Data voor veiligheid

Data analyse is duidelijk in opkomst en transformatiestrategieën zijn met jaren versneld. Waarbij initiatieven bijna uitsluitend zijn gericht op efficiëntie en verbeterde besluitvorming rond activiteiten, zoals productie, verkoop, toeleveringsketen en boekhouding.


Ondertussen is het meeste veiligheidsbeheer nog steeds grotendeels niet geautomatiseerd, met behulp van Excel-spreadsheets en archiefkasten vol papieren dossiers. Waarmee vaak pas wordt gereageerd op incidenten in plaats van ze in de eerste plaats te voorkomen. Maar als het om veiligheid gaat, is mitigatie naar data analyse meestal too little, too late.


Letsel op de werkplek kost een land als de verenigde staten $ 171 miljard per jaar, waarbij er in dat bedrag ook een groot aantal vermijdbare dodelijke arbeidsongevallen zijn. Niet alleen zijn alle kosten hoog, maar letsel op de werkplek brengt ook op andere manieren schade toe. Met name een machine die betrokken is bij een ernstig ongeval zal een week of langer niet werken, waardoor de productie wordt vertraagd en klanten mogelijk naar andere productiebronnen gaan.


Arbeidsongevallen dragen ook bij aan een negatief beeld van de maakindustrie, wat werving en aanwerving kan belemmeren. Dit draagt bij aan de hindernissen waarmee fabrikanten al te maken hebben bij het concurreren om talent met bedrijven die hogere lonen aanbieden en bonussen ondertekenen.


Het wijst allemaal op de noodzaak om voorspellende, data gestuurde veiligheid een Industrie 4.0-mijlpaal te maken als je effectief willen concurreren om werknemers en klanten.


Het goede nieuws is dat we al beschikken over ten minste enkele van de technologieën om belangrijke veiligheidsgegevens te verzamelen. Zoals realtime monitoring, waarbij sensoren worden gebruikt om bij te houden of een machineonderdeel zodanig versleten is dat het defecte producten gaat produceren of helemaal niet meer werkt. Hierdoor kan  het onderdeel vervangen worden voordat het gevolgen heeft voor de kwaliteit of productieschema’s.


Evenzo kunnen gegevens van machinesensoren detecteren worden gebruikt om het risico een werknemer loopt. Met dergelijke inzichten kan men onderhoud of reparatie plannen voordat er een probleem ontstaat.


Analyse- en rapportagefunctionaliteit stelt ons in staat te profiteren van AI en machine learning voor diepere inzichten in de bescherming van de werknemers.


De juiste gegevens voor zinvolle inzichten
Naast het structureren van  gegevens, moeten we er ook voor zorgen dat we de juiste informatie verzamelen. De ervaring van één geeft vaak niet het inzicht in een aantal veelvoorkomende fouten van de ander.


De les is dat het beter is om meer en meer gedetailleerde gegevens te verzamelen, in plaats van te proberen te anticiperen op hoe je deze wil groeperen bij het uitvoeren van rapporten of het analyseren van de informatie.


Het vastleggen van gedetailleerde gegevens wordt nog belangrijker, aangezien toepassingen steeds vaker kunstmatige intelligentie (AI) en machine learning-mogelijkheden bevatten die duizenden gegevenspunten kunnen scannen om associaties te vinden die mensen waarschijnlijk zullen missen.


Met gedetailleerde gegevens bij de hand kun je profiteren van de analyse- en rapportagefunctionaliteit in applicaties om incidenten te voorkomen en naleving door de overheid en de industrie te vergemakkelijken. En ze zullen goed gepositioneerd zijn om te profiteren van AI en machine learning voor nog diepere inzichten in het proactief beschermen van werknemers in de toekomst.

Data Governance Act

Om het delen van gegevens in de hele EU te stimuleren zijn er nu regels opgesteld.

Waarmee Europa gebruik gaat maken van het potentieel van zijn steeds groter wordende stroom aan gegevens. Gegevens delen door vertrouwen en meer controle voor burgers, bedrijven. Europa scherpt bepalingen over exclusiviteit aan en stelt sancties voor overtredingen voor.

De regels zijn er om het beschikbaar stellen van meer gegevens te vergemakkelijken maar ook om nieuwe producten en innovatie te creëren, met name op het gebied van kunstmatige intelligentie.

De EU Data Governance Act (DGA), is gericht op het vergroten van het vertrouwen in het delen van gegevens, het creëren van nieuwe EU-regels voor de neutraliteit van gegevensmarkten en het vergemakkelijken van het hergebruik van bepaalde gegevens die in het bezit zijn van het publiek sector bijv bepaalde gezondheids-, landbouw- of milieugegevens, die voorheen niet beschikbaar waren op grond van de opendatarichtlijn.

Het faciliteren van het delen van gegevens is ook een voorwaarde om het potentieel van kunstmatige intelligentie te ontsluiten en start-ups en bedrijven te helpen een ecosysteem te ontwikkelen dat is gebaseerd op EU-normen en -waarden.

Het Europese Parlement heeft de reikwijdte van de wetgeving verduidelijkt, met name met betrekking tot gegevensbemiddelingsdiensten, om ervoor te zorgen dat grote technologiebedrijven onder het kader vallen.

Overheidsinstanties moeten vermijden overeenkomsten te sluiten die exclusieve rechten scheppen voor het hergebruik van bepaalde gegevens, de voorstellen om exclusieve overeenkomsten te beperken tot een periode van 12 maanden, in een poging om meer gegevens beschikbaar te maken voor kmo’s en start- opstaan.

Gevoelige overheidsgegevens mogen alleen aan derde landen worden doorgegeven als ze een vergelijkbaar beschermingsniveau genieten als in de Europa. De Europesche Commissie zal via een gedelegeerde handeling aangeven of een derde land dergelijke bescherming biedt, waardoor het Parlement inspraak kan hebben over het besluit om gegevens te delen.

De lidstaten moeten zelf sancties vaststellen voor overtredingen.

Om het potentieel te benutten van het gebruik van gegevens die vrijwillig beschikbaar zijn gesteld door middel van geïnformeerde toestemming of van algemeen belang, zoals wetenschappelijk onderzoek, gezondheidszorg, de bestrijding van klimaatverandering of het verbeteren van de mobiliteit, moet de wetgeving gegevensverzamelingen opzetten over een vrijwillig registratiesysteem van ‘dataaltruïsme’ in de EU erkende organisaties.

Een Schengen voor data zou met de op gestelde regels mogelijk moeten zijn.

“Het doel om het delen van gegevens gemakkelijker te maken, niet moeilijker. Er ligt een enorm potentieel voor groei en innovatie in een functionerende data-economie. De Data Governance Act (DGA) zal deze ontwikkeling helpen op gang te brengen”.

Al waren we laat in de Europesche gemeenschap met de revolutie op het gebied van persoonlijke gegevens, die de groei van de grote digitale bedrijven van vandaag voedde.

Er komt nu een industriële datarevolutie aan. Daarbij wil Europa weer voorop lopen door basisregels vast te stellen om vanaf de start eerlijke concurrentie en toegang tot gegevens te garanderen. Daarbij stellen we neutraliteit en vertrouwen centraal in Europa. Gegevens moeten gemakkelijk, veilig en vrij door de Europesche gemeenschap kunnen worden verplaatst.

De hoeveelheid gegevens die door overheidsinstanties, bedrijven en burgers wordt gegenereerd zal tussen 2018 en 2025 naar verwachting met vijf vermenigvuldigen. De nieuwe regels zouden het mogelijk maken om deze gegevens te benutten en zullen de weg vrijmaken voor sectorale Europese dataruimten om ten goede komen aan de samenleving, burgers en bedrijven.

Openbare data

Hoeveel persoonlijke informatie deelt u op internet?

Naam, locatie, leeftijd, functie, burgerlijke staat, profielfoto? De hoeveelheid informatie die mensen online te posten, varieert maar krijgt steeds grotere proporties.

Daarbij lijken de meeste mensen te accepteren dat alles wat we openbaar plaatsen, zich in het publieke domein bevindt.

Dus, hoe zouden ze zich voelen als al deze informatie zou worden gecatalogiseerd en in een mega spreadsheet met miljoenen vermeldingen zou worden geplaatst, om online te worden verkocht aan de hoogste bieder?

Bijvoorbeeld een database van 700 miljoen LinkedIn-gebruikers van over de hele wereld kosten ongeveer € 4.000.

Soortgelijke gevallen van schrappen van sociale media leed eerder tot een fel debat over de vraag of de persoonlijke basisinformatie die we openbaar delen, beter moet worden beschermd.

Wie de klanten zijn die deze data kopen of waarom ze deze informatie willen, lijkt niet bekend. Maar veel van deze informatie wordt gebruikt door kwaadwillenden die wat van ons willen.

Ondanks dat de wereld van cyberbeveiliging en privacy herhaaldelijk in vuur en vlam wordt gezet. Komen ze iedere keer weer met het argument dat we ons niet al te veel zorgen moeten maken over deze groeiende trend van mega-data.

Wat hier belangrijk is om te begrijpen, is dat deze mega-data niet worden gewonnen door in te breken op de servers of websites van sociale netwerken.

Ze worden grotendeels samengesteld door het openbare data van platform websites te oogsten met behulp van data robots die alle informatie die vrij beschikbaar is over gebruikers opvragen.

In theorie kunnen de meeste gegevens die worden verzameld, worden gevonden door eenvoudig alle websites op het internet één voor één te doorzoeken. Hoewel het natuurlijk veel tijd zou kosten om zoveel gegevens bij elkaar te verzamelen.

Daarbij maken de API’s van grote websites dit wel steeds makkelijker. Maar als je te veel verzoeken om gebruikersgegevens in één keer doet, zal het systeem je permanent verbannen. Maar doe je het in kleine runs en blijf je onder de data limieten, dan haal je binnen een paar maanden alle openbare informatie uit de systemen.

API staat voor Application Programming Interface en de meeste sociale netwerken verkopen API-partnerschappen, waarmee andere bedrijven toegang krijgen tot hun gegevens, bijvoorbeeld voor marketingdoeleinden of voor het bouwen van apps.

API-programma’s, geven meer informatie over gebruikers geven dan het grote publiek kan zien, waardoor de roep ontstaat strenger te gaan controleren woe wat opvraagt.

Het grootschalige lekken van data is zorgwekkend, gezien de ingewikkelde details, in sommige gevallen, van deze informatie – zoals geografische locaties of privé mobiele en e-mailadressen.

Voor de meeste mensen zal het een verrassing zijn dat deze API-data zoveel informatie bevat dat het anderen instaat stelt ons leven te analyseren en onze voorkeuren te voorspellen.

Als deze informatie in verkeerde handen valt kan dit een grote impact hebben op ons leven.

Big-data toekomst

Big Data belooft ons leven te transformeren op manieren die nog niet voor mogelijk werden gehouden. De toepassingsmogelijkheden van Big Data zijn vrijwel onbeperkt, van gezondheidszorg tot winkels. Big Data-analyses gebruikt om besparingen te ontdekken waar u van kunnen profiteren door te profiteren van verschillende inzichten die Big Data bied. Big Data-analyses om kansen te ontdekken en het werk efficiënter te maken. Maar hoe zouden deze transformaties er precies uitzien?

De toekomst van Big Data richt zich op gegevens die worden gegenereerd door sensoren die zijn aangesloten op netwerken, waardoor een snelle verwerking van enorme hoeveelheden informatie mogelijk is. De kracht van datatrends stelt u in staat om bestaande netwerken, analyses en applicaties te gebruiken om te anticiperen op trends, storingen en ongelukjes en deze te voorkomen. Zo kunnen we de dagelijkse uitgaven verlagen door de kosten te verlagen, uitval of gegevensverlies te voorkomen.

De toekomstige Big Data-analyseprojecten omvatten verschillende technologische ontwikkelingen. Sommige futuristen voorzien dat het Internet of Things (IoT) een industrie op zich zal worden. Omdat organisaties en apparaten over lange afstanden met elkaar communiceren, zorgen big data-trends voor de synchronisatie van gegevens zoals sociale netwerken, e-mail en mobiele berichten, waardoor betere besluitvorming mogelijk is. Bovendien zullen IoT-apparaten de uitwisseling van realtime gegevens over klimaatverandering, menselijke gezondheid en andere gebieden mogelijk maken. Cloudgebaseerde oplossingen maken de analyse mogelijk van enorme hoeveelheden gegevens die uit meerdere bronnen zijn gegenereerd en samen worden geanalyseerd.

Zoals eerder vermeld, nemen de technologieën die nodig zijn voor de toekomst van Big Data-analysetechnologieën alleen maar toe. Dit heeft het potentieel om traditionele kosten te verlagen, terwijl de efficiëntie wordt verbeterd en verspilling wordt verminderd. Bovendien kan vooruitgang in robottechnologie het analytische proces verbeteren en snellere, nauwkeurigere en gemakkelijk toegankelijke resultaten mogelijk maken. Kunstmatige intelligentie zal ons leven ook beïnvloeden. Naarmate machine learning en kunstmatige intelligentie blijven toenemen, zullen de mogelijkheden van computers toenemen en zal hun vermogen om informatie te verwerken nog krachtiger worden. De kracht van computers zal de komende vijf tot tien jaar in een ongekend tempo toenemen.

Een andere potentiële trend in big data-analyse is augmented analytics, waarmee op verschillende manieren digitale gegevens mogelijk zijn. Een voorbeeld van een dergelijke oplossing zou u kunnen helpen om de inhoud te begrijpen waartoe u toegang heeft via een RSS-feeds, sociale media, blogs, websites of nieuwsportalen. Dergelijke oplossingen kunnen eindgebruikers ook in staat stellen om locatiegebaseerde diensten zoals openbaar vervoer of taxidiensten te begrijpen. Deze oplossingen kunnen winkeliers ook helpen hun bedrijfsresultaten te verbeteren door een hogere productiviteit en minder afval.

De toekomst van Big Data-trends zorgen voor een opwindende tijd om in de technologie-industrie te werken. Technologische ontwikkelingen creëren nieuwe kansen en uitdagingen. Hoewel sommige uitdagingen van relatief korte duur kunnen blijken te zijn, kunnen andere het hele spectrum van technologie omspannen en onze manier van leven van dag tot dag veranderen. Het is essentieel om op de hoogte te blijven van de opkomende trends en de nieuwste technologieën die zijn gebruikt om ze te creëren. Zodat  u beschikt over de informatie die u nodig hebt een deel uit te maken van deze nieuwe toekomst.