Digitale overheid: ambities bijgesteld, doelen niet gehaald, achterstallig onderhoud

digitale overheidWat heeft Rutte II bereikt als het gaat om de digitale overheid? Rutte III zit nog maar net in het zadel, maar begint met een achterstand. Vlak voor het aantreden van het nieuwe kabinet heeft minister Plasterk netjes opgeschreven hoe de digitale overheid er voor staat. De conclusie: nog steeds heeft de overheid zijn zaakjes niet goed voor elkaar als het gaat om digitalisering. Ambities voor de toekomst worden herhaaldelijk naar beneden bijgesteld, doelen niet worden gehaald, en het achterstallig onderhoud wordt steeds zichtbaarder.

In zijn verslaglegging beseft Plasterk dat de digitalisering zich in versneld tempo heeft doorgezet, maar hij spreekt geen oordeel uit over de geleverde prestaties en gaat voorbij aan eerdere doelstellingen, waarbij 2017 het jaar van de waarheid zou zijn waarin verschillende overheidsbrede programma’s er voor hadden moeten zorgen dat de (digitale) dienstverlening aan burgers en ondernemers is gerealiseerd.

Overheid heeft Antwoord

Hoe zat het ook al weer? Aan het begin van deze eeuw startte de overheid met de grote decentralisatieoperatie. Het idee daarachter is niet slecht: in het kader van het geleidelijk afbouwen van de verzorgingsstaat (ten onder gegaan aan het eigen succes: onbetaalbaar geworden door de vergrijzing) zou de overheidsdienstverlening zo dicht mogelijk bij de burger moeten worden gerealiseerd. Dat sluit namelijk het beste aan op zelfredzaamheid. De gemeente moest het primaire aanspreekpunt voor de burger zijn als die in contact wil komen met de overheid.

digitale overheidOm die verbeterde bereikbaarheid van gemeenten te realiseren werd in 2007 onder andere het programma Antwoord opgetuigd. Het idee was dat in 2015 alle gemeenten hun klantcontactorganisatie op orde zouden moeten hebben: balie, telefonie en web moeten dan op uniforme wijze georganiseerd en geïntegreerd zijn en op consistente wijze informatie bieden aan de burger. Dat leidde overal in het land tot het opzetten van gemeentelijke callcenters. Amsterdam was een van de koplopers: in 2006 werd daar gestart met het CCA (Contactcenter Amsterdam). Ook hier was het doel om het klantcontact van de gemeente te centraliseren. Het landelijke programma Antwoord zou lopen tot 2015, maar werd voortijdig afgebroken omdat duidelijk werd dat de meeste gemeenten er niet in slaagden de vooraf ontworpen blauwdruk en het tijdschema te volgen.

Ingehaald door de werkelijkheid

Tien jaar na de opstart van CCA sprak ik met Jos Maessen, directeur dienstverlening. Die was op dat moment nog volop bezig om de voorkant los te maken van de achterkant: de serviceorganisatie uit de eigenlijke productieomgeving halen, zodat uitvoerende diensten zich kunnen focussen op hun kernactiviteit. Noem het een shared service center, dat de klantcontacten verzorgd voor alle stadsdelen en voor alle gemeentelijke diensten. Maar focussen op de kernactiviteit is lastig als je wordt ingehaald door de werkelijkheid. In Amsterdam werden de stadsdelen vervangen door bestuurscommissies, telefonische bereikbaarheid kwam op het tweede plan door de nadruk op zelfservice, uitvoerende diensten werden aanbesteed en resultaatverantwoordelijke eenheden moesten aan de slag met digitalisering. Hoezo focus op kernactiviteiten?

2017 is peildatum

Zoals gezegd is 2017 een belangrijke datum voor de digitale overheid: in de agenda ‘digitale overheid’ uit 2015 – een programma met (niet voor de eerste maal) bijgestelde ambities – is als doel gesteld dat bedrijven en burgers uiterlijk in 2017 de zaken die ze met de overheid doen, digitaal kunnen afhandelen:

  1. De vraag van burgers, bedrijven en andere organisaties staat centraal.
  2. Burgers, bedrijven en andere organisaties moeten hun zaken snel, zeker en veilig kunnen regelen.
  3. De overheid opereert als één overheid en valt burgers, bedrijven en andere organisaties niet lastig met de verschillen tussen hun organisaties.
  4. De overheid stelt geen overbodige vragen en hergebruikt daarom beschikbare informatie.
  5. De overheid is transparant en aanspreekbaar.
  6. De overheid richt de dienstverlening zo efficiënt mogelijk in, met inachtneming van de behoeften van burgers, bedrijven en andere organisaties.

Om bovenstaande doelstellingen te behalen moeten de verschillende overheidsorganisaties in de periode tot aan 2017 in ieder geval de meest gebruikte diensten en producten digitaal gaan aanbieden. Om daar te komen is er een implementatieagenda ontwikkeld die zich richt op drie hoofdterreinen, waaronder het aanbieden van digitale dienstverlening, het optuigen van een generieke digitale infrastructuur om de digitale dienstverlening mogelijk te maken en het ‘aansluiten van overheidsorganisaties op de bouwstenen van de generieke digitale infrastructuur’.

Famous last words

Tegenover deze ambities staat nu de laatste verantwoording van Plasterk. Hij stelt in zijn Kamerbrief:

“De gemiddelde digitale volwassenheid van de hele overheid is 75% in 2017. Dit is een stijging van 4 procentpunt ten opzichte van 2016 en een stijging van 17 procentpunt ten opzichte van de eerste meting in 2014 toen alleen medeoverheden in het onderzoek waren betrokken. De gemiddelde digitale beschikbaarheid van de gehele overheid is 90% in 2017 tegenover 88% in 2016. De gemiddelde digitale beschikbaarheid van de medeoverheden is 83% in 2017, vergeleken met 80% in 2016. (…)”

Volgens Plasterk zijn de vorderingen dusdanig dat Nederland zich in de hoogste regionen bevindt (namelijk de vierde plaats) van de Europese Digital Economy en Society Index (DESI), een benchmark voor e-government diensten. De Kamerbrief somt verder een hele lijst met nog te ondernemen acties op, uiteenlopend van pilots tot markttoetsen en van het verbeteren van samenwerking tot het benoemen van taskforces. Het zijn allemaal plannen zonder toetsbare doelstellingen. Een van de meest concrete acties is het aanwijzen van openbare bibliotheken om burgers aan te leren zelfstandig digitale zaken te doen en hiertoe faciliteiten te bieden.

digitale overheid

Kamerbrief minister Plasterk 23 oktober (download)
De meest-digitale spelers hebben de grootste problemen

Slaagt de overheid er in de digitalisering bij te houden of begint de grootschalige legacy in technologie en mensen parten te spelen? Plasterk stelt in zijn Kamerbrief trots dat met name “grote uitvoeringsorganisaties zoals de Belastingdienst, UWV, SVB, RVO en DUO 99% digitale beschikbaarheid scoren met hoog volume producten, zoals de belastingaangifte voor particulieren.” Maar juist bij de uitvoeringsinstellingen zijn de grootste problemen zichtbaar.

Bij de Belastingdienst ging kostbare ICT- en proceskennis verloren door een slecht doordacht sociaal plan en rammelt de ICT dusdanig dat de continuïteit van het primaire proces in gevaar komt. Bij UWV raken gegevens zoek, lopen systemen vast en bij SVB zijn ICT-aanbestedingen mislukt. De ICT staat op omvallen, privacy en security lopen achter en er worden grote delen van het beschikbare budget verstookt aan miskleunen.

Overheid gokt met GDPR

En terwijl komend jaar de overheid nieuwe wetten op het gebied van privacy en informatiebeveiliging moet gaan handhaven, heeft de overheid zijn eigen privacybeleid niet op orde, zo blijkt uit een onderzoek van de Open State Foundation, een organisatie die transparantie in de politiek nastreeft.

Overheidswebsites nemen onverantwoorde risico’s met de vertrouwelijkheid. Slechts 44 procent van de overheidssites is goed beveiligd. Bij 6 procent is weliswaar een beveiliging ingesteld, maar die bevat lekken. Van de gemeentesites heeft 59 procent een beveiligde verbinding. Tot zo ver de digitale overheid.

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)

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.

De toekomst van facilitaire contactcenters

facilitaire contactcenters
parking bot

Bedrijven maken zich op voor een nieuwe golf aan automatisering. De inzet van virtual reality, kunstmatige intelligentie en chatbots staan daarbij bovenaan de verlanglijstjes, aldus een nieuwsbericht van Oracle. Ook klantcontact gaat de komende tijd opnieuw ingrijpend veranderen. De rol van de live agent wordt niet minder belangrijk, in tegendeel. Maar het volume aan live contacten zal afnemen. Dat zet de businesscase voor outsourcing van klantcontact naar facilitaire contactcenters – de dienstverleners waar bedrijven hun klantcontact kunnen onderbrengen – in een ander perspectief.

Volgens klantcontactexpert Hans Bach ligt de belangrijkste uitdaging van facilitaire contactcenters in het focussen op toegevoegde waarde. Om hun onderscheidend vermogen op peil te houden zullen ze meer moeten doen dan het leveren van betere operationele resultaten. Ook het leveren van innovatieve kracht beschouwt Bach als opdracht. In een analyse in CustomerFirst schrijft hij bovendien dat medewerkers binnen nu en vijf jaar ‘andere dingen gaan doen’ – zoals het goedkeuren van beslissingen die genomen zijn door geautomatiseerde systemen. ICT wordt door Bach vooral gezien als middel ter ondersteuning van agents – bijvoorbeeld in de vorm van realtime monitoring en gespreksanalyse. Hij relativeert dan ook de opkomst van automatisering van klantcontact. Het argument: kunstmatige intelligentie is nog niet in staat is de vraag achter de vraag (de intentie) van de klant te begrijpen.

Hij gaat echter voorbij aan het feit dat veel interacties weldegelijk verder te automatiseren zijn. Met die doorlopende automatisering als een van de leidende trends verwacht ik dat de komende drie jaar zichtbaar gaat worden dat het verdienmodel van facilitairen begint af te brokkelen. Er zijn verschillende trends die duidelijk maken wat de effecten zijn van de digitalisering van interacties op outsourcing.

 

Technologieleveranciers krijgen andere rol

Om te beginnen een uitstapje naar de IT-industrie, waar outsourcing zo ongeveer is uitgevonden. Tot enkele jaren geleden zetten de grote IT-dienstverleners volop in op langdurige en grootschalige contracten met waarden oplopend tot honderden miljoenen dollars. Klassieke outsourcing kwam neer op leveren van diensten voor het beheer van software, werkplekken of infrastructuur, gebaseerd op schaalvoordeel en standaardisatie: ‘your mess for less’. In veel gevallen werd daarbij personeel van de opdrachtgever of vorige dienstverlener overgenomen.

Die tijden zijn echter aan het veranderen. De grote IT-dienstverleners staan voor een grote transformatie. Steeds meer onderdelen van het klassieke portfolio van IT-dienstverleners worden geautomatiseerd: de automatisering van IT. IT-outsourcingcontracten worden steeds korter, meer flexibel en komen vaker in handen van kleinere niche-spelers. Het is niet ondenkbaar dat IBM of Accenture (nu beiden nog circa 375.000 medewerkers) over een paar jaar in omvang gehalveerd zijn. Deze bedrijven zijn dan ook hard bezig met zowel reorganiseren als het opbouwen van nieuwe business, bijvoorbeeld in kunstmatige intelligentie en customer experience.

 

Klantinteractie blijft vatbaar voor automatisering

Die doorlopende automatisering is ook zichtbaar in klantcontact. In de jaren negentig viel de rol van de telefoniste weg door de opkomst van automatische routering (ACD, IVR); daarna kwam online selfservice op, gevolgd door e-commerce. Met de inzet van bots en spraakherkenning wordt opnieuw een deel van de interactie tussen klant en bedrijf geautomatiseerd, wat leidt tot inzet van minder mensen.

Vergelijkbare veranderingen zijn zichtbaar in de retail, waar nu vooral online modellen voor de groei zorgen. In combinatie met fintech ontstaan toepassingen voor frictieloos betalen (geen kassa meer nodig). De digitalisering van klantcontact en transacties schuift steeds meer op in de richting van mobiele, geïntegreerde app-platforms (Facebook Messenger, LINE en WeChat). Binnen WeChat draaien al meer dan 500 bots voor bestellingen, reserveringen, transacties, communicatie, nieuwsvoorziening en entertainment.

facilitaire contactcenters

Kostenbesparing is een van de drivers van verdere digitalisering, maar ook om een andere reden zijn bedrijven gebaat bij uitbreiding van digitale interacties. Ze zijn relatief gemakkelijk te sturen en leveren data op. Dat geldt ook voor live interactie, maar de slag van spraak naar bruikbare business intelligence is voorlopig nog een stuk ingewikkelder.

 

Effecten digitalisering al jaren zichtbaar op arbeidsmarkt

Dat digitalisering in BtC-dienstverlening doorzet, is ook te zien aan de ontwikkeling van werkgelegenheid. In de financiële sector zouden tussen 2014 en 2019 15.000 banen verdwijnen, aldus een analyse van UWV uit 2014. We kennen inmiddels de krantenkoppen over ontslagen bij ABN AMRO en ING. In april 2016 concludeerde werving- en selectiebureau Hays dat van de professionals in de financiële sector 60 procent verwacht dat de werkgelegenheid in de sector verder afneemt. 40 procent van hen denkt zelfs dat in 2030 zijn of haar functie niet meer bestaat. Cloudsoftware en kunstmatige intelligentie worden door 80 procent van de financiële professionals als bedreiging voor de werkgelegenheid gezien.

Ook de reissector is een goed voorbeeld van digitalisering. Tussen 2007 en 2013 daalde het aantal banen in de reissector van 18.740 tot 14.100. Sinds de laatste twee jaar stijgt het aantal banen weer, maar is het accent verschoven naar online marketeers en e-commerce managers. Kortom: het draait ook daar niet om menselijke customer service, maar om IT.

 

Gedrag van consumenten

De tweede trend gaat over het gedrag van consumenten. Volgens KIRC is (wereldwijd) het volume aan live contacten sinds 2014 afgenomen, ten gunste van de volumes aan online selfservice: beide volumes zijn nu even groot. Het gebruik van e-mail (waar medewerkers de afwikkeling verzorgen) daalt geleidelijk; het aantal bedrijven dat het e-mailkanaal ‘sluit’ neemt toe, terwijl app care groeit. 2016 was het jaar waarin (in de VS) het aantal Millennials het aantal babyboomers oversteeg. In ons land ligt de piek van de vergrijzing in 2035; halverwege de jaren 20 van deze eeuw zal het relatieve aandeel babyboomers voor het eerst gaan dalen. Hoewel de kanaalvoorkeuren van consumenten uiteindelijk vooral afhangen van de situatie (en in mindere mate van de leeftijd), zullen jongere generaties zoals Millennials en generatie Z wel steeds zwaarder hun stempel drukken op online interactie.

Ondertussen neemt het aantal mobiele abonnementen toe, net als het aantal interacties. In 2017 zullen er 8,3 biljoen mobiele messages worden verstuurd, waarvan 90 procent gelezen kan worden in minder dan 3 minuten. De helft van de consumenten verwacht tegenwoordig dat bedrijven 24×7 klaar moeten staan om vragen van klanten te beantwoorden. Meer dan de helft (bijna 64 procent) vindt daarbij dat bedrijven bereikbaar zouden moeten zijn via messaging apps. Die tekstgebaseerde online communicatie is het perfecte vertrekpunt voor automatisering.

 

Kosten van klantinteractie

De mogelijkheid om onderscheidend vermogen te realiseren op prijs of product neemt al jaren af. In sectoren als energie, telecom en e-commerce hebben enorme consolidatieslagen plaatsgevonden. Als spelers zoals Amazon of Alibaba de Europese markt voluit gaan bewerken, neemt de concurrentie in e-commerce nog verder toe. Bedrijven kunnen dus vooral het verschil maken in toegevoegde waarde zoals snelheid en kwaliteit van customer service. Omdat in customer service de complexiteit van het live contact doorlopend stijgt (en daarmee de duur en de kosten), blijft de noodzaak om verdere kostenbesparingen door te voeren belangrijk. Dat wat geautomatiseerd kan worden, zal geautomatiseerd worden.

Na IVR’s, online selfservice en e-commerce websites zijn bedrijven nu bezig met de volgende stap in automatisering. De Zweedse bank Swedbank is er in geslaagd 80 procent van alle standaardvragen af te handelen via chatbot Nina, goed voor 30.000 contacten per maand. Omgerekend is dat – afhankelijk van de gemiddelde gespreksduur – 20 tot 30 FTE op maandbasis. TacoBot van Taco Bell is in staat bestellingen volledig zelfstandig af te handelen.

 

Wanneer komt de omslag in facilitair klantcontact?

De totale Nederlandse markt omvat nu ruwweg 87.000 werkplekken; het aantal werkzame personen in de sector is ongeveer het dubbele. Uit het rapport van Hans Bach komt naar voren dat de facilitaire markt nog groeit van 642 miljoen euro in 2016 naar 691 miljoen euro in 2017. De grote vraag is wanneer die groei gaat omslaan als gevolg van veranderende keuzes van hun opdrachtgevers, waarbij technologie – naast medewerkers – een tweede ‘productiefactor’ wordt bij het afwikkelen van contacten. Dat sommige spelers anticiperen, blijkt uit het partnership dat Webhelp recent aanging met Recast.AI.

Mijn indruk is dat alle seinen op groen staan: de consument heeft geen bezwaren tegen chatbots, de technologie is beschikbaar. Het volume aan live contacten zal afnemen, en het verwerken van minder calls met een hogere complexiteit vraagt om een hoger opleidingsniveau en meer training. Dat staat haaks op het businessmodel van facilitairen – schaalvoordeel gebaseerd op standaardisatie. Tel daarbij op het streven van bedrijven naar innovatie, versnelling, customer centricity en een betere aansluiting op interne IT- en dataprocessen. Al deze ontwikkelingen zullen elkaar de komende tijd gaan versterken. De snelheid waarmee bedrijven op deze ontwikkelingen inspelen, zal bepalend zijn voor de toekomst van de klassieke, grootschalige facilitaire contactcenters. Dat ze in omvang zullen afnemen en door een transformatie heen moeten, staat vast.

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.

Een goed gesprek van mens tot robot

dsc00040We praten wat af in ons leven. Een van de belangrijkste (en ook meest ingewikkelde) dingen die een mens kan, is communiceren. We hebben hiervoor de beschikking over sociale vaardigheden, verbale uitdrukkingsvaardigheid (woordenschat, grammaticale kennis) en invoelend vermogen (om taal van een ander, maar ook de non-verbale communicatie te begrijpen). We herkennen ook gezichten, zodat we iemand als persoon kunnen plaatsen: onze leidinggevende, ons kind, onze vrienden. Er is voor mensen weinig reden om die communicatie te automatiseren, al zijn er ouders die hun kinderen toevertrouwen aan ‘connected‘ speelgoed waarmee ze interactie kunnen aangaan.

Voor bedrijven ligt dat anders. Zij automatiseren graag zo een zo groot mogelijk deel van de interactie met klanten. Verschillende wetenschappers en softwareontwikkelaars zijn met bezig om de afzonderlijke bouwstenen van menselijke communicatie te vatten in algoritmen en geautomatiseerde systemen. Wat heb je nodig om een goed gesprek te voeren met een computer of robot?

Spraakherkenning

Allereerst moet de computer menselijke, natuurlijke taal kunnen herkennen. Deze technologie is inmiddels goed doorontwikkeld. Computers kunnen gesproken tekst vrijwel net zo goed omzetten in geschreven tekst als professionele transcribeerders. Dat spraakherkenning goed werkt, kan je testen met Siri of Google’s assistent op je eigen smartphone of de demo van Google’s Deepmind. De ‘last mile’ is echter nog lastig. Het gaat daarbij om het begrijpen van context, maar ook om het correct plaatsen van punten en komma’s. Spraakherkenning zou wellicht verbeterd kunnen worden als het gecombineerd wordt met systemen die liplezen.

Liplezen is voor mensen een flinke uitdaging. Een geoefende professional komt niet verder dan 60 procent correcte herkenning. LipNet, een systeem ontwikkeld door wetenschappers van Oxford University, haalt 93 procent accuratesse. De ontwikkelaars zien onder andere mogelijkheden op het vlak van ‘stil dicteren’, maar stellen ook dat spraakherkenning er verder mee verbeterd kan worden. LipNet werd getraind met bijna 29.000 video’s, gecombineerd met de juiste tekst. Het algoritme kan analyseren tot op losse letters. LipNet werd onder meer gefinancierd door DeepMind, de kunstmatige intelligentie-tak van Google.

Met wie spreek ik? Gezichtsherkenning

Gezichtsherkenning bestaat al geruime tijd. Het wordt bijvoorbeeld toegepast bij de douane van Schiphol voor identificatiedoeleinden. In de selfserviceomgeving van de luchthaven wordt nu al de scan van het paspoort vergeleken met het portretbeeld van de passagier, maar Schiphol wil nog een stap verder gaan en gezichtsherkenning uitbreiden over het gehele traject van vertrekhal tot in het vliegtuig.

Het herkennen van emoties
Robot Han van Hanson Robotics
Robot Han van Hanson Robotics

Emoties spelen een belangrijke rol in beslisprocessen van mensen. Interessant dus voor bedrijven die iets willen verkopen. Dat begint al bij marketing, wat probeert in te spelen op ons gevoel. Bij het beslissen over een aankoop worden moties en rationele afwegingen tegen elkaar afgezet. Wanneer een systeem de emotie van een klant kan herkennen, ben je al halverwege de portemonnee van die klant. In 2012 werden de eerste veelbelovende resultaten geboekt met een algoritme waarmee de computer de vorm van de mond van een computergebruiker kan koppelen aan de emoties (geluk, verdriet, angst, woede, walging en verbazing) die de gebruiker voelt. Het algoritme was zelflerend: het werd beter naarmate er meer voorbeelden werden aangereikt.

Volgens de analisten van MarketsandMarkets wordt er ook nu nog steeds veel geld in technologie voor emotiedetectie gepompt: 22 miljard dollar tot 2020. Bedrijven doen hun best om systemen te ontwikkelen die emoties kunnen aflezen van gezichten. Emotient werd begin dit jaar overgenomen door Apple – het zou zo maar kunnen dat je iPhone over een tijdje naar je gezicht kijkt en dat Siri bij het beantwoorden van je vragen rekening houdt met je gemoedstoestand.

Microsoft biedt een emotie-API aan, waarbij de API boosheid, zorgen, afgrijzen, angst, blijdschap, verdriet en verrassing gewogen kan beoordelen. Deze API kan je zelf testen door een foto te uploaden. Het idee achter de API is dat de uitkomst (de waarschijnlijkheid dat een bepaalde emotie aan de orde is) als input voor een ander systeem kan worden gebruikt. Er zijn nog tientallen andere oplossingen ontwikkeld voor emotie-detectie. Een daarvan is Affectiva, een oplossing die aan de hand van camerabeelden van oogopslag en wenkbrauwen op basis van machine learning real time emoties kan benoemen. De software wordt onder andere gebruikt door game developers en filmmakers om de beleving van de gebruiker verder te personaliseren.

Informatie uit emoties kan ook via spraakherkenning worden geanalyseerd. Spraaktechnologie kan behoorlijk goed overweg met de vier basis-emoties (boos, blij, bang en bedroefd) door te kijken naar een groot aantal eigenschappen van de spraak, waaronder toonhoogte, intonatie, tempo en volume.

Het kunnen vertonen van empathisch gedrag is met al deze technologie nog niet gerealiseerd. Daarvoor is empathie te complex: een systeem kan bijvoorbeeld nog geen onderscheid maken tussen een grapje, sarcasme of cynisme. Empathie is voor een groot deel ook cultureel bepaald. Het staat onder invloed van religie, land en taal.

Impliciete kennis en begrip van de context

Waag het niet een persoonlijke vraag aan Siri of een andere assistent te stellen – ‘Wat vind je dat mij beter staat, een hoed of een pet?’ of ‘Waarom ben ik altijd te laat voor mijn afspraken?’. De virtuele assistenten kunnen alleen overweg met de informatie die door de ontwikkelaars wordt aangeboden of ontsloten. Toen Watson de kennisquiz Jeopardy won, beschikte dat systeem over een extreem uitgebreide dataset. Zo’n dataset blijft echter expliciete kennis (denk aan het internet of een gesloten database zoals alle medisch-wetenschappelijke literatuur) die bovendien actueel moet worden gehouden.

Voor zinvolle persoonlijke interacties is ook impliciete kennis nodig. Die categorie kennis zit alleen in hoofden van mensen. Ook hebben kunstmatige intelligentie-systemen veel moeite met ambigue informatie. Het voorbeeld dat Arjan van Hessen aangeeft (Jan ziet Marie met een verrekijker) is een mooi voorbeeld. Een systeem zal ambigue zinnen moeten herkennen en in staat moeten zijn de juiste contextuele informatie te vinden (of op te vragen aan de gebruiker).

De sprekende computer: text-to-speech

Tot slot: een computer die je verbaal wilt laten communiceren met mensen, zal zelf ook tekst naar spraak moeten kunnen omzetten. Ook deze spraaksynthese-technologie is enorm verbeterd. Waar voorheen met blokjes spraak werd gewerkt (waardoor een sprekende computer nogal kunstmatig en houterig over kwam) worden nu veel kleinere eenheden geanalyseerd, gecodeerd en gebruikt om spraak te produceren.

Op weg naar de uncanny valley

De oplossing die alle bovenstaande technologieën weet te combineren in bijvoorbeeld een robot met een levensecht uiterlijk, een goede motoriek en realistische gelaatsuitdrukkingen, komt dicht in de buurt van Westworld. Het is niet ondenkbaar dat over een paar jaar het onderscheid tussen mensen en robots – bijvoorbeeld bij toepassing van videoconversaties – op het eerste oog moeilijk te maken is. Naarmate het verschil tussen robots en mensen kleiner wordt, komt de ‘uncanny valley‘ steeds meer op de voorgrond: een afkeer van robots, omdat ze te veel menselijke trekjes krijgen.

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.

Callcenter in de zorg: hub voor verdere vernieuwing

Bereikbaarheid van ziekenhuizen? Dat gaat vooral over hoe je er per auto of OV kunt komen. Bellen, mailen, Twitteren of WhatsAppen, dat is een ander verhaal. Het verbeteren en vernieuwen van de dienstverlening aan patiënten staat nog in de kinderschoenen. Oorzaken: gebrek aan kennis over dienstverleningsconcepten, weerstanden bij zorgverleners om het werk anders (en slimmer) te organiseren. Het is toch veel leuker om onder vakgenoten de show te stelen met nieuwe medische technologie?

zorgkostenHet betaalbaar houden van ons zorgstelsel is een grote uitdaging. De zorguitgaven  in de jaren 2013, 2014 en 2015 zijn volgens het CBS minder sterk toegenomen dan in de vijftien jaar daarvoor en dat is goed nieuws. Innovatie in de zorg is een van de manieren om de kosten te beheersen. Zorginnovatie is tot nu toe echter vooral gericht op de medische kant. Er wordt veel geïnvesteerd in medische technologie (gericht op de behandeling van patiënten) en in toenemende mate in e-health – denk aan wearables, zorg op afstand en de toepassing van big data.

Anders organiseren is uitdaging

Anders werken en dus anders inrichten van processen rondom de patiënt – de sociale kant van innovatie – blijft dan ook onderbelicht. Daarbij kan je denken aan de zorglogistiek (inplannen van medisch personeel, organiseren van ondersteunende processen zoals bedden en catering), maar ook aan patiënten-logistiek: het informeren van patiënten, het inplannen van behandelingen, en het integreren van (self)service en zelfzorg. Vernieuwing op dat vlak leidt vaak tot het veranderen en verschuiven van taken en dat is een heet hangijzer in de zorg. Toch is deze sociale kant van zorginnovatie onvermijdelijk. Zorginstellingen krijgen te maken met schaalvergroting (als gevolg van het overheidsbeleid dat gericht is op centralisatie), met een mondiger patiënt (onder meer door toenemende transparantie als het gaat om de kwaliteit van zorg), met meer marktwerking en een grotere data-intensiteit (door de inzet van e-health en selfservice).

Inzetten op customer experience

In de huidige zorgmarkt is het van groot belang dat ziekenhuizen een goede marktpositie weten te bemachtigen. Ziekenhuizen moeten daarvoor goed presteren op kwaliteit, doelmatigheid en efficiëntie. Tegelijkertijd moeten ziekenhuizen ervoor zorgen dat ze patiënten aantrekken, door te zorgen voor uitstekende patiëntervaringen, een positief imago en een uitmuntende reputatie.

Bij patiëntgerichte ziekenhuizen is de kwaliteit van de zorg hoger en wordt er doelmatiger en kosteneffectiever gewerkt. Bovendien kunnen patiëntgerichte ziekenhuizen beter concurreren dan minder patiëntgerichte ziekenhuizen, aldusonderzoek- en adviesbureau DVJ Insights. Het ene ziekenhuis is echter veel klantvriendelijker dan het andere, zo blijkt uit onderzoek van DJV Insights onder 2600 patiënten van 28 grote ziekenhuizen. “We zijn het jaarlijkse onderzoek gestart (2016 is een nulmeting) omdat de meeste bestaande onderzoeken, naar patiëntervaringen, met uitzondering van de CQI-ziekenhuizen, zich voornamelijk richten op de medische processen en behandelingen. Bovendien wilden we weten in hoeverre de patiëntgerichtheid van ziekenhuizen afwijkt van de klantgerichtheid in andere bedrijfstakken.” DVJ Insights heeft naast de bijna 3.000 patiënten-ervaringen meer dan 20.000 klantervaringen verzameld in andere bedrijfstakken. Hieruit blijkt dat ziekenhuizen op een 4e plek staan ten opzichte van andere bedrijfstakken. Hiermee laten ziekenhuizen onder anderen banken, verzekeraars, energiebedrijven en netbeheerders achter zich, maar kunnen ziekenhuizen nog veel leren van de klantgerichtheid bij reisorganisaties, autodealers en webwinkels.

Innovatie in dienstverlening

In een artikel over innovatie in de dienstensector in de digitale wereld stelt McKinsey dat de customer service processen van bedrijven onder toenemende druk komen te staan. Digitale disruptie wordt genoemd als een van de oorzaken: nieuwe spelers bieden innovatieve, klantvriendelijke alternatieven voor de dienstverlening die de gevestigde bedrijven bieden. Voorbeelden van deze nieuwe spelers zijn Uber en Zipcar in het transport en Airbnb in hotels en horeca. Voor veel gevestigde partijen is verandering erg lastig, als gevolg van legacy in zowel systemen als in de cultuur. Het resultaat is vaak dat bestaande bedrijven zich tevreden moeten stellen met incrementele stappen, ook als het gaat om het verbeteren van de service. In het McKinsey artikel “Service innovation in a digital world” worden drie succesfactoren aangewezen als voorwaarde voor een winnende aanpak:

  1. een focus op service innovatie die gelijkwaardig is met de aandacht voor product R&D
  2. aandacht voor personalisatie en selfservice
  3. aandacht voor het vereenvoudigen (en/of het automatiseren) van (service)processen.

Bedrijven die hun serviceprocessen willen vernieuwen, moeten rekening houden met vier opkomende trends: hogere verwachtingen van de klant, mobiel internet, big data analytics en The Internet of Things.

dsc_1461De patiënt verandert

Ziekenhuizen zullen moeten voorsorteren op veranderende voorkeuren van patiënten. Hoewel de grootste groep patiënten nog graag de telefoon pakt, zullen online kanalen de komende jaren in belang toenemen. Instellingen die hun klantcontact niet centraliseren, krijgen straks bij ieder afsprakenbureau te maken met multichannel klantcontact. Of in termen van patiëntenzorg: de patiënt mailt, belt, appt en twittert. De komende jaren komt daar wellicht informatie van e-health devices bij, zoals wearables die de hartfunctie of bloedsuikerspiegel monitoren. Daarnaast neemt de concurrentie geleidelijk toe. In de zorgsector zijn het met name de huisartsen die een beslissende stem hebben bij het doorverwijzen naar een instelling of ziekenhuis. Wanneer zij de ervaring hebben dat ze niet gemakkelijk met specialisten in contact kunnen komen, zullen ze een patiënt eerder naar een beter presterende instelling doorverwijzen, aldus adviesbureau BRW.

Hoe gaan ziekenhuizen om met klantcontact?

Nederland telt acht universitaire medische centra, 83 algemene en 22 categorale ziekenhuizen, volgens Stichting Dutch Hospital Data. In een flink deel van deze 113 ziekenhuizen is een KCC nog geen vanzelfsprekendheid, vertelt Emile Elsbeek in een interview met vakblad CustomerFirst. Er zijn in de regel evenveel telefoonnummers in de roulatie als poli’s. Assistenten van poliklinieken doen aan multitasking: ze bedienen medici, balie, telefoon, handelen de afspraken af en maken tot slot vervolgafspraken. Klantcontact is doorgaans decentraal ingericht, aldus Elsbeek. Daardoor gaat niet alleen veel efficiency verloren, maar wordt ook naar schatting 15-30 procent van de calls gemist.

vumc-polikliniek-heelkunde
VUMC polikliniek heelkunde (2007)

Het adviesrapport dat VUMC heelkunde in 2007 liet opstellen, laat zien hoe groot de chaos en achterstanden in dienstverlening ooit waren. Hoewel deze gegevens bijna tien jaar oud zijn, laten ze zien dat een aanzienlijk deel van de telefoontjes van patiënten niet werd aangenomen. De opstellers van het rapport kwamen met deeloplossingen die de situatie moesten verbeteren, maar er werd niet gepleit voor centralisatie van het telefonisch patiëntencontact.

Klantcontact in de zorg: stand van zaken

Is tien jaar later dit beeld veranderd? Verschillende instellingen, waaronder het Groene Hart Ziekenhuis, het Vlietland Ziekenhuis, Bergman clinics en het Spijkenisse Medisch Centrum van Loek Winter zijn met een KC gaan werken. Het Zaans Medisch Centrum was een van de voorlopers op het vlak van vernieuwing van het klantcontact. Het ZMC opereert al enkele jaren met een klantcontactcenter, in nauwe samenwerking met de verschillende poli’s die sinds 2011 allemaal zijn aangesloten. Voor die periode lag de telefonische bereikbaarheid rond de 70 procent. Tegenwoordig scoort het ZMC 96 procent op telefonische bereikbaarheid, en zijn de wachttijden geslonken tot minder dan een halve minuut. 80 procent van de gesprekken (ten tijde van de implementatie gemiddeld 6000 per week) wordt binnen 40 seconden afgehandeld.

dsc_2200Het Ommelander ziekenhuis werkt sinds 2012 met een algemeen en een medisch KCC. Medewerkers die nu in het Klant Contact Centrum Medisch werken, waren eerder werkzaam bij de poliklinieken en de medewerkers die nu in het Klant Contact Centrum Algemeen werken, werkten voorheen bij de receptie. Voorheen kreeg de patiënt als hij het ziekenhuis probeerde te bereiken, vaak te maken met een in-gesprek toon en moest de patiënt zelf opnieuw bellen. De bereikbaarheid van het ziekenhuis is flink verbeterd. Doordat de medewerkers intern aangenomen zijn, is heel veel kennis behouden gebleven. Daarnaast hebben de medewerkers van de poliklinieken meer tijd voor de patiënten die in het ziekenhuis aanwezig zijn. Ook Isala boekte goede resultaten: betere bereikbaarheid tegen lagere kosten.

Het Flevoziekenhuis in Almere startte in 2011 met een pilot-telefooncentrum voor twee poli’s, die op dat moment een bereikbaarheid hadden van circa 60 procent. Enkele jaren later was die verbeterd en werden de andere (in totaal 20) poliklinieken aangesloten. Het Gemini-ziekenhuis in Den Helder worstelde tot 2009 met een gebrek aan managementinformatie over de bereikbaarheid, maar het gevoel daarover in 2009 was ‘slecht’. Het ging in 2010 van start met een KCC. En tot slot heeft Rijnstate in 2012 via een pilot een begin gemaakt met het opzetten van een KCC. In 2015 was het operationeel.

KCC is geen doel, maar een middel

Instellingen die het klantcontact willen verbeteren, kiezen steeds voor het centraliseren van het klantcontact: het wordt weggehaald bij de poliklinieken en gebundeld in een nieuwe omgeving die wordt bezet door herplaatste medewerkers met de juiste domeinkennis. De aanleiding is steevast het verbeteren van de bereikbaarheid. Dat is een goede stap, maar het komt wel neer op klantcontact 1.0 ofwel het opzetten van een belfabriek. Geen wonder dat KCC-projectteams op weerstanden bij artsen en paramedisch personeel stuiten. Ook Pieter Paul van Oerle (Accenture) herkent dit probleem: “In andere sectoren zie je dat radicale verandering volledig doordringt. Kijk maar naar Uber en Airbnb. Zij zijn zowel goedkoper als kwalitatief beter. In de zorg zien we veel minder disruptieve innovatie. Verzekeraars, ziekenhuizen en patiëntengroepen oefenen allemaal invloed uit en dat werkt vertragend.”

Het optuigen van een KCC moet dan ook niet worden gezien als een eindstation, maar als het oprichten van een hub waar straks alle communicatie tussen patiënten, instelling, medisch personeel en andere ketenpartners tezamen komt. Een KCC is, net als in het bedrijfsleven, de plek waar de customer journey wordt begeleid: waar interactie (dialoog, overleg, communicatie), transacties en data (afspraken, informatieverzoeken, monitoring en zorg op afstand) bijeenkomen. Kortom, het is een noodzakelijk platform voor verdere innovatie in de zorg.