maandag 16 april 2018

De data-economie - waarom data geld gaat vervangen

Wie de berichten leest over zelfrijdende auto’s, inlichtingen- en privacywetten (sleepwet), hacken door buitenlandse mogendheden, gepersonaliseerde gezondheidszorg en datalekken en datamisbruik door commerciële partijen als Facebook kan er niet meer om heen: data is de nieuwe olie en het nieuwe goud. In De data-economie lezen we waarom data geld gaat vervangen en wat dit betekent voor onze economie.


De data-economie is geschreven door het duo Viktor Mayer-Schönberger (hoogleraar Universiteit van Oxford en coauteur van De big data-revolutie) en Thomas Range (auteur en correspondent voor o.a. The Economist). Goed om te weten: bovenstaande afbeelding met spreuk is niet afkomstig uit het boek.

Data neemt de rol van geld over

In het boek De data-economie laten de auteurs zien hoe data de rol van geld aan het overnemen is, wat dat betekent voor de economie en welke invloed dat heeft op sectoren als detailhandel, gezondheidszorg en financiële dienstverlening. Daarbij kijken ze naar de opkomst en invloed van succesvolle digitale spelers als Amazon, Alibaba, Uber en Booking.com.

Tien hoofdstukken

De data-economie telt tien hoofdstukken waarin de verschillende aspecten van de markt, het geld, de economie, de digitalisering, de toepassingsmogelijkheden van data en het bedrijf van de toekomst aan aan de orde komen. Met als bouwstenen kort samengevat: internet of things (alles aangesloten op internet), big data (uit ontelbare bronnen), slimme algoritmen (die aan de basis door mensen bedacht worden) en machine-learning (waarbij systemen zelflerend zijn op basis van feedback-lussen).

Omslag naar datarijke markten

Het boek beschrijft de omslag van markten met beperkte informatie waarin waarde, verwachtingen en voorkeuren zijn gereduceerd en gecomprimeerd tot enkel een prijs naar data-rijke markten met verfijnde matchingsmogelijkheden om tot keuzes en transacties te komen. Zo lezen we dat de huidige op geld gebaseerde markt twee grote tekortkomingen heeft.

Als eerste is geld niet alleen het belangrijkste ruilmiddel, maar ook het belangrijkste economische communicatiemiddel. Met geld signaleren we bijvoorbeeld hoeveel iets waard is en wat onze verwachtingen zijn. Denk aan producten en diensten met een low-budget of een premium prijs. Maar hoeveel iets waard is kan van veel meer factoren afhangen dan de prijs alleen. Door toenemende data, slimme algoritmen en machine-learning kunnen we allerlei data uit allerlei bronnen ‘automatisch’ laten meewegen in wat en hoeveel we iets waard vinden en wat onze voorkeuren en verwachtingen zijn. Denk aan andere variabelen als gegevens over populariteit, productiemethode, duurzaamheid, persoonlijke leefstijl, mate van urgentie, ons eerdere aankoopgedrag of ons kijk- en klikgedrag op sociale media.  Data zijn volgens de auteurs een veel bredere en rijkere ‘informatiestroom’ en kunnen daardoor de rol van geld als communicatiemiddel overnemen. Dat verklaart volgens de auteurs ook het succes van online marktplaatsen als Airbnb, Uber en Kickstarter. Je vindt daar veel meer relevante informatie dan prijs alleen, denk aan reviews, informatie over de aanbieder, locatie, leveringssnelheid, etc.

De tweede grote tekortkoming van de huidige op geld gebaseerde markt is dat door het gebrek aan bredere en rijkere informatiestromen, we enerzijds veel meer ‘slechte’ beslissingen nemen omdat we niet alles kunnen weten en overzien, en anderzijds dat het zoeken, kijken, vergelijken en kopen op die markt erg inefficiënt verloopt. Door bredere en rijkere informatiestromen kunnen we zowel de kwaliteit van onze beslissingen verhogen als de efficiency van het transactieproces. Door betere en grotendeels geautomatiseerde processen kunnen beslissingen ook gemakkelijker gedecentraliseerd worden. Op de langere termijn zullen bedrijven zich volgens de auteurs modelleren naar twee archetypes: één waarin een bedrijf voor zijn activiteiten nog steeds de meeste bedrijfsmiddelen bezit, nog steeds mensen in dienst heeft, maar vooral gemanaged en gerund wordt door slimme machines en robots en een ander waarin bedrijven vertrouwen op marktmechanismen, maar de meeste organisatorische functies kwijtraken door te werken in netwerken met decentrale en zelforganiserende eenheden.

Concurreren om data

De uitdaging van marktpartijen is toegang te krijgen tot die multidimensionale informatiestromen om vervolgens die informatie met behulp van matching-algoritmes en machine-learning te vertalen tot beslissingsondersteuning met voorkeuren en beslisopties op grond waarvan mensen uiteindelijk op de een of andere manier hun eindkeuze maken. Het wordt concurreren om data.

Maar de auteurs signaleren ook het gevaar dat deze data en algoritmen niet altijd in ons voordeel worden ingezet en dat zelflerende machines wel eens niet datgene gaan leren wat de bedoeling is. Om over het bewust misbruiken en manipuleren van data, algoritmen en machine-learning maar niet te spreken. De auteurs zien als oplossing een soort data-belasting waarbij ze onderscheid maken tussen data verzamelen en data gebruiken. Bedrijven, waaronder ‘the winner takes it all’-monopolisten als Facebook, Amazon en Google, zijn dan verplicht zijn om hun basisdata aan iedereen beschikbaar te stellen zodat er een ‘level playing field’ ontstaat en je kunt controleren met welke data welke algoritmen gevoed worden.

Herconfiguratie van onze economie

De auteurs zijn er zeker van. De invloed van data leidt tot een fundamentele herconfiguratie van onze economie. De omwenteling zal net zo’n impact hebben als de industriële revolutie en het kapitalisme zoals we dat kennen zal opnieuw worden uitgevonden. Toch worden de auteurs naarmate het boek vordert iets minder stellig. Geld zal niet zomaar en overal verdwijnen. Data komt erbij en zal op veel plaatsen de rol van geld geheel of gedeeltelijk overnemen dan wel beïnvloeden. Dat zien we al een aantal jaren gebeuren.

We gebruiken massaal (gratis) sociale media zoals Facebook en Instagram, streamingdiensten zoals Spotify en talloze apps en betalen die met onze ‘data’. Zonder dat we er ons vaak bewust van zijn. Aan het eind van het boek passeren enkele nadelen en risico’s van de data-economie de revue waarbij zaken als privacy en de verslavende werking van digitale diensten zoals sociale media en apps niet of slechts beperkt aan bod komen. Ook komen in de laatste hoofdstukken de rol van de overheid en een onderwerp als het basisinkomen aan bod. Want als de economie drastisch verandert en het gros van de banen verandert of wordt weggeautomatiseerd, dan moet ook over andere zaken worden nagedacht.

Actueel en relevant boek

De data-economie is een actueel en relevant boek. Het beschrijft ontwikkelingen en trends, bevat veel voorbeelden en geeft in hoofdlijnen op een breed terrein aan wat dit betekent of kan betekenen voor de economie. Het boek geeft een kijkje in een mogelijke toekomst die al begonnen is.

Het boek leest de eerste hoofdstukken wat stroef. Misschien omdat de materie ook niet eenvoudig is zoals de auteurs het zelf zeggen. Maar wellicht ook door de ietwat academisch aandoende schrijfstijl en herhalende bespiegelingen over de werking van op geld gebaseerde markten, de nut en noodzaak van rijke informatiestromen en het gegeven dat markt en bedrijf concurrerende samenwerkingsvormen zijn. 

Positieve kijk op de toekomst

Al met al zien de auteurs het positief in: de nieuwe data-economie leidt uiteindelijk tot een betere verdeling van de welvaart voor iedereen. Wat betreft de auteurs is het glas half vol, maar dan moeten we onze geest wel openen om nieuwe inzichten tot ons te laten komen. Als dat lukt zo schrijven de auteurs aan het eind van het boek ‘geloven wij dat onze toekomst dankzij datarijkheid diep sociaal en dus intens menselijk zal zijn’.

Een mooi streven als je het vergelijkt met manier waarop markteconomie vandaag de dag functioneert. Ik moet eerlijk zeggen dat ik, mede gezien talloze recente data- en privacy-schandalen,  wat minder vertrouwen in heb in die nieuwe datagedreven markteconomie.


Deze recensie is ook gepubliceerd op Managementboek.nl. Het boek De data-economie is te koop op Managementboek.nl.

PS: Praktijkcase gezondheidszorg

Voorbeelden van wat de data-economie ons kan brengen lezen we dagelijks in de media. Zoals het artikel in het FD eind maart 2018 met de titel ‘Onze data voorspellen of een patiënt binnen drie dagen sterft’. Een klein stukje uit dit artikel, lering en vermaak.

De Nederlander Jans Aasman streek in 2004 neer in Silicon Valley en boekte succes met zijn AllegroGraph, die snel lastig toegankelijke data analyseert, onder meer van ziekenhuizen. Hij zegt het zonder blikken of blozen. ‘We kunnen met onze data voorspellen of een IC-patiënt binnen drie dagen sterft. En of het zin heeft voor de arts om alles uit de kast te halen om dit te voorkomen. Het besluit is natuurlijk aan de arts, en hier in Amerika betekent het dat de dokter uiteindelijk vrijwel altijd toch gaat behandelen.’

Dit klinkt beangstigend en fascinerend tegelijk: voorspellen of en wanneer een patiënt gaat overlijden. Het Montefiore-ziekenhuis in de New Yorkse wijk The Bronx vertrouwt er niettemin dagelijks op. Aasman en de groep ziekenhuizen van Montefiore analyseren al jarenlang de data van maar liefst drie miljoen patiënten. De groep ziekenhuizen rond Montefiore vormt in omvang het achtste ziekenhuis van de VS, met een zeer divers patiëntenbestand, zowel naar etnische afkomst als naar seksuele voorkeur. Voor betrouwbaar onderzoek zijn omvang en diversiteit van de data essentieel. Daarom durft Aasman, die geen arts is, toch te voorspellen of een patiënt zal sterven.

‘Data is het alpha en omega van deze business. Heel veel start-ups hebben moeite om goede data in een bepaald domein te krijgen’, zegt Aasman. Hij prijst zich gelukkig met cardioloog Parsa Mirhaji van Montefiore, waarmee hij samenwerkt. ‘De privacy-wetten zijn hier vaak strenger dan in Europa, maar als je eenmaal binnen bent bij een opdrachtgever kan er toch wel erg veel. Meer dan in Nederland.’

Aasman legt geduldig uit hoe hij als niet-arts op de medische data heeft leren vertrouwen. ‘De beroemde Mayo Clinic en onze partner Montefiore werkten samen om een model te vinden dat ‘ademhalingsproblemen’ en ‘dood’ voorspelt. Ze hadden een groep van 33.000 patiënten, waarvan een deel wel en een deel geen ernstige ademhalingsproblemen kreeg. Voor elk van die gevallen binnen die twee groepen werd er gekeken naar 46 variabelen. Bijvoorbeeld naar de gemiddelde hartslag in de laatste vier uur, of het zuurstofniveau in het bloed. Vervolgens pas je met machine learning een model toe op die variabelen. Zo ontwikkel je een model dat je nu op nieuwe gevallen kan toepassen. Er zitten wel 10.000 indicatoren en symptomen in het systeem. De kunstmatige intelligentie in het model kan de arts bijvoorbeeld waarschuwen dat de patiënt extra zuurstof nodig heeft. Dat ziet het systeem vaak sneller dan de arts. Vervolgens beslist de arts zelf om wel of geen zuurstof toe te dienen.’

Op zijn laptop laat Aasman een ander voorspellend voorbeeld zien van een kindje met astma en eczeem. Die combinatie betekent dat de kans op een gevaarlijke pinda-allergie honderd keer zo groot is als normaal. Hij zegt: ‘Bij eczeem, of dermatitis, is de kans 210 keer hoger dan normaal, bij astma 62 keer zo groot. De combinatie geeft dus vrijwel zekerheid dat het kind die allergie heeft. Dat wisten wij al in 2015, op basis van tien jaar data van drie miljoen mensen.

Vijftien jaar geleden had Franz Inc drie concurrenten, waaronder het bekende Oracle. Nu denkt Aasman zeker driehonderd concurrenten te hebben, waarvan de top-10 goed is gefinancierd door ‘venture capital’, of onderdeel is van een groot bedrijf, met diepe zakken. Tech draait op geld. Het is een continue wapenwedloop, zo voelt het tenminste wel.’

Geen opmerkingen:

Een reactie posten