Big data als motor voor andere vaardigheden

2. Big data en kunstmatige intelligentie

Door Internet of Things zijn steeds meer extreem grote hoeveelheden data beschikbaar. Big data in combinatie met business intelligence (BI) gaat zorgen voor real-time informatie met voorspellende waarde. De afgelopen jaren zijn er steeds meer chatbots en andere vormen van kunstmatige intelligentie toegepast in klantcontact. Door het gebruik van data is de vraag daar naar hbo’ers toegenomen ten koste van mbo’ers en veranderen de taken van mbo’ers.

Financiële diensten en impact beroepsonderwijs

FINANCIËLE DIENSTEN

Het benutten van big data vindt reeds plaats bij bestaande werkzaamheden (bijvoorbeeld bestrijding van fraude met uitkeringen) (A&O fonds gemeenten: digitalisering en de toekomst van het werk bij gemeenten). Big data in combinatie met business intelligence (BI) gaat zorgen voor real-time informatie, voor voorspellende waarde, en een andere manier van werken en dat vraagt om andere specialismen dan waar nu op wordt ingezet (Hays, baan van de toekomst 2016).

In de komende vijftien jaar zien we grote delen van de financiële kolom verdwijnen, naarmate software die de data beheert volwassen wordt in het interpreteren van deze data. Het is de verwachting dat deze beweging in de gehele sector te zien is, van basale administratie tot controllers, bij analisten en CFO’s en alles dat daar tussenin zit. Uit een onderzoek uitgevoerd door Hays blijkt dat volgens 64 procent van de werknemers binnen de sector in 2030 kunstmatige intelligentie en big data de basis vormen voor iedere beslissing en ieder advies binnen de financiële sector. Een meerderheid (54%) verwacht in 2030 volledig op de voorspellende kracht van kunstmatige intelligentie en big data te rekenen bij het geven van advies. Een derde van de respondenten is het daar niet mee eens (Hays). Door de grote hoeveelheden beschikbare data kunnen banken makkelijker proactief handelen; door data om te zetten in betekenisvolle informatie en deze te monitoren kan een bank contact opnemen voordat de problemen ontstaan of groot worden.

 

Big Data krijgt ook steeds meer impact op de werkwijze van financiële instellingen, omdat Big Data analytics kan bijdragen aan het beter en sneller inschatten en waarderen van risico’s. Ook kan de inzet van Big Data analytics helpen om grote en onverwachte veranderingen eerder op te sporen.

GarantiBank biedt een gratis mobiele app (iGaranti) die klanten gepersonaliseerde aanbiedingen en adviezen geeft op basis van hun locatie en hun uitgaven in het verleden. De app maakt daarvoor gebruik van big data en advanced analytics, en wijst gebruikers op basis van onder meer de locatiegegevens en reviews van Foursquare-gebruikers op winkels in de buurt met een speciale aanbieding. Daarnaast biedt de app de mogelijkheid om interessante suggesties op te slaan, en kan de app op basis van eerdere uitgaven inschatten wat de bestedingsruimte van een klant voor de rest van de maand is (PWC2).

Verzekeraars beschikken over veel data. Echter, deze is nooit verzameld met de behoefte van vandaag in het achterhoofd. De vraag is dan ook: in hoeverre hebben verzekeraars bruikbare data? Big data worden in allerlei toepassingsdomeinen ingezet en kunnen leiden tot een afname van risico’s. Denk bijvoorbeeld aan het gebruik van Big Data in de ontwikkeling van nieuwe therapieën en medicijnen (TNO1).

Albert van de Spek en Ab Chakai, Sparklab

Binnen het Sparklab ontwikkelen wij concepten die werken op andere soorten data dan gebruikelijk voor risicoberekeningen. Zo gebruiken we bijvoorbeeld informatie over het weer bij inbraakvoorspellingen. We gebruiken deze gegevens primair voor modellen ter preventie. Maar natuurlijk kun je het ook omdraaien; met zuivere voorspellingen weet je beter wat voor risico je in de boeken hebt en wat dat betekent voor premies

Kunstmatige intelligentie draagt bij aan de verdergaande automatisering. Het maakt het bijvoorbeeld mogelijk om steeds slimmere ‘intelligent agents’ te creëren, die met behulp van sensoren observeren wat er in de wereld om hen heen gebeurt en op grond daarvan zelf actie ondernemen. Toepassingen van kunstmatige intelligentie hebben gevolgen voor werkzaamheden. Taken van mensen veranderen hierdoor ook.

“Als verre toekomstvisie kun je zien dat de auto steeds meer sensoren heeft waarmee die verbonden is met de buitenwereld. Zo’n auto meldt zelf even dat die aangereden is, waar en door welke partij, zodat de schade betaalt wordt. Als dat dan weggeschreven is, op een blockchain, dan heeft iedereen een single source of truth. Ten opzichte van het huidige proces hoeven heel veel mensen dan niet meer aan het werk. Disputen tussen partijen onderling over wat er gebeurd is, die bestaan niet meer. Want die auto vertelt het gewoon precies zoals het was.”
– Martijn Minkenberg, Verbond van Verzekeraars

Chatbots
Chatbots zijn geautomatiseerde gesprekspartners. Ze bestaan uit business rules en Artificial Intelligence (AI). Gebruikers kunnen ermee interacteren via tekst of spraak. De afgelopen jaren zijn er steeds meer chatbots en andere vormen van kunstmatige intelligentie toegepast in klantcontact. Uit een onderzoek van TechEmerge komt naar voren dat de verwachting is dat dit de aankomende vijf jaar alleen nog maar meer zal toenemen. Onderzoek wijst verder uit dat 44 procent van de mensen communiceren met een chatbot zou prefereren boven het communiceren met een medewerker, als alles tenminste optimaal zou werken. En daarin zit op dit moment de crux: door het ontbreken van emotie kunnen chatbots veel schade bij klanten veroorzaken, die doordat ze zich niet gehoord voelen hun aankopen ergens anders gaan doen.

In de huidige ontwikkelingen is het nog niet mogelijk voor chatbots om menselijke emoties te begrijpen of te tonen. Positief aan een chatbot is dat veel mensen binnen een korte tijd worden geholpen en er zijn geen wachttijden. Het zal echter nog een lange tijd duren voordat chatbots volledig voldoen aan de verwachtingen, en dan nog blijven medewerkers voor lastige gevallen belangrijk (Fintrex).

“Ik denk dat vrij snel een beoordeling van schades gedaan kan worden door de computer. Als je de klant aan te telefoon krijgt, dan kan een chatbot in eerste instantie best empathisch zijn. Maar als iemand echt een probleem heeft…dan is dat niet voldoende. Er zijn ook verzekeraars die zeggen: “We zetten gegarandeerd NOOIT chatbots in op ons klantenproces. Dus je krijgt altijd een mens aan de telefoon.” En dat spreekt sommigen ook weer aan. Die klant echt snappen, en begrijpen en aanvoelen wat het met je doet als je een aanrijding hebt. Dat is een vaardigheid die blijft heel belangrijk. Dat is de toegevoegde waarde als medewerker verzekeringen.”
– Martijn Minkenberg, Verbond van Verzekeraars

IMPACT BEROEPSONDERWIJS

Big data gaat het werk van financieel-administratief medewerkers verder ondersteunen. De medewerker dient daar kennis van te nemen. Door het gebruik van data is er behoefte aan andere vaardigheden van de medewerker op mbo-niveau. De analytische vaardigheden en het empathisch vermogen worden steeds waardevoller.

Ook ICT vaardigheden zijn steeds waardevoller. “Het gaat veel meer over de klant bedienen en behagen. Maar om zo’n proces in te richten, is het heel handig als de klantmedewerker degene is die de klant vertegenwoordigt in het bedrijf. Dat die medewerker snapt wat die programmeur of artificial intelligence deskundige nodig heeft. En daarmee hoeft de medewerker niet zelf te kunnen programmeren, maar wel de vertaling te kunnen maken en de taal kunnen spreken van de ICT’er. Het informatiemanagement vak zoals dat vroeger dan heette. Ik denk dat dat heel relevant blijft om überhaupt te snappen wat er gebeurt.”
– Martijn Minkenberg, Verbond van Verzekeraars

Er komen nieuwe banen bij op het gebied van controle en toezicht en ‘big data’, bijvoorbeeld het analyseren van klantstromen. Het niveau van de nieuwe functies is vaak hoger dan de functies die verdwijnen: er is sprake van upgrading van het werk (UWV sectorrapportage financiële dienstverlening, 2014). Op mbo-niveau zijn er steeds minder functies.

Een bank zit op een berg van informatie, weet heel veel van klanten. Het is van belang om dat te vertalen naar inzicht en managementinformatie. Daar heb je natuurlijk ook mensen voor nodig die dat kunnen. Ik denk dat dit meer hbo-functies zijn. Op hbo-niveau is er een nieuwe functie bijgekomen: de know your customer. Weten wie je klant is wordt steeds belangrijker. Van de bank wordt verwacht dat zij hun klanten kennen. Je wilt niet dat klanten betrokken zijn geweest bij witwaspraktijken, terrorisme, omkoping of corruptie… Een know your customer is verantwoordelijk voor het actualiseren, analyseren en sluiten van de (juridische) klantdossiers. Hij/zij draagt zorg voor het sluiten en archiveren van (juridische) klantdossiers en het verwerken van administratie die hieruit ontstaat. Waar nodig neem je contact op met de klant om het dossier te completeren.”
Bas van Bommel, Rabobank

Office en impact beroepsonderwijs

OFFICE

Bepaalde taken van secretaresses nemen af door het gebruik van voice assistenten. Consumenten gebruiken voice assistenten steeds meer op smartphones voor simpele taken zoals het inplannen van afspraken, het versturen van notities en het delen van documenten (Forrester). Siri spreekt momenteel 20 talen en Google assistent spreekt 30 talen. Ook worden stemmen steeds beter herkend. Het maken van notulen is niet meer nodig nu audio opnamen automatisch steeds gemakkelijker worden omgezet in notities.

 “Laatst was er iemand die zei: maak even een afspraak bij een restaurant, en dat ging gewoon gebeuren. Hij had daar Siri voor of één of andere app, zo simpel kan het dus zijn. Vroeger bracht er iemand bij mij een brievenboek binnen. Tegenwoordig kan niemand zich dit meer voorstellen. Dus dat secretaresse vak is al ontzettend veranderd.” – Marjolein ten Hoonte, Randstad

Het gebruik van big data is ook te ervaren in communicatie. Consumenten genereren grote hoeveelheden gegevens en naarmate data-analyse goedkoper en kwalitatief beter wordt, zijn bedrijven steeds beter in staat om klantgedrag en behoeften te voorspellen. Door de inzet van big data kunnen bedrijven hun klantgroepen beter inzichtelijk maken en deze efficiënter benaderen. Het enkel focussen op bijvoorbeeld conversieratio’s is niet goed genoeg meer.

Vorig jaar was 94% van de marketeers gericht op het verbeteren van hun data- en analysemogelijkheden, personalisatietechnieken en gegevensbeheer. Het verbeteren van de klantervaring m.b.t data zal een van de top prioriteiten zijn voor decisionmakers in 2019 volgens een onderzoek van Forrester Consulting (Meltwater).

De toegenomen personalisering van content doet een beroep op de vaardigheden van de informatiegebruiker, waarbij hij er bewust van dient te zijn dat de informatie die hij krijgt voorgeschoteld, is afgestemd op zijn online zoekgedrag. Volgens sommigen kent deze vergaande personalisering door algoritmes ook een keerzijde. Mensen komen steeds meer in unieke informatiewerelden terecht, die dusdanig op maat gesneden zijn dat burgers niet meer worden blootgesteld aan zaken die oncomfortabel voelen, die uitdagen, die andere inzichten bieden, aan nieuwe mensen en andere perspectieven (Sectorinstituut Openbare Bibliotheken).

“Het genereren van de data en interpreteren van data wordt steeds verder geoptimaliseerd. Het nadeel is dat je steeds meer in een informatiebubbel komt, je wordt steeds meer getarget en gepersonaliseerde content is daarop aangepast. Er komt een beweging om creatief verrast te worden. Hoe vaak word je nog echt verrast? Daar ligt nog een grote toekomst.”
Johan Keurentjes, De Nieuwe Zaak

Een groeiende trend binnen het gebruik van big data is predictive marketing, oftewel: voorspellende marketing. Predictive marketing is het verzamelen van grote hoeveelheden gegevens over de doelgroep om zo een beter inzicht te krijgen in mogelijk nieuwe marketingstrategieën die het beste werken. Predictive marketing maakt gebruik van artificial intelligence en big data om zo te berekenen welke strategieën en marketingcampagnes kunnen werken voor de doelgroep (marketingautomationtips).

“De ultieme stap van personalisering is predictive marketing, dat ik al weet wat jouw volgende stap zal zijn: wat jouw volgende aankoop gaat zijn. Dat gaat als volgt: vanuit een grote database worden analyses gedraaid, op een gegeven moment is te zien dat een persoon, op basis van gedrag en kenmerken, erg lijkt op een gedeelte van een bepaalde populatie. Van die populatie weet ik al wat de volgende stap is dus ga ik die jou ook aanbieden.
– Johan Keurentjes, De Nieuwe Zaak

De trend van personalisering (of als we verder kijken predictive marketing) betekent voor een marketing medewerker dat hij/zij data moet kunnen leren interpreteren. Daarbij gaat het om gedragsdata die meetbaar is. Het betekent dat de student leert om gebruik te maken van de beschikbare data die er via de mobiel of computer beschikbaar komt.

“Als docent moet je in staat zijn om dat uit te kunnen leggen vanuit de belevingswereld van de student. Dat ze leren snappen wat er gebeurt met hun zoekgedrag op hun mobiel. Ook moet een student vragen durven stellen. Vragen stellen, vragen stellen, vragen stellen totdat ze het echt begrijpen. Dan leren ze sneller.”
– Johan Keurentjes, De Nieuwe Zaak

Een communicatiemedewerker moet weten wat er met data allemaal mogelijk is en daarmee rekening houden in het aanbieden van content.
“De content moet aansluiten bij het zoekgedrag in Google. De zoekwoorden moeten terugkomen in de teksten die je schrijft. Ook is het principe van adverteren heel anders, omdat in de digitale wereld alles meetbaar is. Dus één van de zaken die ik heel belangrijk vind, dat studenten veel meer dataskills krijgen, dat ze beter data leren interpreteren. Want die data is er, als je die goed gebruikt, dan kun je daar enorm profijt van hebben. Beetje grof gezegd, marketing was vroeger vooral theorie en onderbuikgevoel, nu maken we het allemaal meetbaar. Continu testen, uitproberen, doorvoeren, weggooien.”
– Johan Keurentjes, De Nieuwe Zaak

Het verwerven van data gebeurt overal en de mogelijkheden zijn eindeloos. Het werken met data vraagt van een medewerker communicatie om het vermogen te hebben om te beoordelen wat wel/niet gerechtvaardigd is. Het is belangrijk dat ze het besef hebben dat er grenzen zijn in het verzamelen van big data. Om te kunnen werken met data is het van groot belang dat men beschikt over de juiste data skills. Ook vraagt het werken met data dat een medewerker dient te beschikken over de juiste ICT vaardigheden. Het communicatie vak en ICT moet weer meer met elkaar verstrengeld zijn. Dan is de toegevoegde waarde van het vakgebied van communicatiemedewerker sterker. Het werken met data is in feite allemaal informatie-uitwisseling en technologie. Het gaat om de combinatie van technologie (van hoe doe je dat) en om het menselijke aspect van communicatie (van wat heb je ervoor nodig).

Juridisch en impact beroepsonderwijs

JURIDISCH

Kunstmatige intellligentie (KI) maakt recruitment en staffing slimmer. KI wordt een standaard en niet weg te denken onderdeel van werving en selectie ontwikkelt. De menselijke factor en de inschatting van managers en recruiters blijft van groot belang, maar de mate waarin data-analyse en kunstmatige intelligentie gedrag, gewoontes, werkethiek, veranderingsbereidheid en cultuurmatches kunnen inschatten, gaat veel verder dan mensen überhaupt zouden kunnen. Op het gebied van werving kan KI organisaties inzicht geven in regionale arbeidsmarkten, voorspelt het of een functie makkelijk ingevuld kan worden en helpt het bij het opstellen van vacatureteksten. Werven en selecteren gaat met KI gerichter. Het maakt het mogelijk om gericht te zoeken in de juiste talentenvijver. Doordat KI veel werk uit handen neemt bij werving en selectie hebben HR-medewerkers en HR-dienstverleners hun handen vrij om meer aandacht te geven aan kandidaten, medewerkers en organisaties. Ze hebben meer tijd om de finale match tussen kandidaat en organisatie te onderzoeken en te voltooien. Juist HR-medewerkers zijn in staat om te achterhalen of een kandidaat op persoonlijk vlak past bij het DNA van de organisatie. Daarnaast zorgt KI ervoor dat HR-medewerkers meer tijd kunnen besteden aan hulp bij de toekomstplannen van medewerkers en bij de richting die ze op willen. (Startpeople en PWC4).

In de juridische dienstverlening vragen klanten steeds meer inzicht in de prijsopbouw. Big data geven hiertoe mogelijkheden. Zo kunnen aan de hand van kwantitatieve en voorspellende modellen vaste prijzen worden berekend voor civiele procedures die de onderneming kan delen met klanten. 

De Belastingdienst gebruikt big data om bepaald risico’s te berekenen. Door het gebruik van data is de vraag daar naar hbo’ers en WO-ers toegenomen. Henk Bastiaannet (de Belastingdienst) vertelt: “Bij ons is de manier van werken veranderd. We controleren niet meer één op één de aangiftes. Ondernemers kregen één keer in de vijf jaar controle maar dat kan niet meer. Dan heb je ontzettend veel medewerkers nodig met een aanzienlijk budget, dat de politiek niet beschikbaar stelt! Zeker met het aantal zzp-ers en nieuwe ondernemers dat de laatste jaren flink is gegroeid. Particulieren werden gecontroleerd door mensen met veelal een mbo-opleiding met aanvullende interne opleidingen. We zijn overgegaan op een systeem dat uitgaat van het inschatten van risico’s. We zijn meer bezig met data analytics en het koppelen van bestanden. Dan komt er een bepaald risico uit, dat gaat dan naar een vestiging toe. Het primaire proces maakt een inschatting van het risico middels een analyse en het verdere verloop van de post. Als er een kleine omzet is en toch een grote aankoop waar komt dat geld dan vandaan? Maar je moet zo’n signaal wel kunnen lezen. Dus we gaan over naar hoger opgeleide functies (HBO/WO), die de gegevens kunnen interpreteren en analyseren met fiscale kennis en communicatieve vaardigheden.

McGinnis en Pierce voorspellen dat er vijf gebieden zijn waarop machine intelligence behoorlijke veranderingen teweeg zal brengen voor juridische dienstverleners:

  • E-discovery; dit betreft het doorzoeken van grote hoeveelheden elektronische data voor een specifiek doel. Aanvankelijk werd e-discovery gebruikt in het kader van een juridisch onderzoek of een rechtszaak om bewijsmateriaal te vergaren. Tegenwoordig wordt het ook ingezet voor andere doeleinden. Bijvoorbeeld bij fusies en overnames om de benodigde gegevens boven tafel te krijgen. Of bij due diligence-onderzoeken om de juistheid van onder andere financiële, fiscale en juridische gegevens te controleren.
  • Legal search; te verwachten is dat binnen nu en tien tot vijftien jaar zoekmachines semantisch kunnen zoeken en het gevonden materiaal kunnen evalueren.
  • Document generation; Machine intelligence kan een revolutionaire verandering teweegbrengen in het gebruik van juridische documenten.
  • Brief andmemoranda generation; dit betreft juridische teksten tijdens gerechtelijke procedures of interne kantoorstukken om elkaar op de hoogte te stellen van de stand van zaken in een specifieke casus. McGinnis et al. verwachten dat over vijftien jaar de eerste acceptabele concepten worden geproduceerd.
  • Prediction of case outcomes; dit betreft het voorspellen van de waarschijnlijke uitspraak van een rechter met behulp van big data. Meer in het algemeen wordt ervan uitgegaan dat er in de toekomst steeds meer gebruik wordt gemaakt van Legal analytics: het gebruik van ‘big legal data’ voor bedrijfsvoering, marketing en inhoudelijke kennis. Er worden hulpprogramma’s ontwikkeld die rechtzoekenden helpen keuzes te maken. Ravellaw.com heeft bijvoorbeeld een database waarin alle US caselaw is opgeslagen. De website stelt gratis hulpprogramma’s beschikbaar om die data te analyseren.

Afhankelijk van hun type praktijk, zullen de gevolgen verschillend uitpakken voor juristen. Doen ze veel gestandaardiseerd werk dat door een machine gedaan kan worden, dan staat hun toekomst onder druk (Ministerie van Veiligheid en Justitie).

 

INHOUDSOPGAVE SECTORALE TRENDS ZD