Piet Daas bijzonder hoogleraar Big Data aan TU/e
Nieuwe statistieken
Het CBS wil voor zijn statistieken zoveel mogelijk gebruik maken van data die er al zijn, waaronder de grote hoeveelheden data die afkomstig zijn van het internet, verkeerslussen, sensoren en mobiele telefoons. Prof. dr. Piet Daas: ‘Daarmee kunnen we - naast de huidige wettelijk verplichte statistieken - nieuwe of meer gedetailleerde statistieken maken.Dankzij big data kunnen we ook sneller cijfers produceren én verminderen we de enquêtedruk voor burgers en bedrijven. Dat zijn grote voordelen. Maar het gebruik van big data brengt ook een aantal fundamentele vragen met zich mee.’
Vragen oplossen
Statistieken maken met big data is heel anders dan statistieken maken op basis van enquêtes: ‘Bij een statistiek op basis van enquêtes maak je eerst een ontwerp voor je onderzoek. Dan stel je de doelgroep vast, trek je een steekproef en ga je de data verzamelen. Bij een statistiek op basis van big data draai je het helemaal om: je begint met een set data. Maar bevat die set data alle informatie die je nodig hebt voor je statistiek?’ Het CBS loopt als statistiekbureau voorop als het gaat om de inzet van big data. ‘Dat betekent dat we zelf de vragen moeten oplossen die daarbij ontstaan. Als hoogleraar krijg ik ruimte om die vragen te onderzoeken.’
Representativiteit
Daas richt zich onder andere op de representativiteit van big data – zeggen de data voldoende over de populatie die je wilt meten? Hij legt uit: ‘Big databronnen bevatten vaak gegevens over een heel grote groep mensen of bedrijven. Maar komt deze populatie overeen met de doelgroep van je statistiek? Een voorbeeld: wij beschikken over bestanden met data over scheepsverkeer. Die bevatten alle scheepsbewegingen van alle schepen. Daar zit de representativiteit dus goed. Maar als je op basis van internetdata een statistiek wilt maken over bedrijven, bijvoorbeeld over de vraag hoe innovatief of duurzaam zij zijn, dan mis je informatie over bedrijven die geen website hebben. Dat kan een probleem zijn en als dat het geval is moet je een oplossing vinden om de ontbrekende data te corrigeren.’
‘Statistieken maken met big data is heel anders dan statistieken maken op basis van enquêtes’
Causaliteit
Een tweede belangrijke vraag betreft de relatie tussen het fenomeen dat je meet in een big data bron en datgene waarvoor het CBS de data wil gebruiken. Hierbij speelt causaliteit een belangrijke rol. Laten de data die je gebruikt een trend zien of is er sprake van toeval? Daas: ‘We maken officiële statistiek. Wat we publiceren moet kloppen. Het is dus heel belangrijk dat je onderzoekt of de gegevens uit je databronnen een antwoord geven op de statistische vraag die je stelt. Zeggen bijvoorbeeld de data die afkomstig zijn van de websites van bedrijven écht iets over hoe innovatief en duurzaam ze zijn?’
Ideale omgeving
Daas heeft veel zin in zijn hoogleraarschap. ‘Mijn werkweek bij het Center for Big Data Statistics van het CBS is hectisch. Bij de universiteit heb ik nu een dag per week de tijd om me met de vele experts die daar zijn volledig te richten op de theorie. In Eindhoven komt statistische kennis samen met computer science. Dat is een ideale omgeving om big data-onderzoek te doen. We starten nu met een literatuuronderzoek, bedoeld om een goede basis te leggen voor het beantwoorden van de fundamentele vragen. Daarna gaan we met de data aan de slag.’
Curriculum vitae Piet Daas
Dr. Piet J.H. Daas is biochemicus en bio-informaticus. In 1996 promoveerde hij cum laude aan de Radboud Universiteit Nijmegen. Daarna werkte hij bij de Universiteit van Wageningen, waar de datasets die gebruikt werden voor het onderzoek alsmaar groeiden. Sinds 2000 is hij methodoloog bij het CBS en legde hij de basis voor het onderzoek naar big data-statistieken. In 2016 werd het Center for Big Data Statistics bij het CBS opgericht om het gebruik van big data voor officiële statistieken verder te stimuleren. Daas wordt internationaal erkend als expert op het gebied van big data en geeft wereldwijd presentaties en trainingen op het vakgebied.