pagina

De algoritmische waakhond; Datagedreven mededingingstoezicht


De toenemende beschikbaarheid van data en rekencapaciteit om grote hoeveelheden gegevens te verwerken biedt kansen om snel nieuwe inzichten te krijgen en deze efficiënt in te zetten. Ondanks het feit dat een term zoals 'Business Intelligence' kan suggereren dat deze ontwikkelingen vooral relevant zijn voor het bedrijfsleven, is dat zeker niet het geval. Wetenschappers hebben altijd veel gebruik gemaakt van data, maar ook overheidsinstellingen kunnen nieuwe inzichten uit data gebruiken in hun besluitvorming om beter geïnformeerde keuzes te (kunnen) maken.

Zo kan bijvoorbeeld met data worden geïdentificeerd wat de impact van verschillende fenomenen is op een relevante uitkomst, waardoor beleidsmakers in staat zijn om een maatregel te kiezen die dit mechanisme benut en de uitkomst efficiënt én op een gewenste manier beïnvloedt. Een onderzoek kan achterhalen aan de hand van data wat de effecten zouden zijn van een verbreding van een snelweg met een extra rijstrook op het ontstaan van (bij voorkeur) minder files, maar ook op bredere regionale economische omstandigheden. Data over verkeersstromen, beschikbare banen en bevolkingsontwikkeling zijn voorbeelden van bronnen die kunnen worden gebruikt. De effecten kunnen dan worden vergeleken met die van het aanleggen van een nieuwe snelweg, en een goede kosten-batenanalyse kan dan worden uitgevoerd om te bepalen of en zo ja op welke manier er extra kilometers snelweg dienen te worden aangelegd.

Voorspellingsmodellen kunnen helpen bij de inschatting van relevante toekomstige ontwikkelingen. Nieuwe inzichten kunnen leiden tot tijdige introductie van nieuw beleid of aanpassing van huidige maatregelen. Nauwkeurige schatting helpt bovendien bij het bepalen van parameters van vrijwel alle beleidsstukken gericht op de toekomst.

Efficiënte bewerking van grote hoeveelheden gegevens kan helpen bij het detecteren van belangrijke gebeurtenissen. Zo kan bijvoorbeeld machine learning worden gebruikt voor het eerder identificeren van trends in meldingen van burgers, fraude of fouten bij betalingen van belastingen en toeslagen. Deze trends kunnen worden gedetecteerd en opvallende patronen in de data kunnen leiden tot nieuwe inzichten en snellere acties.

Niet alle tools zijn echter even krachtig en bruikbaar voor alle bovenstaande vraagstukken. In dit artikel waarschuwen we voor mislukkingen, die datagedreven werken met zich mee kan brengen als dit niet juist uitgevoerd is. Verder lichten wij toe waarom de focus op het doel van de analyse moet liggen en niet op een methode, ongeacht hoe populair deze methode is. Tot slot bespreken wij de relevantie van data-analyse voor mededingingsautoriteiten en bespreken wij een eenvoudig algoritme dat een mededingingsautoriteit kan inzetten voor het opsporen van kartels.

 

Het volledige artikel is te vinden in het Tijdschrift voor Toezicht.

 

Erik Brouwer is hoofd van het cluster Big Data Science bij SEO Economisch Onderzoek. Erik heeft meer dan 25 jaar ervaring met toegepast economisch onderzoek en advieswerk op het gebied van Big Data Science. Tevens is hij specialist in het meten en mitigeren van risico’s, mededinging en innovatie en het meten van klantvoorkeuren en de betalingsbereidheid voor producten en diensten voor diverse sectoren. Meer informatie is te lezen in zijn volledige profiel.


Categorie: actueel