de wagen maakt duidelijk dat dit meer is dan een detail. Om u snel van A naar B te krijgen, moet dergelijk navigatiesysteem aan een aantal voorwaarden voldoen. De kwaliteit van de kaartgegevens moet goed zijn, het algoritme moet alle beperkingen onder elke omstandigheid – wegomleggingen bijvoorbeeld - in rekening brengen en het routeadvies moet de belangen van de bestuurder dienen. Van dat laatste is uiteraard geen sprake als het algoritme een voorkeur heeft voor routes langs een bepaald merk van benzinestation.

Terechte maatschappelijke vragen

Zoals uit dit voorbeeld blijkt, bestaat een gevaar dat bedrijven en overheden met hun algoritmes niet steeds handelen in het belang van klanten en/of de samenleving. Meer nog: dergelijk gedrag staat haaks op wat de samenleving vandaag verwacht van data-analyse. Want mensen willen weten of hun gegevens correct zijn en correct worden gebruikt, op een manier die ze begrijpen, door organisaties die ze vertrouwen en voor een doel dat ze goedkeuren. En ze willen vooral weten wanneer er iets mis gaat. Dat zijn de terechte vragen waarmee onze slimmer wordende samenleving worstelt, en waar we oplossing voor moeten vinden. Dit vertrouwen kan uiteraard niet zomaar van bovenaf opgelegd worden, niet door beleidsmakers, noch door het bedrijfsleven.

Vier bouwstenen van een vertrouwensmodel

Zonder de volledige waarheid in pacht te hebben, menen we dat een vertrouwensmodel opgebouwd moet worden rond vier bouwstenen: kwaliteit, doeltreffendheid, integriteit en flexibiliteit. De kwaliteit van de gegevens én de processen om deze gegevens te verzamelen is determinerend. Kwaliteit vergt kwaliteitscontrole en hier zal zeker een tandje bij moeten worden gestoken. Uit een recente KPMG-studie blijkt dat minder dan de helft van organisaties wereldwijd vandaag dergelijke kwaliteitscontroles uitvoeren. Ook de doeltreffendheid van data-analyse zal bepalend zijn om het vertrouwen te versterken. Concreet betekent het dat de gegevens in de eerste plaats een meerwaarde moeten opleveren, voor zowel de organisatie als de eindgebruiker. De doeltreffendheid meten is een uiterst complex proces omdat de kloof tussen de ruwe data en de toepassing enorm is. 

Vervolgens moet er werk gemaakt worden van integriteit. Hier komen we op nieuw terrein: is alles in overeenstemming met de wetgeving? Hoe transparant zijn de processen? Worden ethische grenzen overschreden? Denk aan het voorbeeld van de zelfrijdende auto. Externe toezichthouders zullen hierin een cruciale rol te vervullen hebben. Tenslotte zal ook de flexibiliteit van data-analysesystemen in rekening gebracht moeten worden. Aangezien deze constant evolueren, zal ook een vertrouwensmodel moeten anticiperen op heel snelle ontwikkelingen zoals technologische wijzigingen, nieuwe regelgeving, cyberveiligheid en maatschappelijke wijzigingen. 

Ons geloof in data-analyse versterken vergt investeringen en de wil om lange termijnverplichtingen aan te gaan in een snel veranderende omgeving. Het maatschappelijk belang moet bovenaan staan, er moet een bereidheid zijn om nauw samen te werken met toezichthouders en publiekelijk verantwoording af te leggen. Dit zal stapvoets en in overleg moeten gebeuren. De ‘winst’ die gemaakt kan worden is onschatbaar, namelijk het versterken van het maatschappelijk vertrouwen in de slimme samenleving. Zoniet blijft alleen de weg van het paard over.

 

  • Sander Klous, hoofd Data & Analytics KPMG in Nederland en professor Big Data Ecosystems aan de Universiteit van Amsterdam
  • Peter Van den Spiegel, hoofd Data & Analytics KPMG in België

Gerelateerde content