Het contactcenter in 2020 is data-driven

Digitale transformatie is meer dan een verandering in businessmodellen. Digitalisering betekent ook letterlijk dat er iedere seconde ongekende hoeveelheden data door cyberspace heen gaan. Toenemende rekenkracht en sterk verbeterde algoritmen stellen bedrijven in staat meer te doen met data: om onbekende kansen te ontdekken; om bestaande processen te optimaliseren door scherpere keuzes te maken; en om processen te vergemakkelijken en versnellen door professionals te voorzien van bruikbare informatie. Wat is de impact van digitaal op klantcontact?

Het begrip ‘digitale transformatie’ wordt overal te pas en te onpas gebruikt, net als het inmiddels bijna versleten concept ‘agile’. Wat is digitale transformatie? Het is de omslag naar een (meer) data-gedreven bedrijf, zodat er optimaal kan worden aangehaakt op de digitale economie. Criticasters van de digitale economie hebben dan ook bij voorkeur een paar honderd euro aan bankbiljetten in een oude sok: denk het internet ‘weg’ en ga na wat er allemaal tot stilstand komt.

De meeste vergezichten die een paar jaar geleden werden geschetst als het ging om digitale transformatie, zijn inmiddels bewaarheid geworden. De manier waarop bedrijven en klanten interacteren is de afgelopen jaren ingrijpend veranderd. We kopen steeds meer online en steeds minder in fysieke winkels. We verzamelen onze informatie digitaal en we werken en communiceren digitaal. Naast de cliché-voorbeelden van de digitale economie (Airbnb en Uber) komen er steeds nieuwe voorbeelden bij waaruit blijkt dat de digitale economie voor versnelling en verstoring zorgt. Tesla’s leggen inmiddels vele kilometers af terwijl ze zelf sturen, maar Elon Musk gaat ook aan de slag met autoverzekeringen. Daarmee zet Tesla een complete keten buitenspel. Ook banken en verzekeraars reageren op disruptie, bijvoorbeeld door in te spelen op de deeleconomie en ‘autoverzekeringen per uur’ aan te bieden – iets waar verzekeraar NN aan werkt. De komende tijd gaat er ook het nodige veranderen in hoe klanten en bedrijven contact met elkaar hebben. In dit artikel vijf facetten van klantcontact.

1. Interactie wordt digitaal

Contactcenters gaan de komende drie jaar ‘dure’ kanalen afstoten en focussen op die kanalen die het beste passen bij de meest renderende klanten. Omdat consumenten uit zichzelf ook steeds meer online interacteren met bedrijven, ontstaan er meer mogelijkheden voor bedrijven om interacties met weinig toegevoegde waarde te automatiseren. Daarbij zijn er drie kanalen waarvan het voorbestaan onder druk staat. Op de eerste plaats de briefpost, een geheel ten onrechte vergeten categorie. Grote organisaties ontvangen jaarlijks nog honderdduizenden brieven. Het CAK is goed voor ruim 300.000, de NS voor 243.000. De grootste vereniging van Nederland ontving in 2014 nog ruim 744.000 brieven, een aantal dat in 2016 was teruggelopen tot ruim 512.000. Energiebedrijf NUON ziet ook dalende volumes: 150.000 brieven in 2013, 115.000 in 2016 en 100.000  in 2017 (bronnen: Toii.NL). Brieven zijn bewerkelijk om af te handelen en vormen een enorme kostenpost voor de backoffice.

data-driven

Op de tweede plaats zetten steeds meer organisaties het e-mail-kanaal ‘uit’, omdat ook dit kanaal relatief bewerkelijk is. In plaats van e-mail schakelen organisaties over op chat. En tot slot, op de derde plaats, komen er steeds meer bedrijven die niet meer bereikbaar zijn per telefoon. Dat wil zeggen: je kunt hoogstens een terugbelverzoek indienen. InShared werkte hier al langere tijd mee, maar nu is ook Oxxio over de brug. Kortom, bedrijven zoeken naar manieren om klantinteractie digitaal te maken, want dan is het te automatiseren en levert het meer data op. Inspelen op die tendens is een van de facetten van digitale transformatie.

2. Algoritme bepaalt wie je als klant ‘aan de lijn’ krijgt

Contactcenters gaan klanten die contact opnemen, aan medewerkers toewijzen (routeren) op basis van klant-eigenschappen en klantwaarde. Waar Sanoma medewerkers met een bepaald retentie-resultaat koppelt aan klanten met bepaalde kenmerken zoals klantwaarde, ontwikkelt softwareleverancier Telecats (onderdeel van Webhelp) een oplossing voor intelligente routering op basis van machine learning. Die houdt aan de ene kant rekening met eigenschappen en voorkeuren van de klant – klantwaarde, klantvoorkeuren, persoonlijke eigenschappen, sociale en gezinssituatie, actuele context zoals een vooraf ingesproken vraag, et cetera. En aan de andere kant houdt intelligente routering ook rekening met het medewerker-profiel. Door de uitkomsten van gerealiseerde ‘matches’ te meten wordt deze matching steeds nauwkeuriger – met andere woorden, hierbij wordt machine learning ingezet als tool om klantcontact data-driven te maken.

 3. Anders plannen

Hoewel het flexibel kunnen beschikken over personeel essentieel is voor ieder contactcenter, keert de wal het schip. Contactcenters stevenen af op een periode van ernstige arbeidsmarktkrapte. Dat heeft te maken met de aantrekkende economie, die samenvalt met een (lang geleden reeds voorspelde) arbeidsmarktontwikkeling. Werkgevers slagen er steeds minder goed in om hun claim op flexibele beschikbaarheid te compenseren met ‘nice place to work’-programma’s.

data-drivenVerschillende werkgevers zijn daarom begonnen met een roostermethodiek die werkschema’s beter voorspelbaar maakt voor medewerkers, waardoor de werk/privé-balans gunstiger wordt. Hiermee kunnen ze het verloop – in sommige contactcenters 400 procent op jaarbasis – terugdringen. Dat heeft een positief effect op medewerker- en klanttevredenheid, maar ook op de kosten: de kosten van verloop zijn 1-2 maandsalarissen per medewerker.

Daarnaast liggen er kansen om de hoogte van de beloning te koppelen aan de populariteit van tijdstippen, zodat het werken op impopulaire uren aantrekkelijker wordt. Overigens is ‘anders plannen’ een (vermoedelijke geslaagde) vorm van symptoombestrijding, aangezien het besturingsmodel  van contactcenters geleidelijk steeds minder goed past bij wat jongere generaties verwachten.

4. De rol van facilitaire contactcenters verandert

Facilitaire contactcenters bereiden zich voor op de digitale transformatie. Voor het realiseren van toegevoegde waarde werken ze aan de ontwikkeling van innovatieve diensten. Ze zullen wel moeten, want Forrester suggereert dat callvolumes – facilitaire contactcenters bestaan bij de gratie van schaalvoordeel – de komende twee jaar hard gaan dalen. De facilitaire spelers zullen krimpen in personele omvang en het wordt een hele uitdaging om met minder mensen een betere marge te realiseren. Dat kan alleen als ze opklimmen in de waardeketen van hun opdrachtgevers door hoogwaardige diensten (specifieke softwareoplossingen, data-analytics, consultancy) aan te bieden. Het Franse Webhelp is tot nu toe vooral bezig met het overnemen van technologiespelers. Door de overname van Telecats maakt Webhelp zijn spraakherkenningsoplossingen nu beschikbaar voor ook de Franse markt, waarmee Webhelp de Nederlandse best practices van het spraakbedrijf kan gaan exporteren. Marktleider Teleperformance vliegt innovatie aan over de as van partnerships, pilots en experimenten, daarbij kiezend voor samenwerking met technologiepartners.

5. Data-driven klantcontact

data-drivenEr gaat een schifting ontstaan tussen contactcenters die het uiterste uit data weten te halen – dat is de kern van de digitale transformatie – en contactcenters die blijven focussen op kostenvoordeel. Aan de ene kant neemt het volume aan contacten af, omdat eenvoudige interacties geautomatiseerd worden. Aan de andere kant wordt het resterende ingewikkelder van aard, waardoor er meer gevraagd wordt aan competenties en dat maakt het duurder. Deze ontwikkeling verhoogt de druk om in te blijven zetten op zoveel mogelijk automatisering van klantcontact. Voor deze digitale transformatie is kennis van en inzicht in data cruciaal: zowel voor de dienstverleners – om hun opdrachtgevers te helpen inde transformatie – als voor de opdrachtgevers: data is de nieuwe olie. De tijd van concurreren op volumematig kostenvoordeel in arbeidskosten is vrijwel voorbij.

Lees ook: De toekomst van facilitaire contactcenters (2016)

Tien zorginnovaties die bijdragen aan productiviteitswinst zorgprofessional (2)


Technologische en sociale innovatie (anders organiseren en werken) kunnen helpen om de zorg efficiënter te organiseren. Die efficiencyslag is noodzakelijk, omdat we richting 2030-2040 bij ongewijzigd beleid te maken krijgen met een zeer sterk vergrijsde samenleving en een zeer krappe arbeidsmarkt. Er is niet alleen onvoldoende menskracht om aan de vraag naar zorg te voldoen, het zorgsysteem wordt ook steeds minder betaalbaar. KPMG heeft berekend dat er in 2040 per jaar 180 miljoen uur zorg nodig is, terwijl er tegen die tijd – bij de huidige omstandigheden – maar 80 miljoen uur zorg geleverd kan worden. De grootste uitdaging voor de komende jaren is om tegemoet te komen aan de groeiende vraag naar zorg met een tekort aan zorgprofessionals.

Tien innovaties die bijdragen aan productiviteit

Toii ging op zoek naar tien concrete en succesvolle innovaties in de zorg: voor cure en care, voor zowel de intra- als extramurale zorg, en voor verschillende doelgroepen. Criterium: de toegevoegde waarde zit in het vergroten van de productiviteit van de zorgprofessional. Dit is het tweede deel van een tweeluik over zorginnovatie.

 

6. Robots in de zorg

Met grote regelmaat keert de vraag terug of de zorg gebaat is bij de inzet van robots. Daarbij moet je de verleiding weerstaan om primair te reageren: ‘in de zorg kan je mensen niet vervangen door robots’. De kansen liggen eerder in het uit handen nemen van bepaalde taken – en dat hoeft zich niet te beperken tot zorg-specifieke taken. In de zorg gaat relatief veel geld naar overhead zoals backoffice en staf. Meer dan de helft van de IT-beslissers in zorginstellingen denkt serieus na over de inzet van robots. Maar de meeste instellingen vinden de investeringen voor een grootschalige inzet van robotica en domotica nog te hoog. Deze conclusies trekt Quint Wellington Redwood uit een marktonderzoek genaamd Outsourcing van IT in de Zorg 2017. Volgens onderzoeker Angelique Boekee, Client Director Health & Life Sciences bij Quint, geven de geïnterviewden (IT-beslissers in de zorg) aan dat een toekomst zonder robotica & domotica niet meer denkbaar is. Sommige instellingen zijn al begonnen.

zorginnovatie
Op het vlak van zorginhoudelijke processen is al de nodige ervaring opgedaan met de inzet van robots. Bijvoorbeeld voor logistieke ondersteuning (rondbrengen eten en drinken), het houden van toezicht, of het bieden van sociale ondersteuning. Paro is een robotdier in de vorm van een zeehondenjong dat wordt ingezet binnen verpleeg- en verzorgingshuizen vanwege zijn positieve effecten op de gedrags- en psychologische symptomen van dementie. Een belangrijk onderdeel van de interactie tussen robotdieren en dementiepatiënten blijkt tactiele interactie te zijn. Paro is nog wel voor verbetering vatbaar, aldus onderzoek, maar in grote lijnen wel els effectief wordt beschouwd door zorgprofessionals en leken. De zeehondrobot Paro is onder zijn vacht bedekt met tactiele sensoren en geeft feedback op aanraking met visuele en auditieve prikkels, maar is niet in staat de aanraking te interpreteren en produceert zelf ook geen aanraking. Verbetering is met name mogelijk in de kwaliteit van de interactie, niet alleen ter voorkoming van overprikkeling, maar ook om de interactie intelligenter en daarmee realistischer te maken: denk aan biofeedback en het herkennen van intenties.

Pepper Robots, ontwikkeld door Softbank Robotics, worden in Japan niet alleen in bedrijven maar ook in huizen ingezet. Ook in Europa krijgt Pepper (kosten circa 30.000 euro) voet aan de grond. Zo heeft Centre Hospitalier Regional La Citadelle (een ziekenhuis met vestigingen in Luik en Oostende) de robot ingezet voor receptietaken en voor het begeleiden van patiënten naar de juiste afdeling. Pepper spreekt twintig talen en kan een onderscheid maken tussen mannen, vrouwen en kinderen.

 

7. Virtual reality beperkt belasting patiënt

Ook al leven we steeds langer, tijd is en blijft een schaars goed, ook voor zorgprofessionals. Meer kunnen doen in de zelfde beschikbare tijd is dus een interessante uitdaging. Een manier om een zorgproces efficiënter te laten verlopen is om de behandeling van patiënten te vergemakkelijken. Dat is bijvoorbeeld relevant bij tandartspatiënten met angst – iets wat voorkomt bij enkele honderdduizenden Nederlanders (al zijn er ook schattingen die hoger liggen). Virtual Reality (VR) reduceert de pijn- en angstsensatie, waardoor een behandeling minder problematisch hoeft te zijn.

zorginnovatieEr zijn meer voorbeelden bekend van succesvolle inzet van VR bij pijnbestrijding: onder meer bij behandeling van brandwonden. De toepassing van VR in combinatie met natuur wordt momenteel onderzocht door Karin Tanja-Dijkstra van de VU Amsterdam, die van NWO budget kreeg voor een herhaalonderzoek naar de stress-reducerende werking van een natuurlijke omgeving. Eerder deed zij onderzoek naar het effect van muziek op stress en angst in de wachtkamer van een tandarts en een huisarts. Het draaien van klassieke muziek in deze wachtkamers blijkt gevoelens van angst en stress te reduceren. Ook als je niet van klassieke muziek houdt, heeft dit toch een rustgevende werking. Daarnaast worden experimenten gedaan met onrustbestrijding in de ouderenzorg met behulp van VR.

 

8. Medicijntoediening op afstand

zorginnovatieIn de thuiszorg bestaan strikte protocollen voor medicatie-toediening aan cliënten. Dat is niet zo vreemd, want in de thuiszorg zijn er verschillende rollen en verantwoordelijkheden en kunnen er verschillende fouten worden gemaakt: het verkeerde medicijn toedienen of een verkeerde dosis, toedienen op een verkeerde dag of verkeerd tijdstip, het toepassen van een verkeerde gebruiks- of toedieningswijze of simpelweg vergeten. De arts en de apotheek zijn verantwoordelijk voor de medicatie, maar de thuiszorgmedewerker kan de patiënt helpen: met aanreiken van de juiste medicijnen, met toedienen door een gediplomeerde ziekenverzorgende of verpleegkundige of het volledig in beheer nemen van de medicatie.

Voor cliënten die meerdere medicijnen naast elkaar gebruiken, wordt over het algemeen gewerkt met baxter rollen: een manier van verpakken van medicijnen waarbij de medicijnen per innamemoment in een apart zakje zit. Soms moeten de medicijnen er uit worden gehaald om te worden gebroken of opgelost. Als er wijzigingen plaatsvinden, moet een volledige baxterrol terug naar de apotheek of moeten bepaalde medicijnen worden weggelaten. Het toedienen of aanreiken van medicijnen kan in bepaalde, geschikte situaties ook op afstand. Bijvoorbeeld door de inzet van een videoverbinding, zodat toezicht mogelijk is, en door gebruik van een online dispenser die bovendien feedback en alerts geeft. De begeleider of verzorgende zet de medicatie uit, neemt een foto en stuurt deze via een tablet of mobiele telefoon naar een collega elders of bijvoorbeeld naar een zorgcentrale. Daar controleert een daartoe bevoegde begeleider of verpleegkundige de medicatie en dosering en tekent digitaal voor gezien. Op deze manier kan op afstand efficiënt en veilig een controle plaatsvinden tussen uitzetten en toedienen van risicovolle medicatie. Het systeem voldoet volledig aan de eisen van de zorginspectie. De resultaten van de controle worden direct digitaal vastgelegd en zijn daarmee te allen tijde en op iedere plek terug te vinden.

 

9. Combineren van domotica en data

De automatische medicijntoediening met online feedback is een voorbeeld van domotica waarbij een extra apparaat wordt ingezet dat fysieke zorgtaken overneemt. Er is ook een wereld te winnen met het (proactief) inzetten van monitoring van gedrag via sensoren. Onderzoekers van de Universiteit van Missouri hebben een systeem ontwikkeld dat tot drie weken van tevoren kan voorspellen of ouderen vallen. Camera’s houden bij hoe snel iemand loopt en hoe groot zijn stappen zijn. De wetenschappers kwamen erachter dat een oudere een kans van 86 procent heeft om binnen drie weken te vallen als hij zich 5 centimeter per seconde langzamer voortbeweegt dan voorheen. Ook zagen ze dat mensen die kortere stappen gaan nemen, 50 procent kans hebben om binnen drie weken te vallen. Zorginstelling Careyn maakt in een pilot gebruik van draadloze bewegingssensoren die bij senioren thuis worden geplaatst. De sensoren van Sensara meten en analyseren bewegingspatronen en vergelijken dit met bestaande datasets. Als er afwijkingen worden gevonden, slaat het systeem alarm.

 

10. Slimme luier

In zorginstellingen heeft bijna de helft van de cliënten last van ongewild urineverlies. De zorg voor mensen met incontinentie een zware belasting voor zorgprofessionals: die moeten nu nog regelmatig handmatig de status van de luier controleren door in de intieme zone van de cliënt te voelen. Ook het grote aantal onnodige (nachtelijke) verschoningen en lekkages zorgen voor extra druk op personeel.

De slimme luier bevat een sensor die continue veranderingen in het vochtniveau van de luier tot op de millimeter nauwkeurig registreert; informatie hierover is realtime en draadloos beschikbaar voor de zorgprofessionals via een app. Door de nauwkeurige informatie kunnen zorgmedewerkers de slimme luier gebruiken om de zorg beter te plannen: er wordt tijd (onnodige controlehandelingen en ‘herstelwerk’ na doorlekken) en materiaal bespaard. Zorginstelling Philadelphia heeft de primeur om met de luier te gaan werken.

Lees ook deel 1 van dit tweeluik over technologietoepassingen in de zorg, die een direct positief effect hebben op de productiviteit van zorgprofessionals. Reacties zijn welkom via de reactiemogelijkheid of via Twitter: @ToiiNL.

Een chatbot die de bocht uitvliegt – de grenzen van kunstmatige intelligentie

kunstmatige intelligentieRelevantie is het sleutelwoord voor sales, service en marketing. Waar het bij sales en marketing gaat om het doen van het juiste aanbod, moet customer service gericht zijn op het doen van de juiste dingen op het juiste moment: personalisatie is de hoogst mogelijke vorm van klantgerichtheid. En om service gepersonaliseerd te maken heb je data nodig. Kunstmatige intelligentie (AI) helpt om die data om te zetten in de best passende acties, maar de inzet van AI is niet zonder risico’s. Rob Walker, Vice President Decisioning & Analytics bij Pegasystems: “Als een systeem kan doen alsof het iets begrijpt, begrijpt het systeem dat dan ook?” Ofwel: wat gebeurt er als je AI inzet, maar het niet meer begrijpt?

Walker vroeg zich in een interview in online vakblad Customer Relations & Technology in 2012 al af wanneer er een tipping point komt in de bereidheid van consumenten om hun data (meestal ongemerkt) af te staan aan organisaties. Nu bedrijven steeds meer aan de slag gaan met kunstmatige intelligentie, neemt het vermogen van bedrijven om beslissingen op die data te baseren toe. Walker, zowel informaticus als gepromoveerd filosoof, pleit voor een onderscheid tussen AI die transparant is en AI die ondoorzichtig is. In het eerste geval is volstrekt duidelijk op basis van welke regels het systeem tot beslissingen komt. In het tweede geval is er sprake van een black box. In veel situaties komt de analysekracht van bedrijven al akelig dicht in de buurt van die black box. Facebook maakt op basis van 10 likes betere inschattingen over jou dan je collega’s, zo legde hij uit. Bij 300 likes kent Facebook jouw voorkeuren beter dan je partner. Facebook is inmiddels in staat om geslacht en leeftijd vrijwel foutloos te voorspellen.

Facebook is ‘small data’

De Facebook-voorbeelden gaan in feite over ‘small data’, aldus Walker – het is niets vergeleken met big data. Hoe kan je AI dan nog controleren of beslissingen herleiden? Walker komt met een voorbeeld van een antenne die NASA inzet bij ruimtevaartuigen. De ideale antenne met de eigenschappen werd ontwikkeld door AI. NASA is blij met het resultaat, maar weet nog steeds niet waarom het ontwerp van het AI-systeem de beste functionerende antenne is.

kunstmatige intelligentieMicrosoft kwam in maart 2016 met de chatbot Tay naar buiten. Tay kreeg ook een twitteraccount en bleek zich op dat medium na verloop van tijd te ontpoppen – het resultaat van machine learning – als een racist die geen moeite had met genocide. Stel je voor, aldus Walker, dat deze chatbot was ingezet voor customer service. Zowel de antenne van NASA als Tay roepen de vraag op in hoeverre AI zichzelf kan uitleggen – of in hoeverre de organisatie die er gebruik van maakt de werking kan uitleggen. Voor Walker is het duidelijk: AI kan niet zonder menselijke supervisie. En daarnaast pleit hij voor het grondig testen van AI, ook op bias. Daarmee kan je voorkomen dat AI – dus ook die vriendelijke chatbot – dingen gaat doen die jouw bedrijf grote schade toebrengen. Dat geldt niet alleen voor chatbots, maar vooral ook voor de inzet van algoritmen.

GDPR dwingt bedrijven tot openheid

De komende jaren wordt het vraagstuk rondom AI alleen maar complexer. De nieuwe privacywetgeving GDPR dwingt bedrijven open te zijn over hoe ze data verwerken, maar AI heeft daarin nog geen plekje. Dat is met name een probleem voor ondoorzichtige AI. Op het moment dat een organisatie systemen inzet waarvan de werkingsmechanismen niet geheel bekend is (of nog sterker, ook de uitkomsten niet volledig voorspelbaar zijn, zoals bij chatbot Tay) ontstaat er een risico. Technologie, ook AI-aangedreven tools, wordt meestal ingekocht van leveranciers die niet tot nauwelijks een rol spelen bij de praktische inrichting van systemen. Dat laatste is aan de klant in samenwerking met een system integrator. Klantorganisaties proberen marketing en service menselijk te houden, maar het is de vraag of we dat station niet al lang gepasseerd zijn.

Data is het nieuwe goud, maar dat was het al lang. We krijgen via AI wel steeds meer en krachtiger mogelijkheden om er iets mee te doen. Het is de vraag of bedrijven aan hun eigen klanten kunnen uitleggen waarom hun AI-toepassingen niet creepy (of juist wel creepy) zijn. Daarom is de meest praktische oplossing wellicht dat bedrijven aan klanten gaan vragen hoeveel voordeel ze willen, in ruil voor het inleveren van data en privacy. Een tweede oplossing kan zijn dat bedrijven hun klanten gaan voorlichten over de wijze waarop ze AI inzetten. Of wordt het tijd voor een nieuw soort disclaimer: “Dit aanbod/advies is mede tot stand gekomen op basis van kunstmatige intelligentie”?

[dit artikel verscheen eerder op Klantcontact.nl]

Adaptieve producten zetten de economie op z’n kop

In de jaren 30 van de vorige eeuw kwam het Deutscher Musik Verband in verzet tegen de opkomst van de geluidsfilm. Die zou een aanslag op de kunst zijn, zorgen voor vervlakking en de ondergang betekenen voor de beroepsgroep van bioscoopmusici. ‘Als je niet begrijpt wat er speelt, begin je morgen een videotheek’ hoorde ik laatst.  

Sommige businessmodellen verdwijnen, eenvoudigweg omdat er iets nieuws komt dat het bestaande overbodig maakt. Sommige businessmodellen komen niet eens aan de beurt, omdat de onderliggende technologie niet doorbreekt – iets wat je kunt zien als je de Gartner Hype Cycle van 15 jaar geleden bekijkt. Tel de Wet van Moore en het netwerk effect bij elkaar op en je kunt niet anders concluderen dan dat de adaptieve organisatie er aan komt. Dat is een onderneming die zich richt op het produceren en leveren van gepersonaliseerde producten en diensten.

Trendwatchers, goeroes en futurologen houden vast aan twee basisprincipes van het moderne technologietijdperk: de Wet van Moore en het netwerkeffect. Kort samengevat: computers worden iedere twee jaar sneller en goedkoper, waardoor allerlei complexe taken gemakkelijker geautomatiseerd kunnen worden; het feit dat zo ongeveer alles online met elkaar is verbonden (het netwerkeffect) zorgt voor een enorme impact. Simpel gezegd: een fax is nutteloos, twee faxen vormen een minuscuul maar nuttig netwerkje, maar faxen op alle plekken van de wereld zorgen voor een haalbaar en schaalbaar toepassingsmodel. In de digitale wereld spreekt met in dit verband over exponentiële technologie.

Data als grondstof voor lerende systemen

De kern van een netwerk is het uitwisselen van data. Naast organisaties en individuen zijn straks ook machines en andere objecten massaproducenten van data. Door de sterk gegroeide rekencapaciteit van computers is data de grondstof geworden voor machine learning. Deze systemen kunnen patronen herleiden en herkennen uit grote hoeveelheden voorbeelden, uitspraken doen over de waarschijnlijkheid dat een inschatting correct is en leren van foute inschattingen. Als je een lerend systeem maar voldoende informatie geeft, kan het zelfs leren om mensen na te bootsen – een computer wordt niet empathisch, maar kan wel empathisch-lijkende responsen geven.

Lerende systemen vormen de basis voor een nieuwe generatie producten, diensten en complete organisaties volgens het Spotify-model. Of beter gezegd: voor ‘voorspellende’ en ‘adaptieve’ organisaties. Hoewel organisaties al decennia lang gebruik maken van data onder het mom van ‘meten is weten’, is het gebruik van data om actief en realtime te kunnen anticiperen relatief nieuw. Een goed voorbeeld van een organisatie die predictieve trekjes krijgt, is de moderne luchtvaartonderneming. Op basis van realtime informatie uit sensoren – een interne datastroom – weet het bedrijf welke onderdelen van een vliegtuig preventief onderhoud nodig hebben of moeten worden vervangen. Ook liftfabrikant KONE maakt op deze manier gebruik van data.

Onze data als basis voor onze voeding

Ook de consument is al in verregaande mate ‘connected’ en kan daarmee gezien worden als een onderdeel van het internet of things. Onze smartphone bevat ruwweg tien sensoren die informatie verschaffen over bijvoorbeeld beslissingen, persoonlijke eigenschappen en locatie. Voeg daar wearables en insidables (sensoren die op en in het lichaam kunnen worden aangebracht) aan toe en je hebt informatie over zowel gedrag als lichaamsfuncties. Die combinatie van lerende systemen en grote hoeveelheden data over ons gedrag en ons lichaam is het vertrekpunt van Jun Wang, een Chinese wetenschapper. Wang vertelde in juli 2015 aan Nature over zijn droom om adaptieve voeding te ontwikkelen. Zijn idee: het opzetten van een AI-systeem dat aangedreven wordt door informatie uit individuele DNA-profielen, gecombineerd met fysieke eigenschappen en informatie over leefpatroon. Wang is geen beginner op het gebied van DNA-sequencing: als CEO van het bedrijf BGI realiseerde hij dat het gnoom van de Reuzenpanda volledig in kaart werd gebracht.

Het doel van Wang is niet gering: mensen realtime informatie verschaffen over voeding en leefstijl die optimaal is afgestemd op hun situatie – die van moment tot moment verschilt. Ofwel: het systeem van Wang vertelt je ’s ochtends wat de status van je gezondheid is en wat je moet doen om er voor te zorgen dat je niet ziek wordt – over een dag, een week of een half jaar. Zijn plan gaat zo ver dat hij mensen toegang wil geven tot voeding op maat: dus precies die stoffen bevattend (van vitamines tot en met bacteriën) die je lijf gezond houden.

Leven om niet ziek te worden

Wat hij nodig heeft zijn systemen met grote rekenkracht, die algoritmes laten draaien die zoeken naar de relatie tussen genen, leefwijze en omgevingsfactoren. Die optelsom moet zijn kunstmatige intelligentie-oplossing in staat stellen te voorspellen hoe het menselijk lichaam uiteindelijk fysiek functioneert. Daarnaast wil hij de DNA-gegevens en gegevens over fysieke processen zoals stofwisseling, vetafbraak en eiwitopbouw van miljoenen individuen verzamelen. Door beide gegevenssets te combineren wil hij de relatie inzichtelijk maken tussen erfelijke eigenschappen en fysieke kenmerken. Hieruit wil hij onder meer volledig op het individu gerichte voedingsadviezen kunnen afleiden, die mensen proactief in staat stellen gezond(er) te leven en te anticiperen op aandoeningen. Naast een terabyte aan data per individu (dus een datacenter met voldoende rekenkracht) heeft hij ook 1,6 miljard dollar nodig.

Willen mensen van dag tot dag weten wat ze exact moeten doen (eten, bewegen) om niet ziek te worden? Wang is niet de enige die heil ziet in slimme voedingsadviezen: het is maar een klein stapje van ‘evidence based’ naar ‘datadriven’ gezondheidszorg en voedingsadvies. Een ding staat vast: als het project van Wang slaagt, staat een belangrijk deel van de economie – voedingsmiddelenindustrie, gezondheidszorg en van zorg- en levensverzekering – op zijn kop.

Een robot met gevoel

kunstmatige emotionele intelligentieHet wordt ook wel de vierde industriële revolutie genoemd: de totale digitalisering van de samenleving. In de digitale economie doen mensen steeds vaker zaken met systemen, software en algoritmen in plaats van met andere mensen. Kunstmatige intelligentie staat daarbij centraal. Binnenkort staan we voor de vraag of we accepteren dat een robot beschikt over kunstmatige emotionele intelligentie. 

Na de efficiencyslag van de derde industriële revolutie (de opkomst van de eerste automatiseringsgolf) brengt ook de vierde industriële revolutie veel kansen met zich mee. Met data als grondstof en software als machine kunnen we informatie veel beter benutten. De keerzijde is dat hardware en software zich zo snel hebben ontwikkeld, dat computers ook veel taken kunnen overnemen die voorheen exclusief aan mensen waren voorbehouden. Optimisten stellen dat iedere technologische revolutie voor het verdwijnen van banen heeft gezorgd, maar ook nieuwe werkgelegenheid heeft gecreëerd. Sommigen hebben het bij die vierde revolutie over nieuwe banen zoals ‘head of humanity’ – want ook voor de verdere ontwikkeling van kunstmatige intelligentie zijn mensen nodig.

Van hulpmiddel naar vervanger

In zijn boek ‘The Rise of the Robots’ legt Martin Ford haarfijn uit waarom de vierde industriële revolutie anders is dan de voorgaande drie revoluties. De computer verandert de komende jaren van een ‘complementair hulpmiddel’ in een ‘vervanger’ van de mens. Het ontstaan van nieuwe technologiebanen kan niet compenseren dat grote groepen op de arbeidsmarkt – inclusief hoogopgeleide kenniswerkers – hun voorsprong op de computer zullen verliezen. Ford is relatief behoudend: hij voorspelt dat kunstmatige intelligentie over tien tot twintig jaar tot maatschappelijke ontwrichting zal leiden door grootschalig verlies van werkgelegenheid. Hij zegt er meteen bij dat veel Silicon Valley-ondernemers denken dat die toekomstscenario’s al over vijf tot tien jaar aan de orde zijn.

We doen al jaren zaken met systemen

Het grote onderscheid tussen mensen en kunstmatige intelligentie is dat de laatste variant nog niet beschikt over empathisch vermogen en evenmin in staat is creatief te denken. Daarom lijkt de computer vooralsnog geen bedreiging voor beroepen waar intensieve interactie met mensen centraal staat – iets wat ook Ford in zijn boek betoogt. Maar hoe belangrijk ze ook mogen zijn, de interacties tussen mensen (klant en leverancier, patiënt en arts, student en docent) bevatten ook altijd eenvoudiger, repeterende en routinematige elementen. Veel daarvan is in de afgelopen jaren al geautomatiseerd: denk aan het zelf inchecken van passagiers en bagage bij luchthavens, de ontwikkeling van online selfservice bij klantenservice, de opkomst van e-learning en het zelf regelen van bankzaken via apps en websites. Ook het ingewikkelde werk aan de ‘achterkant’ van die interactie – zoals het verwerken van schadeclaims of het opstellen van analyses en adviezen – wordt in toenemende mate geautomatiseerd. Wat overblijft, zijn de interacties tussen mensen waar onvoorspelbaarheid, creativiteit en empathie een rol spelen. Je kunt het ook omdraaien: waar de huisarts nu nog zelf een diagnose stelt, kan hij straks terugvallen op een systeem en wordt zijn taak beperkt tot het tonen van empathie. Totdat kunstmatige emotionele intelligentie zijn intrede doet.

De computer begrijpt wat ik bedoel

Of we het als mens accepteren dat ‘systemen’ onze emoties en intenties gaan begrijpen, is de vraag, maar er wordt in ieder geval aan gewerkt. Watson Engagement Advisor – ja, een telg uit de IBM Watson kwekerij – is in staat in natuurlijke taal te communiceren. Watson heeft daarvoor 300 miljoen Engelse woorden gelezen en begrijpt natuurlijke taal inclusief de nuances. Watson gebruikt bovendien deep learning. IBM stelt dat dit alles voldoende is voor het herkennen van de achterliggende intentie van een vraag, ongeacht hoe die vraag wordt gesteld.

 

kunstmatige emotionele intelligentie

 

In bovenstaand voorbeeld – can I change my flight? – is het de intentie dat de vlucht wordt gecancelled. Watson kan uiteraard veel aanvullende vragen stellen om dichter bij de juiste beslissing te komen – ben je een trouwe klant? Zijn er nog andere zaken om rekening mee te houden? Wat moet Watson bijvoorbeeld doen als de klant meldt dat hij een fervent blogger is? Wanneer Watson tot het inzicht komt dat hij niet alle informatie met voldoende zekerheid kan verwerken, zet hij de vraag door naar een menselijke collega. Watson kan rationeel gezien dus een heel eind komen, maar mist nog wel dat wat hem onderscheidt van mensen: emotionele intelligentie.

De computer begrijpt wat ik voel

Juist in intensieve interacties tussen mensen is empathie een van de belangrijkste zaken om tot het juiste begrip van de ander te komen. Wanneer systemen in staat zijn de juiste ‘emotionele’ informatie te verzamelen – denk bijvoorbeeld aan de ooguitdrukking, spraaksnelheid en volume, lichaamshouding – kunnen ook zij tot een beter begrip komen. Deze tweede tak van sport wordt affective computing genoemd – of kunstmatige emotionele intelligentie. Analistenbureau Markets and Markets voorspelt dat de markt voor affective computing over drie jaar (in 2020) 42 miljard dollar zal omvatten. De belangrijkste toepassingsgebieden: retail, zorg, overheid en defensie; met name op die plaatsen waar informatie moet worden verzameld, waar wordt samengewerkt en waar informatie wordt verstrekt. Tien jaar geleden verschenen de eerste houterige chatbots op het toneel. Virtuele assistenten of chatbots zijn tegenwoordig in staat om op basis van tekst het sentiment in een dialoog met een mens te beoordelen.

Kunstmatige emotionele intelligentie

kunstmatige emotionele intelligentieOp dit moment wordt op Carnegie Mellon University hard gewerkt aan de eerste ‘chatbot met sociaal inzicht’, genaamd SARA. Die naam staat voor Socially-Aware Robot Assistant en SARA is in staat om sociaal gedrag te herkennen in conversaties. SARA verwerkt realtime visuele informatie (lichaamstaal, gelaatsuitdrukking), intonatie, volume en snelheid van de spraak en verbale informatie (spraakherkenning) van de gesprekspartner. Bij het bepalen van de respons wordt er zowel rationeel als sociaal geanalyseerd. Wat is de beste oplossing voor het vraagstuk dat is voorgelegd? En wat is de beste manier om de respons te geven: met welke gelaatsuitdrukking, lichaamstaal en stemgebruik? Daarna wordt de respons via een Natural Language Generation module uitgesproken op een manier die aansluit bij de gesprekspartner.

Software is eating the world

Gaan mensen accepteren dat een robot invoelend gedrag vertoont? De attitude ten aanzien van nieuwe technologie kan snel veranderen zoals dit beroemde filmpje uit 1999 laat zien. De acceptatie van ‘kunstmatige intelligentie met gevoel’ zal afhangen van kwaliteit, geloofwaardigheid en vertrouwen. We zijn de afgelopen jaren al een heel eind opgeschoven van mensen naar machines: denk aan bankzaken (van kasmedewerker tot mobiele app), informatie verzamelen (van bibliothecaris of encyclopedie-redacteur naar internet) en het nemen van aankoopbeslissingen (van letterlijke mond-tot-mondreclame naar klantbeoordeling op een webpagina). We vertrouwen op gegevens op ons scherm in plaats van op het oordeel of vermogen van een levend medemens. En in plaats van ervaringen met echte mensen te delen, delen we data via systemen. Software is eating the world.

Pikant detail is dat de conversaties die nu worden gevoerd in customer service het ideale leermateriaal zijn voor de invoelende robot. Veel van deze gesprekken worden digitaal vastgelegd, inclusief schermhandelingen. Daarnaast wordt vaak aan klanten gevraagd een oordeel te geven over de interactie in de vorm van een klanttevredenheidscijfer. Op deze manier lijken contactcentermedewerkers mee te werken aan de automatisering van hun eigen werk. Wellicht geldt dat straks voor meer beroepen.

PSD-2 en GDPR: de strijd om persoonlijke data barst los

persoonlijke dataDe financiële sector moet data gaan delen en vrijwel gelijktijdig wordt de zeggenschap van burgers en consumenten over hun eigen data versterkt. Met de komst van twee complexe sets aan nieuwe Europese wetgeving – PSD-2 en GDPR – wordt de digitale samenleving er niet eenvoudiger op.

Economie en samenleving zijn de afgelopen 20 jaar ingrijpend ‘gedigitaliseerd’: we communiceren, werken, kopen en betalen steeds meer online. De Europese Unie is daarom in 2012 aan de slag gegaan met de modernisering van de privacywetgeving. Met ingang van voorjaar 2018 wordt de nieuwe General Data Protection Regulation (GDPR) van kracht. Omdat data zich niet aan landsgrenzen houden, heeft de EU de ‘richtlijn’ uit 1995 ingewisseld voor veel strengere regelgeving. Die nieuwe regels zijn van toepassing op alle organisaties die data beheren of verwerken, waarbij die data gerelateerd zijn aan het leveren van diensten of producten in de EU. Het gaat daarbij ook om monitoring van gedrag (zoals het volgen van websitebezoekers).

Compliancy

Om compliant te zijn aan de nieuwe regels moeten organisaties hun beleid documenteren, assessments gaan uitvoeren op het vlak van databescherming en risico’s, en moet dataprotectie ingebed zijn in alle activiteiten. Concreet betekent dit bijvoorbeeld dat organisaties verplicht worden een Data Protection Officer aan te stellen of in te huren. Een ander concreet gevolg is dat de rechten van consumenten worden versterkt. Zo moeten consumenten – door de EU betiteld als een ‘data subject’ – gemakkelijk toestemming kunnen geven en intrekken voor het gebruik van hun data. Ook krijgen ze het recht op te vragen over welke persoonlijke data bedrijven beschikken. Ze kunnen deze data zelfs opeisen en onderbrengen bij een andere databeheerder. Hier hoort ook het ‘recht om vergeten te worden’ bij. Lidstaten mogen (voorlopig) zelf bepalen welke leeftijdsgrens (16 of 13 jaar) ze hanteren voor het zelfstandig nemen van data-beslissingen. Dit zijn slechts enkele voorbeelden uit de uitvoerige set aan regels waaruit GDPR bestaat.

Consument baas over eigen data

De kern van GDPR is dat de consument baas wordt over zijn eigen data. Daarbij hoort niet alleen transparantie – bedrijven moeten transparant zijn over wat ze met welke data doen – maar ook sturend vermogen: consumenten krijgen veel mogelijkheden om zelf beslissingen te nemen over hun data. Organisaties die zich niet aan de regels houden, kunnen boetes krijgen die kunnen oplopen tot 4 procent van hun totale jaarlijkse omzet. Dat geldt ook voor organisaties die data voor derden verwerken, zoals facilitaire contactcenters of bemiddelaars.

Markt voor betaaldiensten gaat verder open

Vrijwel gelijktijdig met deze nieuwe Europese privacywetgeving wordt het nieuwe Payment Service Directive-2 ingevoerd. Met PSD-2 wil de EU óók inspelen op de digitaliserende samenleving, maar dan met het argument om innovatie en concurrentie in de bancaire dienstverlening te bevorderen. Hoewel PSD-2 primair gericht is op financiële transacties, gaat het ook hier om data. PSD-2 brengt als het ware een nieuwe ordening aan in bancaire diensten. Er wordt een onderscheid gemaakt tussen diensten die uitgaan van betaalrekeningen (nu het domein van banken) en betalingsdiensten. De banken moeten straks informatie uit betaalrekeningen delen met derde partijen (mits de consument daar toestemming voor geeft) en derde partijen mogen met toestemming van de rekeninghouder online betaaltransacties initiëren, waarbij banken verplicht worden hun infrastructuur beschikbaar te stellen, tegen wettelijk gemaximeerde tarieven per transactie.

Alles tegelijk

persoonlijke dataAan de ene kant krijgen consumenten (en daarmee – onder voorwaarden – bedrijven) zeggenschap over hun persoonlijke data, aan de andere kant worden de regels over het bezit en verwerken van data voor bedrijven enorm aangescherpt. Dit heeft grote gevolgen: bedrijven moeten in actie komen om alle nieuwe regelgeving door te voeren. Hun marketingorganisaties zullen zich moeten voorbereiden op nieuwe omstandigheden waarbij het bezit van klantdata niet meer vanzelfsprekend is. Ondernemingen zullen moeten accepteren dat ze te maken krijgen met payment service providers uit de fintech sector. Bedrijven worden gedwongen meer te communiceren met hun klanten over hoe ze met data omgaan en moeten er op anticiperen dat consumenten hun data zelfs gaan ‘terughalen’. Die consumenten zelf zullen in de nabije toekomst vaker beslissingen moeten nemen over hun persoonlijke data. Inmiddels is er een hele serie data-startups ontstaan, dat platforms aanbiedt om consumenten te helpen bij het managen (of zelfs vermarkten) van hun eigen data, zoals DIME en Schluss. Qiy is een stelsel voor de routering van data onder regie van het individu. Het verschil tussen DIME, Schluss en het Qiy Afsprakenstelsel is dat implementaties op basis van het Qiy stelsel een link leggen met persoonlijke data die ergens anders blijven bestaan, in plaats van dat deze data zich in een ‘kluisje’ bevinden op een platform.
En tot slot zullen privacytoezichthouders extra inspanning moeten leveren om hun taken uit te voeren.

Data = kapitaal

privacy-voorvechtersHet was al een tijdje duidelijk dat data een belangrijk onderdeel van het bedrijfskapitaal vormen (ook al staan ze, net als intellectueel kapitaal, zelden op de balans). Organisaties zijn nog volop bezig met uitvinden hoe ze het big data vraagstuk te lijf moeten gaan. Daar komt nu een nieuw vraagstuk bij. Hoe overtuig je de klant dat zijn/haar data bij jou – e-commerce speler, bancair dienstverlener, socialmedia-platform, bank, of een van de databeheerders uit het rijtje Qiy, Schluss of DIME – in goede handen zijn? Zoals Paul Weiss (Accenture) het samenvat: het gaat om vertrouwen. Staan banken daarbij op 0-1 achterstand of ligt de uitdaging vooral bij alle andere spelers?

De privacy-voorvechters hebben hun messen al lang geslepen. Ze vinden nu ook de AFM aan hun zijde, die onder meer bang is voor misbruik van betaalgegevens. Of ligt de grootste uitdaging bij het onderwijs, om consumenten bewust te maken van privacy?

Algoritmen, internet of things en PSD-2: recept voor disruptie in de retail

disruptie in de retailEchte innovatie komt vaak neer op onverwachte, nieuwe combinaties uit onverwachte hoek. Wat zijn de ingrediënten voor totale disruptie in de consumentenmarkt? Nieuwe wet- en regelgeving voor banken, het internet of things en kunstmatige intelligentie. Uit dit mengsel komen oplossingen die precies aansluiten op wat consumenten willen: gemak, snelle en realtime dienstverlening, altijd online beschikbaar.

Sinds de financiële crisis in 2008 is er voor consumenten is er niet heel veel veranderd, maar des te meer voor de banken: kun wereld staat op zijn kop. Het toezicht verder verscherpt. Zo zijn bij belangrijke beslissingen van de Raad van Bestuur de toezichthouders en commissarissen letterlijk aanwezig. Daarnaast zijn banken bezig met ingrijpende reorganisaties, want het saneren en digitaliseren van het dienstenportfolio maakt veel mensen overbodig.

Voor consumenten gaan de grootste veranderingen echter nog komen. De invoering van PSD-2, een uitgebreide set aan nieuwe wet- en regelgeving vanuit Europa, is goed voor een complete revolutie. PSD-2 staat voor Revised Payment Service Directive en gaat begin 2018 in. Vanaf dat moment zijn banken niet meer de enige, exclusieve en vertrouwde partij waarmee klanten hun bancaire zaken (financiële transacties) kunnen regelen. Ze krijgen concurrentie van partijen die nieuwe bancaire diensten mogen aanbieden, en die aan minder strenge regels hoeven te voldoen. Voor het doen van dagelijkse bankzaken hoeft de consument straks niet meer bij zijn eigen bank te zijn. Hebben we straks nog wel een bank nodig? En welke fintechs slagen er als eerste in om door te breken met disruptieve innovaties?

Komen banken tijdig in beweging?

PSD-2 is een ingrijpende verandering voor Europese banken. Met ingang van januari 2018 zijn zij verplicht om externe dienstverleners toegang te geven tot de data rondom zakelijke en particuliere betaalrekeningen, wanneer de individuele klant daarmee instemt. In januari 2017 maakt de EU de technische voorschriften bekend waaronder deze toegang moet worden verstrekt. Daarnaast moeten banken hun technische infrastructuur beschikbaar stellen voor zogenaamde payment initiation serviceproviders.

Op dit moment maken de drie Nederlandse grootbanken nog prima marges op leningen (kredieten, hypotheken) aldus een analyse van het FD. Rabobank, ING en ABN Amro hebben gezamenlijk meer dan 90 procent van de Nederlandse markt in handen. Aan het dagelijkse betalingsverkeer verdienen ze echter niets – het is een kostenpost. Als het gaat om het bedienen van consumenten, moeten banken hun geld dus op een andere manier gaan verdienen – zeker wanneer met de komst van PSD-2 de concurrentie op bancaire diensten toeneemt. Omdat klanten nog niet heel gemakkelijk kunnen overstappen, verwachten banken dat zij hun klanten voorlopig nog goed kunnen ‘vasthouden’. Of dat een duurzame combinatie is met afnemende relevantie, is de vraag; SNS Bank anticipeert al op de komst van PSD-2 door als eerste bank de overstapservice volledig te digitaliseren en het meenemen van je rekeningnummer mogelijk te maken. Paul Alfing, senior adviseur betalingsverkeer bij Thuiswinkel.org, is op Emerce duidelijk over de toekomst van banken: “Als banken niet meebewegen, zullen zij steeds meer het contact met hun klanten verliezen. De tekenen zijn er dat banken dit ook meer en meer beseffen.”

Gaat fintech zorgen voor disruptie in de retail?

disruptie in de retailDe investeringen in fintech-bedrijven zijn de laatste jaren enorm toegenomen. Dat vergroot de kans op een enorme shake out, maar ook op succesvolle initiatieven die de bancaire dienstverlening sterk zullen veranderen. De beste kansen zijn er voor diensten die ‘ten times better’ zijn dan bestaande diensten. Het geheim van dat succes ligt soms in een detail; soms komt het neer op het maken van slimme, nieuwe combinaties. Bijvoorbeeld door je rekeningen van verschillende financiële instellingen (bank, creditcardmaatschappij, beleggingen), te combineren in één omgeving. Of door budget- of boekhoudsoftware te integreren in je bankomgeving. Of door betaaltransacties ‘onzichtbaar’ te maken, iets waar (online) retail wel oren naar heeft. Shopping cart abandonment is een groot probleem: omslachtige betaalprocedures met pasjes, codes en identifiers zorgen voor 45 procent afhakers bij het online aankoopproces. Er liggen dus enorme kansen als je de kloof tussen ‘aanbod’ en ‘betaling’ weet te verkleinen. 

Handig: transacties en betalingen automatiseren

De automatische incasso, de geldautomaat (nooit meer in de rij bij je bankkantoor), online bankieren via de smartphone: er is al veel gebeurd om financiële transacties gemakkelijker te maken. De onder- en achterliggende mechanismen vertrouwen we zonder meer. Voor steeds meer diensten – zoals de OV-chipcard met automatische saldo-aanvulling – vinden we het geen probleem om naar te gebruik betalen, zonder dat we hierbij bewust bezig zijn met iedere afzonderlijke transactie.

Omdat we de mechanismen vertrouwen, is het maar een kleine stap naar diensten waarbij we transacties overlaten aan objecten. Zo kan de connected Nespresso-machine op basis van data via de winkel een push-bericht genereren met daarin een nieuwe, voorgestelde bestelling. Het enige wat we hoeven te doen is daar een akkoord op te geven via onze smartphone. De betaling en de afhandeling van de bestelling gebeurt daarna op de achtergrond.

Denkwerk automatiseren via de smartphone

Wanneer data goed geanalyseerd worden, kan je er ook mee voorspellen of suggesties mee doen. Waar een consument nu nog actief moet kijken naar de mededeling van online retailers (‘u zocht naar….’; ‘andere klanten waren enthousiast over….’) kunnen algoritmen ook actief een deel van ons eigen denkwerk overnemen. De gezondheidsapp op je smartphone kan op basis van verzamelde data suggesties doen om bij de volgende levering van Albert Heijn wat extra krachtvoer of vitamines toe te voegen in combinatie met een paar gezonde recepten. Wanneer je online een bloemetje bestelt voor je jarige moeder, liggen er kansen voor de leverancier die jou het jaar daarop tijdig weet te benaderen: zal ik een bloemetje voor je versturen? Kortom, de keuze is al gemaakt, je hoeft hem alleen maar te bevestigen.

Denkwerk uitbesteden
ariel_ezrachi_6
Ariel Ezrachi – Oxford University

Terecht waarschuwt Oxford-professor Ariel Ezrachi voor misleidend gebruik van die algoritmen. Het algoritme bepaalt niet alleen wat je waar en wanneer te zien krijgt, maar bepaalt bijvoorbeeld ook de prijs van producten. Op basis van je postcode kan de prijs omhoog gaan (omdat je in de dure wijk woont) en ook kunnen algoritmen van verschillende aanbieders elkaar beïnvloeden, zodat ze samen zorgen voor een prijsopdrijvend effect. Het ‘ja-zeggen’ tegen geautomatiseerde bestellingen zou je qua budget op je smartphone kunnen begrenzen, maar voorafgaand aan een aankoop eerst zelf kritisch naar de prijzen kijken, dat verdwijnt dan.

Het laten uitvoeren van bestellingen en transacties door algoritmen is een vorm van delegeren. Daarvoor heb je niet alleen duidelijke kaders nodig, maar ook voldoende vertrouwen. Consumenten accepteren massaal ongezien de algemene voorwaarden van smartphone apps van Facebook, Google of Apple. De fintech-partij die als eerste een vergelijkbare portie vertrouwen wint bij het vragen van toestemming voor financiële transacties op basis van algoritmen, gaat een zonnige toekomst tegemoet.

Big data in customer service (2): wat kan customer service met big data?

Is de NPS lager als het buiten regent en er een griepgolf heerst? Zijn vrouwen meer empathisch aan de telefoon dan mannen? Kopen hondenbezitters eerder iets van agents die ook een hond hebben? Data genoeg op het doorsnee contactcenter. De ACD-rapportages, verkeersrapporten, het CRM-systeem, quality monitoring-informatie, WFM- en HR-systemen, ERP-systemen…. En dan hebben we het nog niet eens gehad over alle externe bronnen: van social media tot en met webbezoek.
Iedere bron heeft zo zijn eigen gebruiksdoel, het geheim van big data is het combineren van verschillende datasets. Het aantal voorbeelden van zinvol gebruik van big data in customer service is nu nog beperkt, maar er gloort licht aan de horizon.

Big data is vooralsnog een marketingfeestje

Marketing en service hangen nauw met elkaar samen en in veel gevallen gaat de inzet van big data in een customer service omgeving dan ook vooral over marketing. Eerder schreef ik op Toii over de inzet van big data bij bol.com. Deze online winkel werkt (tot nu toe) uitsluitend met bedrijfsgegevens en laat ongestructureerde data (zoals social media en bezoek aan andere sites dan die van bol.com) bewust links liggen. Voor bedrijven die wel externe data mee willen nemen, liggen er kansen om aan de hand van verschillende variabelen bijvoorbeeld bezoekersaantallen of aankoopgedrag te voorspellen. Denk aan informatie over weersomstandigheden, tijd van het jaar, persoonskenmerken en -voorkeuren en feitelijk gedrag van concurrenten. Zo kunnen analytics worden ingezet voor het bepalen van bijvoorbeeld openingstijden van webshops, maar ook voor inkoop. Dat laatste doet Albert Heijn met bevoorrading (mooi weer opkomst? Extra hamburgers in de schappen) of met gepersonaliseerde marketing via relevante, individuele aanbiedingen aan klanten.

Wat zijn interessante vragen voor customer service?

Het heeft geen zin in een bak met data te gaan zoeken naar zinvolle informatie als je niet weet wat je zoekt. Ook voor customer service geldt: het begint bij een relevante vraag. Voor grootschalige customer service operaties kan het interessant zijn meer vat te krijgen op forecasting en planning. Nog niet zo lang geleden had de Amerikaanse luchtvaartonderneming Delta te kampen met een wereldwijde computerstoring. Herhaling van zo’n drama is niet uit te sluiten en ik denk dat veel concullega’s wel zouden willen weten volgens welke patronen het verkeer in zo’n situatie zich opbouwt. Een vergelijkbare vraag kan je stellen over de impact van grootschalige storingen op NPS, winst en omzet.

Voorspellen van verkeer en gedrag

Ook voor grotere virtuele contactcenters, ook in uitbestede varianten, kan het interessant zijn te weten welke krachten het volume aan interacties opjagen. Persoonlijk zou ik wel willen weten wanneer de routers van internetserviceproviders technisch gesproken hun end-of-life bereiken en welke factoren dit proces versnellen. Dat soort vragen zijn interessant voor alle technische producten die op grote schaal verkocht worden, want ze beïnvloeden de gehele customer experience keten van contactcenter tot logistiek. Denk aan automotoren, computers of smartphones van een bepaald type.

En als grotere ziektekostenverzekeraars slim zijn, hebben ze al lang uitgezocht welke variabelen er voor zorgen dat klanten (tegen het einde van het jaar) gaan bellen. Ik denk dat customer service managers als ze een beetje hun best doen, ze ook nog wel andere interessante vragen kunnen formuleren – waarvan een deel waarschijnlijk tegen marketing aanleunt.

Big data is… de juiste vragen stellen
big data
Thai Young Kim

Data is geen informatie en zelfs analytics levert alleen informatie op als er goede vragen worden gesteld. Samsung is overtuigd van de kracht van data. Sterker nog, alle beslissingen bij Samsung moeten op data zijn gebaseerd, aldus Thai Young Kim, Senior manager of Logistic Innovation bij Samsung. De elektronicagigant is steeds meer afhankelijk van e-commerce. In 2014 kocht 15 procent van de inwoners van de EU (28 landen) online producten geleverd door aanbieders uit het buitenland. Het bedrijf wilde daarom weten van welke factoren de acceptatie van tarieven voor express delivery afhangt in de (grensoverschrijdende) Europese markt voor e-commerce. Die tarieven zijn (vanuit kostenperspectief) uiteraard van invloed op de marge van Samsung, maar ook van invloed op de conversie en dus op de omzet.

40.000 transacties analyseren

Samsung betrok in samenwerking met de Erasmus Universiteit in een big data analyse van 40.000 transacties allerlei variabelen: orderfrequentie, orderomvang, frequentie van herhaalaankopen en zaken die van invloed zijn op de vraag naar express levering, zoals besteedbaar inkomen en logistieke kosten. Verderaf gelegen leveradressen gaan gepaard met hogere kosten voor een express-levering en het is interessant om te weten waar het kantelpunt ligt, maar ook wat de vervolgeffecten zijn als je als leverancier (via de tarifering) investeert in express delivery. De uitkomsten lieten zien dat express delivery een gunstige invloed heeft op de financiële performance van Samsung. Express delivery leidt tot meer orders, een grotere orderomvang en meer herhaalaankopen, zo kon op basis van alle verschillende data worden aangetoond. Naarmate het besteedbaar inkomen van de klant hoger was, nam de kans op het bestellen met express delivery toe.

E-learning optimaliseren met big data

Een andere toepassing van big data in customer service ligt in e-learning. Daarbij worden data-analyses ingezet om te bepalen wat de trainee in de toekomst nodig heeft op basis van huidige performance en gebruik van een e-learning omgeving. Er wordt dan gebruik gemaakt van de gebruiksduur van modules, oefeningen en geboekte resultaten, maar ook van commentaren van docenten. Dit maakt het mogelijk e-learning verder te personaliseren. Met predictive analytics kan het programma worden afgestemd op individuele leerstijlen en tijdschema’s. Hiermee ontstaan intelligente educatieve programma’s met een maximale impact op de organisatie en de medewerker.

Er komen nieuwe databronnen op het contactcenter af

big dataDe komende tijd zal customer service steeds vaker te maken krijgen met data van connected apparaten – denk aan de connected koelkast van Samsung of de connected tandenborstel van Philips. Naast elektronica gaat het ook om sensoren in auto’s en huizen (zoals de smart energiemeter, de connected car of de connected autoverzekering) die verschijnselen waarnemen in de omgeving. Deze data geven inzicht in feitelijk gedrag (en dat is iets anders dan uitbreid klanttevredenheidsonderzoek, waarin je naar meningen vraagt) en in dat opzicht is de informatie vergelijkbaar met bijvoorbeeld verbruiksgegevens. Dat vergroot de mogelijkheden van customer service om klanten gericht te helpen en te up- en cross sellen.

Bedrijven kunnen deze informatie zelf combineren met andere bedrijfsdata – denk aan gegevens uit enterprise software systemen voor financiële transacties, aankoopgedrag, websitegedrag, logistieke processen, klant- en onderzoeksgegevens, respons op campagnes en productinformatie. En bedrijven kunnen aanhaken op datasets van onderzoeksinstellingen zoals het CBS en SCP. En tot slot zijn er de user generated data – gegevens afkomstig van klanten (social media posts, sociale connecties, ratings, geo-locatie, communicatie, meningen en voorkeuren en activiteiten). De organisatie die als eerste creatief met big data weet om te gaan en bruikbare informatie weet te destilleren uit combinaties van datasets, kan een voorsprong creëren door bijzondere kennis over klanten en consumenten op te bouwen.

big data

 

Dit is deel 2 van een tweeluik over big data in customer service. Lees hier deel 1 over big data. Beide blogs werden eerder gepubliceerd op Klantcontact.nl.

Big data in customer service (1): veel data, weinig informatie

Net als andere technologiehypes (cloud, internet of things, robots en kunstmatige intelligentie) wordt big data vaak gepresenteerd als een soort wondermiddel. Begrijpelijk, want de hoeveelheid data die bedrijven opslaan, neemt exponentieel toe en dat leidt vanzelf tot de vraag wat ze er mee kunnen. De komende decennia worden data het nieuwe kapitaal. Zinvol en effectief gebruik van big data is een heel ander verhaal. Deel 1 van een tweeluik.

Uit het laatste Big Data Survey-onderzoek van GoDataDriven en Big Data Expo blijkt dat de inzet van big data in Nederlandse bedrijven in de praktijk nog tegenvalt. Het is niet dat het ontbreekt aan data: bedrijven met klantcontact beschikken over bijvoorbeeld CRM, web-statistieken en marketingdata vanuit e-mails en afrekensystemen. Data uit andere bronnen, zoals tekst, beeld en geluid, worden echter nog maar weinig ingezet. En als bedrijven al iets doen met hun gegevensberg, blijft het hoofdzakelijk beperkt tot analyse achteraf. De brede inzet van realtime en predictive toepassingen laat nog op zich wachten, aldus de onderzoekers. Ook Michel van de Velden (Universitair hoofddocent aan het Econometrisch Instituut van de Erasmus School of Economics) constateerde tijdens een seminar over big data toepassingen dat wanneer zijn studenten voor een data-gerelateerde stage in een bedrijf rondlopen, zij zien dat er maar weinig met big data wordt gedaan.

Databerg groeit snel, toepassing groeit langzaam

De meeste bedrijven hebben er moeite mee om van big data meer te maken dan ‘klassiek marktonderzoek’. Boston Consulting Group (BCG) stelt vast dat big data in customer service en marketing zeer geleidelijk zijn intrede doet. Bedrijven doorlopen volgens BCG vier stadia in het werken met ‘customer insights’ – het gebruik van big data om klantgedrag te sturen en te voorspellen.

big data

De benchmarkstudie van BCG uit 2015 laat zien dat maar 20 procent van de onderzochte bedrijven in fase 3 en 4 verkeert. Zelfs als bedrijven veranderingen doorvoeren, zoals het introduceren van nieuwe functies en competenties die bij fase 3 horen (advanced analytics, digital- en social media monitoring) lopen ze in een valkuil: ze houden de klassieke benadering van marktonderzoek aan. Dat betekent volgens BCG in de praktijk dat er gebrek aan support vanuit de top is, dat er beperkt mandaat en budget is en dat er weinig met de business wordt samengewerkt. Bovendien worden de data-analisten zelden afgerekend op ROI. Wel ziet BCG dat big data vraagstukken meer en meer op het bordje van de CMO komen te liggen en weg worden gehaald bij de CEO.

Big data is nutteloos zonder goede vraag

Data is het nieuwe goud, maar met alleen data kom je er niet. De inzet van big data begint bij een goede dataset en het formuleren van een goede vraag. Het idee dat big data bij uitstek geschikt is om patronen of correlaties op te sporen (die je vervolgens kunt monetariseren) roept vaak ergernis op bij wetenschappers, aldus Michel van der Velden. Basale fout: correlaties worden vaak verward met causale verbanden. Zo is er een hoge correlatie (98 procent) tussen het uitkomen van films waarin Nicolas Cage speelt en het aantal verdrinkingen in zwembaden, maar een oorzakelijk verband is nooit aangetoond.

big data

Zelfs als je een causaal verband vindt (waarbij de ene variabele veranderingen in de andere variabele veroorzaakt), is het de vraag of een (significant) bewijs voldoende praktische waarde heeft. Het komt vaak voor dat onderzoeksresultaten significant zijn, maar dat allerlei onderliggende aannames discutabel zijn. Een dataset levert niet altijd bruikbare informatie op.

Meer data is beter?

Op de tweede plaats wordt big data vaak geassocieerd met ‘meer data is beter’. Meer data wekt de suggestie dat beslissingen betrouwbaarder worden. Je kunt met meer data onder andere kleinere verbanden aantonen, maar ook hier geldt de vraag of ze altijd nuttig zijn. Bedrijven staan weinig stil bij de vragen welke data relevant zijn en wat de beperkingen zijn omdat analisten bepaalde data juist niet bezitten.

Toch is ‘meer data’ een van de kerneigenschappen van big data. Je spreekt van big data als de dataset(s) te groot zijn om met normale databaseprogramma’s te verwerken. Bij big data speelt ook mee dat er met verschillende soorten data tegelijk wordt gewerkt: verschillend qua bron, soort, kwaliteit en complexiteit. Ook de snelheid waarmee de data binnenkomen of verwerkt worden, bepaalt of je te maken hebt met big data.

Klassieke valkuilen

Big data wordt zoals gezegd snel verward met klassieke analyse van datasets. Vliegmaatschappij Southwest gebruikt bijvoorbeeld spraakanalyse van klantgesprekken om op customer service verbeteringen door te voeren. Die dataset – alle realtime conversaties met alle klanten – klinkt natuurlijk als een goudmijn, maar als het alleen gaat om de conversaties en daar geen andere context (andere datasets) aan wordt toegevoegd, blijven de echte gebruiksmogelijkheden beperkt.

Bankbedrijf RBS wil graag weer een situatie creëren waarin de bank – net als in de jaren 70 – een goede relatie heeft met haar klanten. Er werd 100 miljoen pond geïnvesteerd in een programma waarin 800 analisten werkzaam zijn. Eerdere pogingen van de bank om aan datadriven marketing en service te doen kwamen neer op segmenteren en push marketing – daarbij de wensen van de klant over het hoofd ziend. De analisten hebben nu op basis van data-analyses onder meer dubbelingen in het verzekeringsportfolio in kaart gebracht. Verder vertelt de bank trots dat ze nu kunnen acteren op de verjaardag van de klant. De bank erkent dat er nog de nodige stappen moeten worden gezet in de uitrol van haar big data strategie.

herzOok autoverhuurder Herz wordt opgevoerd als een big data succesverhaal. Het bedrijf is actief in 140 landen en zit op een berg aan data van e-mails, tekstberichten en online vragenlijsten. Met die data zou Hertz beter in staat zijn te weten wat de klanten willen en beweert het bedrijf bovendien de relatie tussen manager en klant te kunnen verbeteren. De resultaten die Hertz boekte, waren primair gericht op het verbeteren van processen gericht op managementinformatie. Voor de customer journey heeft de inzet van big data nog niets opgeleverd: boek online een auto bij Hertz, en haal daarna de auto op. Het eerste wat je dan moet doen is wachten tot dat de medewerker alle informatie opnieuw heeft ingevoerd; daarna moet je wachten totdat iemand de auto klaarzet. Er wordt geen rekening gehouden met eerdere transacties of voorkeuren. Het bestellen van een ouderwets boek bij bol.com gaat slimmer en sneller.

In het volgende deel van dit tweeluik ga ik in op big data kansen voor customer service.

Dit artikel is eerder gepubliceerd op Klantcontact.nl

Van wie zijn mijn data? (2)

If it’s free, you’re the product. Dat geldt online voor het gebruik van social media platforms ­­zoals Facebook en Instagram, maar ook voor meer serieuze toepassingen zoals Google Gmail en WhatsApp. Consumenten zijn bereid om gratis diensten af te nemen in ruil voor data. Hoewel vrijwel niemand zicht op de precieze inhoud van die ruilverhouding heeft, neemt het aantal bedrijven toe dat consumenten aanmoedigt hun data te vermarkten. Over DIME, een Nederlands initiatief – en de nieuwe Europese privacy-verordening die in 2018 van kracht wordt.

dataDe net iets meer dan een miljard gebruikers van Facebook leveren het bedrijf van Zuckerberg een kwartaalomzet op van 5,4 miljard dollar en een operationeel resultaat van 2 miljard dollar (netto 1,5 miljard dollar, gegevens over het eerste kwartaal 2016). Die opbrengsten komen voor 97 procent uit de advertentiemarkt. Dat consumenten nog steeds weinig problemen hebben met het vermarkten van hun data zou je kunnen afleiden uit de groei van het aantal Facebookgebruikers: dat name afgelopen jaar toe met 154 miljoen gebruikers. Ook de advertentie-inkomsten van Facebook stegen procentueel gezien met double digits. Dat is ook het geval bij het moederbedrijf van Google, Alphabet, met een kwartaalwinst van 21,5 miljard dollar (een groei van 21 procent) en een nettowinst van 4,9 miljard dollar over 2015. De advertentie-inkomsten van Google stegen met 16 procent.
Facebook en Google zijn maar twee voorbeelden. Het social media landschap bestaat uit honderden toepassingen met een paar grote spelers en vaak is data hier het kapitaal.

Geld verdienen met data

Dime – Data is me – wil daar verandering in aanbrengen. “Verkoop je persoonlijke informatie, zorg ervoor dat deze up to date is en controleer waar je gegevens worden gebruikt (‘eerlijke data’) – aldus Dime. Dime is een initiatief van drie voormalige drie deeltijdstudenten aan de Media, Informatie en Communicatie-opleiding van de Hogeschool van Amsterdam. De bedenkers – Martijn van Moock, Aarnout Mettes en Mariska van Bohemen – werden tijdens de Prissma Pitch van 2013 beloond met een Award voor hun idee. Dat leverde een eerste bescheiden startkapitaal op, dat voor het drietal de aanzet was om het idee om te zetten in een start-up. Een jaar later zorgde een crowdfundingcampagne, bedoeld om het platform te kunnen ontwikkelen, voor 34 duizend euro aan extra kapitaal. “We konden daarbij niet meteen iets teruggeven – er werd bijvoorbeeld geen tastbaar product ontwikkeld. Het ging dus vooral om giften, afkomstig van ruim 130 mensen,” aldus Van Moock.

Consumenten

Dime is nu een aantal maanden live. Er zijn nu zo’n 600 consumenten aangemeld. Je staat bij Dime geen gegevens af, maar er wordt via een API een koppeling gemaakt tussen het Dime platform en Facebook, Instagram en Linkedin. De content die op deze platforms wordt gedeeld, komt bij Dime terecht.

Dime richt zich op twee groepen: mensen die gevoelig zijn voor het argument dat ze geld kunnen verdienen met hun data; en mensen die op zoek zijn naar een betere bestemming met betere controle over hun gedeelde data. “We willen ons in de werving van consumenten vooral richten op studenten, onder meer via de introductieperioden van universiteiten en hogescholen. Jongeren zijn nogal lui, het kost veel moeite om ze te mobiliseren, daarom hebben we nu een laagdrempelige aanmelding. Wat we vertellen is dat mensen de controle over hun persoonlijke gegevens kunnen terugwinnen: je beslist zelf welke gegevens bedrijven mogen gebruiken en je kunt er geld mee verdienen. Consumenten kunnen in hun profiel aangeven voor welk doel de data gebruikt mogen worden: voor marketing- of onderzoeksdoeleinden of om – op termijn – bepaalde bedrijven juist uit te sluiten. Dat soort features willen we testen. Het is niet ondenkbaar dat Dime ook gaat werken met het belonen van consumenten die handmatig bepaalde gegevens afstaan. Verder hangt het succes van Dime ook af van de bedrijven die voor ons kiezen.”

Bedrijven

Aan de andere kant kunnen bedrijven zich aanmelden en data kopen: denk aan mediabureaus en het MKB. “Bedrijven kunnen bij ons shoppen – bijvoorbeeld data kopen die betrekking hebben op inwoners van een bepaalde regio met een bepaald profiel. Denk aan iemand die op Facebook praat over Ajax en incheckt bij de Arena. Bedrijven krijgen deze data en zullen zich moeten houden aan de gebruiksdoelen en de gebruiksperiode – die is contractueel vastgelegd.”
De waarde die Dime wil toevoegen is dat bedrijven – adverteerders, mediabureaus – er bewust voor kunnen kiezen om te werken met data waarbij de consument heeft gekozen voor dat gebruik en waarbij er niet een set algemene voorwaarden van tientallen pagina’s hoeft te worden ontcijferd. “We willen een alternatief bieden: het gebruik van consumentendata kan ook op een goede manier. Dat zou organisaties als politieke partijen of NGO’s kunnen aanspreken.”

Controle

Desalniettemin kunnen partijen als Facebook nog steeds hun eigen gang gaan met de data die je deelt. De ‘Facebook-gebruiker’ krijgt bij Dime dus niet de controle terug, maar krijgt een klein stukje controle over een bepaald soort gebruik van specifieke data. De vraag is wat die controle voor de consument werkelijk inhoudt. Niet alleen het daadwerkelijk gebruik, maar ook de juiste hoogte van de afdracht is moeilijk te controleren. Dime heeft nog geen model ontwikkeld voor onafhankelijke audits.

Van Moock erkent dan ook dat Dime in aanbouw is. Past het precies bij wat consumenten willen of wordt juist slim ingespeeld op de privacy paradox? De doelgroep is slim gekozen: jongeren hebben een eventueel gebrek aan privacy nog niet ervaren en weten ook nog niet hoe gegevens een rol spelen in hun mogelijkheden (of beperkingen). Ze hebben nog geen ervaring opgedaan met de relatie tussen bestedingen, schulden, inkomen, bewijs daarvan en hypotheek.

Dime is niet de enige partij die een rol wil spelen in de wereldwijde datamarkt. In Nederland is naast Schluss ook Leaflead actief, dat consumenten zelf een profiel laat invullen en 20 procent van de opbrengsten – altijd een moeilijk te controleren begrip – deelt met de dataverstrekker. Ook in het buitenland zijn bedrijven ingesprongen op het monetariseren van data van consumenten. Luthresearch en Datacoup zijn actief in de VS en Powrofyou is een Britse speler die al een redelijk volume aan deelnemers heeft bereikt.

Wetgeving

Van Moock wijst op de nieuwe Europese wetgeving die in de maak is, en stelt dat DIME een beetje op de muziek vooruitloopt. Die nieuwe Europese privacy-verordening (officieel: Algemene Verordening Gegevensbescherming) is in mei 2016 gepubliceerd, maar er geldt nog twee jaar een overgangsrecht voordat de verordening daadwerkelijk gehandhaafd zal worden in de Europese lidstaten. Daarna vervallen de Nederlandse Wet Bescherming Persoonsgegevens en de Wet Basisregistratie Personen. De verordening, die dus op 25 mei 2018 van kracht wordt, heeft grote invloed op organisaties die persoonsgegevens verwerken, waaronder aanbieders van gratis software die klantdata gebruiken voor advertentiedoeleinden. Organisaties zullen volgens de nieuwe regels altijd duidelijk inzichtelijk moeten hebben welke persoonsgegevens ze verwerken, waar deze zich bevinden en hoe deze definitief verwijderd kunnen worden; iets wat voor consumenten in heldere taal in privacy-verklaringen leesbaar moet zijn. Dit sluit aan op het recht om vergeten te worden, een nieuw recht in de verordening. Veel systemen en processen zullen op de nieuwe verordening aangepast moeten worden. De EU ziet hierbij een taak voor een Functionaris voor de Gegevensbescherming (FG) of Data Protection Officer (DPO). Voor sommige organisaties, waaronder organisaties die meer dan 250 werknemers hebben, zal een FG/DPO verplicht worden. De EU brengt ons op dit vlak dus strengere regels met een flinke impact.

EU onderzoek privacy social media
cashen met data? Onderzoek EU
EU onderzoek privacy
Cashen met data

Vorig jaar bleek uit onderzoek dat slechts 9 procent van de Nederlandse consumenten volledige controle ervaart over wat er online met hun gegevens gebeurt (zie bovenstaande beelden). Als je vraagt naar het vertrouwen in hoe verschillende organisaties omgaan met data, dan staan online bedrijven (zoekmachines, online sociale netwerken) onderaan. Maar vermoedelijk verandert de mindset over datagebruik eerder bij bedrijven dan bij consumenten, namelijk onder druk van nieuwe wetgeving. Dat lage vertrouwen bij consumenten staat haaks op de double digit groeicijfers van de grote online dataminers – Google, Facebook enzovoorts. Wat dit betekent voor het businessmodel van Dime en concullega’s – namelijk het monetariseren van data door consumenten zelf – zal pas na 2018 duidelijk worden.

Dit blog is het tweede deel van een serie over Personal Data Stores