Kvantificering af værdien af åbne offentlige data

digitaliser.dk

Kvantificering af værdien af åbne offentlige data

Kvantificering af værdien af åbne

offentlige data

Version: 1.1

11/3 2011

Version 1.1 Zangenberg & Company

1


Indhold

Executive summary ........................................................................................ 5

Introduktion................................................................................................... 7

Værdien af åbne data ............................................................................................ 7

Analysens mål ....................................................................................................... 7

Metode ................................................................................................................. 7

Identifikation og beskrivelse af dataområder .......................................................... 8

Hypoteser vedrørende interessenter....................................................................... 8

Interview med nøglepersoner.................................................................................. 9

Indsamling af case-­‐materiale ................................................................................... 9

Analyser og konklusioner ......................................................................................... 9

Identifikation og beskrivelse af dataområder ............................................... 10

NORM – datalandskab for den offentlige sektor ...................................................10

Værdi for eksterne interessenter.................................................................. 11

Identifikation af brancher og interessenter...........................................................11

Banksektoren............................................................................................... 12

Beskrivelse af emnefelt ........................................................................................12

Hypotese for åbne data i banksektoren ................................................................12

Case: Danske Bank................................................................................................12

Om Danske Bank .................................................................................................... 12

Barrierer og udfordringer .....................................................................................15

Tekniske barrierer .................................................................................................. 15

Lovgivningsmæssige barrierer................................................................................ 15

Politiske overvejelser.............................................................................................. 15

Estimering af potentiale: Banksektoren ................................................................15

Bedre rådgivning, færre tab ................................................................................... 15

Massivt effektiviseringspotentiale ......................................................................... 15

Responsible lending................................................................................................ 16

Forsikringsbranchen..................................................................................... 17

Beskrivelse af emnefelt ........................................................................................17

Hypoteser for åbne data i forsikringsbranchen .....................................................17

Forsikring .............................................................................................................17

Risikoafdækning ..................................................................................................... 17

Rette dækning ........................................................................................................ 18

Forsikringssvindel ................................................................................................... 18

Pensionsrelaterede forsikringer............................................................................19

Barrierer og udfordringer .....................................................................................19

Tekniske barrierer .................................................................................................. 19

Juridiske barrierer .................................................................................................. 19

Politiske overvejelser.............................................................................................. 19

Estimering af samlet potentiale: Forsikringsbranchen...........................................20

Detailhandlen .............................................................................................. 21

Beskrivelse af emnefelt ........................................................................................21

Hypoteser for åbne data indenfor detailbranchen ................................................21

Case: COOP...........................................................................................................21

Om COOP................................................................................................................ 21

Case: FDB .............................................................................................................22

Barrierer...............................................................................................................22

Estimering af potentiale: Detailhandlen................................................................22

Version 1.1 Zangenberg & Company

2


Energisektoren............................................................................................. 23

Beskrivelse af emnefelt ........................................................................................23

Hypotese for åbne data indenfor energisektoren..................................................23

Case: Salg af serviceydelser omkring energibesparende foranstaltninger..............23

Efterspurgte data..................................................................................................25

Barrierer og forudsætninger .................................................................................25

Tekniske barrierer .................................................................................................. 25

Lovgivningsmæssige barrierer................................................................................ 26

Politiske overvejelser.............................................................................................. 26

Estimering af potentiale .......................................................................................26

Medicinalindustrien ..................................................................................... 28

Beskrivelse af emnefelt ........................................................................................28

Hypoteser for åbne data i medicinalindustrien .....................................................28

Case: Novo Nordisk ..............................................................................................28

Om Novo Nordisk ................................................................................................... 28

Sundhedsdata kan bruges til fastlæggelse af kompetitive strategier .................... 31

Barrierer og udfordringer .....................................................................................31

Tekniske barrierer .................................................................................................. 31

Lovgivningsmæssige barrierer................................................................................ 31

Politiske overvejelser.............................................................................................. 31

Case: The General Practice Research Database (GPRD) .........................................31

Samlet estimering af potentiale: Medicinalindustrien...........................................32

Bedre design af kliniske forsøg............................................................................... 32

Bedre vurdering af nye udviklingsprojekter ........................................................... 32

Turisterhvervet ............................................................................................ 33

Beskrivelse af emnefelt ........................................................................................33

Om Turistens beslutningsproces ved valg af destination.......................................34

Hypotese for åbne data indenfor turisterhvervet..................................................34

Case: VisitDenmark...............................................................................................34

Case: Destination Ringkøbing, Hvide Sande/Visit Vestjylland................................35

Case: Applikationer som “myTravelMate – Denmark” ..........................................36

Barrierer og forudsætninger .................................................................................37

Estimering af samlet potentiale: Turisterhvervet ..................................................37

Den Kommunale Sektor................................................................................ 38

Beskrivelse af emnefelt ........................................................................................38

Case: Odense Kommune (effektivisering af sagsbehandling Sundheds-­‐ Ældre-­‐ og

Handicapforvaltningen) ........................................................................................38

Når en borger indlægges på sygehus ..................................................................... 39

Når en borger hjemsendes fra sygehus.................................................................. 39

Når en borger starter i kommunal genoptræning.................................................. 39

I forbindelse med hjælpemidler ............................................................................. 40

Når borgeren modtager ydelser fra den kommunale sygepleje ............................ 40

Når borgeren modtager ydelser fra den kommunale hjemmepleje ...................... 40

Ét sygehusvæsen .................................................................................................... 40

Barrierer og forudsætninger .................................................................................. 40

Case: Odense Kommune (Indsatsen mod socialt bedrageri) ..................................40

Case: SAS Institute i Ballerup Kommune (socialt bedrageri, enligydelser):.............42

Estimering af potentiale: Den Kommunale Sektor.................................................42

Effektivisering af sagsbehandling Sundheds-­‐ Ældre-­‐ og Handicapforvaltningen ... 42

Indsatsen mod socialt bedrageri ............................................................................ 42

Bilag 1: Interviewpersoner og referencer...................................................... 44

Generelt om åbne data, datalandskab, mv. ..........................................................44

Interviewpersoner.................................................................................................. 44

Forsikring .............................................................................................................44

Version 1.1 Zangenberg & Company

3


Interviewpersoner.................................................................................................. 44

Materiale................................................................................................................ 44

Bank .....................................................................................................................45

Intervewpersoner................................................................................................... 45

Medicinal .............................................................................................................45

Interviewpersoner.................................................................................................. 45

Materiale/kilder ..................................................................................................... 45

Energi ...................................................................................................................45

Interviewpersoner.................................................................................................. 45

Materiale................................................................................................................ 45

Turisme og oplevelses-­‐økonomi ...........................................................................46

Interviewpersoner.................................................................................................. 46

Materiale................................................................................................................ 46

Detailhandel.........................................................................................................46

Intervewpersoner................................................................................................... 46

Materiale/kilder: .................................................................................................... 46

Offentlig Effektivisering ........................................................................................46

Intervewpersoner................................................................................................... 46

Materiale................................................................................................................ 47

Bilag 2: NORM – Det offentlige datalandskab ............................................... 48

Version 1.1 Zangenberg & Company

4


Executive summary

Vi har i denne analyse søgt at give bud på en kvantificering af den potentielle værdi af

åbne offentlige data” i en række konkrete sammenhænge. Vi har gennem interviews

og workshops med en række interessenter søgt at identificere områder, hvor en udvidet

adgang til offentlige data kunne lede til en kvantificerbar kommerciel gevinst for en

række brancher. Vi har desuden søgt at identificere de områder, hvor en øget adgang til

data på tværs af den offentlige sektor kunne lede til kvantificerbare

effektiviseringsgevinster.

Analysen kan ikke på nogen måde give et fyldestgørende og endeligt billede af

potentialet, al den stund at en del af potentialet først vil materialisere sig, når

innovative virksomheder for alvor begynder at anvende tilgængelige data på nye

måder.

Analysen giver et billede af områder, hvor det er muligt at demonstrere, at data vil have

en kommerciel værdi, og i en række tilfælde kan der sættes et konkret beløb på denne

værdi. Samtidig viser analysen, at det i en række situationer vil være kontroversielt og

stride mod gældende lovgivning eller traditioner at stille alle de efterspurgte data til

rådighed. Denne rapport præsenterer potentialer og barrierer, og lægger således op til

en diskussion af hvilke offentlige data der kan og bør stilles til rådighed for hvem og

hvordan.

Vi har gennemført interviews indenfor følgende brancher:

• Bank

• Forsikring

• Energiforsyning

• Turisme

• Medicinalindustrien

• Detailhandlen

I banksektoren arbejdes der i dag aktivt sammen med SKAT på at give bankerne

adgang til kunders løn- og pensionsdata fra det statslige eIndkomst-register. Adgang

kræver kundens samtykke, og bankerne ønsker en udvidet adgang, hvor data kan

hentes løbende. Desuden vil en række data om kundernes beskæftigelsesforhold mv.

være interessante for bankerne. Hermed kan de forbedre kreditgivningen og tidligere

gribe ind, før kunder kommer i økonomiske problemer. Ud fra det oplyste, er det

muligt for os at beskrive potentialer på mindst 500 mio. kr. om året for sektoren i form

af rene effektiviseringer og reducerede tab. Det samlede potentiale, når der også ses på

markedsføringsgevinster, skal givetvis tælles i milliarder. Der er en række helt

principielle overvejelser der skal tages i forbindelse med bankernes eventuelt øgede

adgang til data, herunder rækkevidden af et samtykke og kundernes reelle mulighed

for at nægte samtykke.

Energisektoren vil kunne have stor værdi af en øget adgang til data om boligernes

beboere, deres alder, køn, indkomst mm. koblet med information om boligernes alder,

konstruktion, isolering, energimærkning etc. Anvendes disse data sammen, vil man

kunne identificere netop de boligejere, hvor man vil kunne tilbyde energibesparende

tiltag med særlig høj værdi – eventuelt kombineret med finansieringsformer, der i en

række situationer vil kunne gøre tiltagene investeringsneutrale for ejerne.

Potentialet på energiområdet er enormt, og anvendes tal fra Klimakommissionen kan vi

identificere et årligt marked på mellem 4 og 20 mia. kr. i energiforbedringer.

I den farmaceutiske industri er det adgangen til patientdata, og i et vist omfang

adgangen til information om medicinforbrug, der repræsenterer et stort potentiale. Det

største potentiale ligger i identificering og udvælgelse af patienter til de tidlige faser af

de kliniske forsøg for nye lægemidler. Jo bedre man er til at udvælge forsøgspersoner,

desto større er sandsynligheden for at man tidligt opdager, at man ikke skal fortsætte et

meget bekosteligt klinisk testforløb. Besparelsen, hvis man blot kan stoppe et

lægemiddel inden den mest bekostelige ”Fase 3”, løber op i adskillige milliarder kroner.

Gevinsterne for industrien skal derfor tælles i milliarder. Som for banksektoren er der

også her vigtige principielle overvejelser at gøre. Under hvilke restriktioner skal

lægemiddelindustrien i givet fald have adgang, og nøjagtig hvordan kan de anvende

disse data? Selv med visse restriktioner på adgangen til data, vil de have stor værdi for

sektoren.

Version 1.1 Zangenberg & Company

5


For turisterhvervet er en øget adgang til offentlige data ikke så meget et spørgsmål om

gevinster som et spørgsmål om beskyttelse af det eksisterende marked. Elektroniske

løsninger bliver et krav fra morgendagens kræsne og krævende turist, navnlig når han

eller hun tager til et land som Danmark, hvor det ikke er palmerne og solen der

trækker. Turisten vil forvente at få relevant information og viden, leveret i forbindelse

med sin forberedelse af en ferie. Desuden bliver det normen, at en turist kan få relevant

information på stedet på enhver form for mobil enhed. I den forbindelse bliver en

række offentlige data, herunder den digitaliserede kulturarv, et minimumskrav.

Det er ikke er lykkedes for os at vise kvantificerbare potentialer ved øget adgang til

offentlige data for detailhandlen. Man er godt tilfreds med de ganske detaljerede

analyser og aggregerede datasæt, man kan indhente fra bl.a. Danmarks Statistik. Det

skal bemærkes, at vi i forhold til detailhandlen har interviewet ”traditionelle”

detailhandelsvirksomheder og ikke e-tailers (rene netbutikker).

I forsikringsbranchen har man ligeledes god nytte af de analyser, man kan få fra

Danmarks Statistik og fra brancheorganisationen Forsikring og Pension, der har adgang

til detaljerede data under en forskerordning. Branchens spillere kan pege på en række

områder, hvor adgang til mere detaljerede data vil kunne føre til en mere præcis

risikovurdering, og dermed til en bedre lønsomhed. Branchen vil kunne bruge

detaljerede data til at hjælpe kunderne med at sikre, at de har den relevante dækning

når indkomsten stiger, når børnene flytter, når man bliver skilt etc. Endelig vil visse

persondata kunne bruges i bekæmpelsen af forsikringssvindel. Vi kan ikke på de

foreliggende grundlag estimere gevinsten for branchen, og man skal være opmærksom

på, at overvejelserne omkring privacy gælder her, som de gør det for banksektoren.

Når vi ser på adgangen til data på tværs af den offentlige sektor, kan vi pege på en

række områder i den kommunale sektor. KOMBIT har igangsat arbejde på området, og

her vil man barsle med mere detaljerede beregninger i løbet af det kommende år. Vores

interview peger på to områder af særlig værdi. Det ene område er anvendelse af data i

forbindelse med identificering og afsløring af socialt bedrageri. Vores beregninger

peger på at, en datadrevet indsats, baseret på avancerede ”business intelligence”

værktøjer, vil kunne give et provenu på mindst 350 mio. kr. om året, og formentlig

langt større.

I forbindelse med den materielle sagsbehandling i kommunerne er det navnlig data fra

regionerne (patientdata), der ville kunne bruges til at lette og effektivisere den

kommunale sagsbehandling. Vi er ikke på det foreliggende grundlag i stand til at give

et bud på en kvantificering af gevinsterne indenfor dette område.

Version 1.1 Zangenberg & Company

6


Introduktion

Værdien af åbne data

Den offentlige sektor råder over store mængder data, og i et land med en af de mest

digitaliserede offentlige sektorer, råder den danske offentlige sektor over endog meget

store og detaljerede datamængder. Data om borgere, om virksomheder, om boliger, om

geografi, om infrastruktur. Data om indkomst, pensions- og skatteforhold. Data om

patienter, diagnoser, behandling og medicinforbrug. Data om undervisning,

uddannelse og forskning. Data om sociale ydelser. Data om veje, biler, husdyr,

energiforbrug, kriminalitet og meget mere. Disse data er alle nødvendige for at kunne

drive den offentlige sektor, men en række af disse data har også en anvendelse og

potentiel værdi udenfor den offentlige sektor.

I dag kan man f.eks. via forskellige sites se udviklingen i boligpriser på meget detaljeret

niveau, fordi de offentlige data er blevet sluppet fri. Vi taler om åbne data

Når der gives adgang til de offentlige data kan vi stimulere til innovation. Eksisterende

og helt nye virksomheder kan anvende de åbne data til at optimere eksisterende

produkter og ydelser ELLER til at skabe helt nye produkter og ydelser. I Danmark

lægger dette lægge i direkte forlængelse af den globaliserings-dagsorden, der har været

en del af den politiske dagsorden de seneste år.

Videnskabsministeriet har gennem deres initiativ ’Offentlige Data I Spil’ (ODIS) og

mere specifikt arrangementet ’Data Camp’ i november 2010 demonstreret dette i

praksis. Her samles interesserede for at udvikle ideer til nye produkter og services

baseret på tilgængelige data.

Analysens mål

Denne analyse søger at kvantificerede mulige gevinster af åbne data. Vi ønsker med

andre ord at se på tiltag, hvor man kan sætte et beløb på gevinsten. Vi har et todelt

fokus: Vi ser på intern effektivisering i den offentlige sektor og vi ser på værdien af

offentlige data for private virksomheder i udvalgte brancher; hvilke data kunne bringe

værdi for branchen – på hvilken måde og med hvor stor en værdi? Vi ser desuden på

anvendelse af data til intern effektivisering i den offentlige sektor

Det er i nogle tilfælde forbundet med både omkostninger og en række ikke ubetydelige

risici at stille offentlige data til rådighed uden for den myndighed der forvalter disse

data. På denne baggrund bliver det centralt at kunne udtale sig kvalificeret om

gevinsterne ved at stille data til rådighed – og gerne at kunne kvantificere disse

gevinster, så det også bliver muligt at prioritere dataområderne.

Omvendt er der også mange områder, hvor data kan stilles til rådighed uden større

omkostninger og uden privacy-, fortroligheds- eller sikkerhedsmæssige risici.

Denne analyses mål er at identificere dataområder, hvor der vil være særlig stor værdi

ved at stille data til rådighed eksternt i forhold til erhvervsliv og borgere og internt i

den offentlige sektor. Det er endvidere målet at søge at kvantificere denne værdi.

Metode

Det er målet at belyse gevinster ved at stille offentlige data til rådighed på tværs af

myndigheder og for eksterne interessenter:

• Højere effektivitet i den offentlige sektor, for eksempel ved at etablere den

datamæssige forudsætning for automatisering af en række offentlige sagsgange

(”Objektiv Sagsbehandling”), det vil sige værdi primært i form af besparelser

• Værdien for eksterne interessenter, her ment som den kommercielle værdi for

private virksomheder, det vil sige værdi i form af enten øget omsætning,

besparelser, mv.

Version 1.1 Zangenberg & Company

7


Når det gælder den offentlige sektor vil vi i denne rapport alene se på kvantitative

gevinster. Vi vil således ikke behandle gevinster, der knytter sig til bedre service for

borgere og virksomheder, eller afledte effekter af den bedre udnyttelse af digitale

ressourcer og muligheder.

Bemærk i øvrigt, at det ikke er rapportens sigte, at behandle og vurdere alle tænkelige

data, der indsamles og registreres i den offentlige sektor. Derimod er kun de mest

”betydende dataområder” taget med, defineret med udgangspunkt i volumen og

strategisk betydning.

Projektets faser fremgår af figuren herunder:

Identifikation og beskrivelse af dataområder

Zangenberg & Company har etableret et samlet overblik over områder med stor

dataintensitet, det vil sige områder, hvor det offentlige håndterer store datamængder

om specifikke emner, for eksempel områder som Lægemidler, Sundhed,

Løn/pension/skat, mv.

Dataområderne er beskrevet nedenfor med udgangspunkt i eksisterende, tilgængeligt

materiale suppleret med interviews af nøglepersoner fra de berørte organisationer.

Kilderne udgør således:

1. Gennemførte konsulent-analyser

2. Datakildekataloget på digitaliser.dk

3. ”Forslag om udstilling af offentlige data” fra digitaliser.dk

4. Interviews med Danmarks Statistik

5. Interviews med KOMBIT

6. Udenlandske erfaringer – navnlig nordiske (f.eks. Brønnøysundregistrene)

7. Interview med ITST’s ”offentlige Data I Spil”-medarbejdere

8. Folketsting.dk

9. SAS Institute

10. Økonomi- og Erhvervsministeriet: initiativet ”Genbrug af data

Hypoteser vedrørende interessenter

I et samarbejde med videnspersoner fra It- og Telestyrelsen er der blevet opstillet

hypoteser om de interessenter, der må forventes at kunne få størst værdi af åbne data

fra hvert enkelt dataområde, for eksempel specifikke offentlige myndigheder samt

eksterne interessenter som for eksempel virksomheder indenfor medicinal- og

sundhedsindustrien, bank og energi.

Version 1.1 Zangenberg & Company

8


Baseret på en forventning om samlet kvantificerbar værdi er der blevet udvalgt et antal

brancher til den efterfølgende interviewfase.

Interview med nøglepersoner

Der er gennemført interview af i alt 27 personer fra 13 virksomheder/organisationer for

at få et billede af gevinsterne for den enkelte virksomhed/organisation og for

samfundet som helhed.

Der er blevet gennemført interview på relativt højt niveau i de respektive interessentorganisationer

for at få et billede af den reelle strategiske værdi af de berørte data. En

samlet oversigt over interviewpersoner og øvrige kilder fremgår af bilag 1.

Indsamling af case-materiale

På en række områder er der fremfundet veldokumenterede cases, der viser konkret

værdi opnået gennem anvendelse af offentlige data. Disse cases er sammenstillet

nedenfor.

Analyser og konklusioner

Resultatet af de to foregående faser er blevet analyseret med henblik på at belyse

følgende:

• Med hvilken grad af sikkerhed kan man udtale sig om gevinster ved at stille

data til rådighed?

• Hvor stor er gevinsten for de interessenter, vi har haft kontakt med?

• Er det muligt at generalisere på tværs af lignende organisationer?

• Hvilke forudsætninger skal være til stede for at høste gevinsten?

• Hvilke risici vil der være forbundet med at stille data til rådighed?

• Hvilke typer af omkostninger vil der være forbundet med at stille data til

rådighed?

Analysen sammenfattes med en række konklusioner, der omhandler kvantificerbare

gevinster for de interessenter, der er blevet analyseret.

Version 1.1 Zangenberg & Company

9


Identifikation og beskrivelse af dataområder

Forudsætningen for at diskutere potentiel strategisk værdi af offentlige data er, at man

har et billede af hvilke data, der i det hele taget findes. Der er til dato ikke udviklet en

egentlig data- eller begrebsmodel, der dækker samtlige offentlige data, og vi har derfor

udarbejdet et første bud på en sådan model. Vi kalder det for ”det offentlige

datalandskab”

Udgangspunktet for modellen har været den fællesoffentlige forretningsreferencemodel

FORM, der systematiserer samtlige opgaver i den offentlige sektor. Det øverste niveau i

FORM kaldes ”serviceområder”. Vi har anvendt serviceområderne fra FORM og har

defineret et antal ”dataområder” under hvert serviceområde. Dataområderne beskriver

data, der findes registreret i offentlige systemer. Man kan udarbejde en egentlig

datamodel for hvert dataområde bestående af entiteter og relationer, og der findes

veludviklede datamodeller for en lang række af dataområderne.

Vi kalder modellen for NORM. Den er i udgangspunktet udarbejdet af Zangenberg &

Company og efterfølgende diskuteret med en række interessenter fra Finansministeriet,

Danmarks Statistik, It- og Telestyrelsen.

NORM – datalandskab for den offentlige sektor

NORM findes i sin fulde version i bilag 2. Modellen bryder hvert ”serviceområde” i

FORM ned i et antal ”Dataområder”. Desuden defineres en overordnet kategori kaldet

”Tværoffentlige dataområder”, der indeholder dataområder, der vil være relevante for

langt de fleste myndigheder. Det øverste niveau i NORM bliver herefter:

• Tværoffentlige dataområder

• "Internationale relationer"

• Borgerskab og offentlig styring

• Uddannelse, forskning og arbejde

• Kultur, fritid og natur

• Sundhed

• Social service og omsorg

• Skat og penge

• Erhverv og miljø-beskyttelse

• Lov, ret og orden

• Forsvar og beredskab

• Ejendomme og forsyning

• Transport og trafik-infrastruktur

NORM er dokumenteret i en tabel med fire kolonner:

Dataområderne er defineret på baggrund af tidligere kortlægninger af

systemkomplekserne i de enkelte myndighedsområder. Der er lagt vægt på at beskrive

dataområder, hvor der findes en betydelig datamængde og/eller data af væsentlig

strategisk værdi for myndigheden.

Oversigten indeholder en kortfattet beskrivelse af dataområdet og i enkelte tilfælde

nogle konkrete eksempler på datakilder (systemer eller databaser).

NORM er udviklet i mangel på et konsolideret billede af det offentlige datalandskab,

for at have et grundlag for interviews med eksterne interessenter, der ikke kan

forventes at vide nøjagtig, hvilke data det offentlige råder over. NORM skal ikke tages

som udtryk for ”den endelige sandhed”, men som et arbejdsredskab, der eventuelt kan

raffineres og udbygges. Modellen er søgt korreleret med relevante kilder, såsom

Datakataloget, input fra medarbejdere fra initiativet ’Offentlige Data I Spil’, mv.

Version 1.1 Zangenberg & Company

10


Værdi for eksterne interessenter

Alle virksomheder i den private sektor anvender i en eller anden udstrækning data, der

tilvejebringes af den offentlige sektor. I dag er det imidlertid typisk kun aggregerede

statistiske oversigter, der er tilgængelige. Målet er at se på værdien, hvis data kunne

stilles til rådighed i en mere ”ren” form, og gerne de egentlige grunddata. I de tilfælde,

hvor datasæt for eksempel indeholder personfølsomme data, kan de stilles til rådighed i

anonymiseret form eller med en kontrolleret adgang, så databeskyttelseslovens krav om

beskyttelse af personfølsomme data stadig er overholdt.

Der er givetvis nogle brancher, der vil kunne drage større fordele end andre, hvis de

data, der registreres i den danske offentlige sektor blev stillet til rådighed udenfor de

myndigheder, der i dag forvalter dem.

Identifikation af brancher og interessenter

I nærværende projekt blev der afholdt en hypoteseworkshop med deltagelse af

eksperter fra ITST. På workshoppen blev diskuteret en lang række brancher, der kunne

forventes at have værdi af data fra dataområderne i vores datalandskab NORM:

• Reklame

• Medicinal

• Turisme og oplevelsesøkonomi

• Forsikring

• Bank

• Data analytikere og brokere

• Medier

• Energi (inkl.clean tech)

• Detail

• Privathospitaler og læger.

Fra denne liste blev udvalgt fem brancher med udgangspunkt i to vurderingskriterier:

• Hvor stor vurderes den samlede potentielle kommercielle værdi for branchen at

være?

• Hvor realistisk vurderes det at være, at branchen kan realisere denne værdi?

De fem udvalgte brancher er:

• Medicinalindustrien, overvejende repræsenteret ved Novo Nordisk

• Energisektoren, repræsenteret ved DONG

• Forsikringsbranchen, repræsenteret ved brancheorganisation Pension og

Forsikring

• Turisme, repræsenteret ved Visit Denmark, Visit Aarhus og Visit Vest

• Detailhandlen, repræsenteret ved COOP.

Zangenberg & Company har desuden på eget initiativ valgt at inkludere:

• Banksektoren, repræsenteret ved Danske Bank

De følgende afsnit opsummerer resultaterne af analysen gennemført indenfor de

enkelte brancher.

Version 1.1 Zangenberg & Company

11


Banksektoren

Beskrivelse af emnefelt

Det finansielle marked i Danmark domineres af to store banker, Danske bank og

Nordea, samt en række mindre spillere, herunder en række rene internetbaserede

banker. Der var ultimo 2009 registreret 138 virksomheder i sektoren, hvoraf de to

største dækkede 69 pct. af balancesummen i branchen. 1

Sektorens primære aktiviteter består i at udvikle, producere og markedsføre forskellige

finansielle produkter, såsom diverse indlånskonti, diverse låne- og kreditprodukter,

investeringsprodukter, mv.

De samlede udlån udgjorde 1.530 mia. kr. i 2009, hvoraf de større banker i alt står for ca.

94 pct. af den samlede balance for pengeinstitutsektoren 2 .

Hypotese for åbne data i banksektoren

På baggrund af antagelser om banksektorens primære kommercielle interesser blev

følgende hypotese formuleret som udgangspunkt for dialogen med banksektoren:

• Data om kunder (private såvel som erhvervskunder) kan bruges til at give et

mere komplet billede af kunden og dennes muligheder og risici. Dette kan

bruges til såvel salg som risikoafdækning og rådgivning

I det følgende afsnit præsenteres resultatet af dialogen om værdien af åbne data med

Danske Bank.

Case: Danske Bank

Om Danske Bank

Danske Bank i Danmark er en del af Danske Bank-koncernen. 3

I alt betjener Danske Bank 2,2 mio. privatkunder samt en væsentlig del af erhvervslivet

og de offentlige og institutionelle virksomheder i Danmark. Blandt bankens ydelser er

• ind- og udlån

• investering og formuepleje

• leasing

• aktier og obligationer

• valutahandel

• realkredit

• pension og forsikring.

Privatkunder

Hypotese: Data om kunder (private såvel som erhvervskunder) kan bruges til at give et

mere komplet billede af kunden og dennes muligheder og risici. Dette kan bruges til

såvel salg som risikoafdækning og rådgivning

Danske Bank indledte i efteråret 2010 et arbejde med det formål at etablere en mere

hensigtsmæssig adgang til en række offentlige data. Her har man indledt et samarbejde

med SKAT om adgang til kunders oplysninger i eIndkomst registret – navnlig løn- og

1 Kilde: Finansrådet ”Sektoren i tal”, 2009. Det skal bemærkes, at Danske Bank koncernes

samlede balancesum indgår i denne beregning, da banken ikke oplyser den danske del

selvstændigt.

2 Kilde: Statistisk Årbog 2010

3 Kilde: www.danskebank.dk

Version 1.1 Zangenberg & Company

12


skatteoplysninger samt oplysninger om pensioner, sociale ydelser og lignende, i

forbindelse med behandling af lånesager.

Danske Bank vurderer, at dette vil repræsentere en betydelig værdi i form af bedre

faktabaseret og strømlinet rådgivning af kunderne, lavere tab for banksektoren som

helhed i forbindelse med långivning, hvilket banken peger på også vil have en

væsentlig samfundsmæssig værdi.

Danske Bank har i princippet taget dette initiativ på vegne af hele banksektoren og har

valgt at bære samtlige initialomkostninger, hvilket understreger bankens vurdering af

de offentlige datas værdi. Det er hensigten at Finansrådet tager over efter projektet er

endt.

Adgang til disse data kræver samtykke fra kunden, og et springende punkt er

rækkevidden af dette samtykke. I dag giver kunden tilladelse til at banken kan hente

data én gang, på det tidspunkt, hvor tilladelsen er givet. Disse data kan herefter indgå i

behandlingen af en konkret sag – typisk en låneansøgning eller anden vurdering af en

konkret bankforretning. Ønsker banken senere opdaterede oplysninger, skal kunden

igen give tilladelse. Dette kan ske elektronisk via kundens netbank. Banken har et ønske

om, at kunder skal kunne give tilladelse om, at banken løbende kan hente

informationerne, således at banken til enhver tid råder over et opdateret billede af den

enkelte kundes løn, pensions og skatteforhold mm.

Netop adgangen til opdaterede data har en værdi for banken både i forhold til målrettet

servicering, løbende risikovurdering og i forhold til salg. I denne sammenhæng er også

ændringer i beskæftigelsesstatus interessant.

Hvis en kunde mister sit job, ønsker banken at vide dette så tidligt som muligt, så man

sammen med kunden kan diskutere mulige tiltag. For banken handler det naturligvis

om at minimere tab, men også om at undgå at kunderne kommer i store finansielle

problemer, fordi der ikke reageres tidligt. Banken fremhæver, at bank og kunde i denne

situation har en fælles interesse i, at kunden bliver hjulpet til at klare sig igennem.

I Storbritannien har bankerne et formelt ansvar for ikke at overbelåne kunderne. Man

taler om ’responsible lending’, der også er blevet et tema for EU-kommissionen i netop

fremsat forslag til direktiv..

Danske Bank er i princippet interesseret i alle data det offentlige måtte have, som kan

understøtte yderligere kvalificering af den enkelte lånesag. Jo mere banken ved om

relevante forhold, jo mere kvalificerede og faktabaserede beslutninger kan banken tage,

med både en minimering af tab og bedre rådgivning af kunden til følge.

Danske Banks tab på privatkunder (nedskrivninger på koncernniveau) var på i alt 4,1

mia. kr. i 2009. Det er en mindre andel, der kan undgås som konsekvens af en

datadrevet tidlig indgriben og implementering af ”responsible lending” principper.

Det er vores vurdering, at potentialet for sektoren er på mindst 200 mio. kr. om året.

Danske Bank byder et ”responsible lending” ansvar velkomment, men man må forudse

en debat i forhold til bankens anvendelse af data. Se endvidere senere i dette afsnit.

Estimering af effektiviseringspotentiale i långivning

Danske Bank arbejder for at gøre både adgang til data og flow af data mellem kunde,

bank og andre aktører mere fleksibelt end, det er tilfældet i dag. Det er Danske Banks

vurdering, at den føromtalte løbende adgang til det offentliges data om kunden kan

være attraktivt for kunden, der således ville slippe for at fremfinde, konsolidere og

fremsende de papirer og dokumenter, der er behov for i forbindelse med for eksempel

optagelse af et lån. En accept fra kunderne via samtykke, ville give et væsentligt

kvalitetsløft til banksektorens kreditmodeller, lade kunden slippe for at blive direkte

involveret i besvarelsen af en række spørgsmål og understøtte en yderligere

automatisering af selve lånetildelingen.

I dag beder banken kunden om selv at fremfinde de nødvendige papirer og

dokumenter. På baggrund af disse dokumenter taster bankens sagsbehandlere manuelt

data ind i bankens systemer. De manuelle procedurer i forbindelse med lånesager i

Danske Bank repræsenterer 1 million arbejdsgange, der – lavt sat – hver gang tager ca.

5-15 minutter. Denne tid vurderer Danske Bank kan skæres helt væk ved at lade

kunden give banken adgang til de data, der skal bruges. På kundesiden er der

tilsvarende et massivt tidsforbrug på at fremfinde, kopiere, kuvertere og fremsende de

Version 1.1 Zangenberg & Company

13


nødvendige dokumenter til banken, rimeligvis et sted mellem 20 og 60 minutter per

lånesag.

For Danske Bank alene viser regnestykket, at nemmere adgang til kundens data

repræsenterer en værdi i form af et internt effektiviseringspotentiale på 83.000 - 250.000

timer, eller 43 - 130 mandeår 4 . Dette svarer til 150-450 mandeår for sektoren som helhed

eller mellem 75 og 225 mio. kr.

Erhvervskunder

For erhvervssiden, det vil sige for segmentet små og mellemstore, danske

virksomheder, er det på samme måde interessant at have adgang til flere data, om end

bankerne allerede i dag har adgang til mange relevante data via årsregnskaber,

årsrapporter, mv. Danske Bank har ikke pt. initiativer i gang på dette område, men

forventer at få det.

På pensionssiden vurderer Danske Bank, at data i form af for eksempel kundens

sundhedsoplysninger kunne forsimple tegningsarbejdet voldsomt i de situationer, hvor

kunden skal afgive sundhedsoplysninger. Banken er opmærksom på, at dette område

er kontroversielt i forhold til en generel privacy-diskussion, men holdningen er, at det

bør være borgeren selv, der skal være styrende for, hvad der gives – og ikke gives –

adgang til.

Boligdata

Danske Bank vurderer, at man, for så vidt angår data om boligen, har, hvad man skal

bruge, men man undrer sig over, at det er ligeså dyrt at hente data og tinglyse i dag,

hvor alt (efter hensigten) foregår digitalt, som dengang det var manuelt. For aftageren

af tinglysningsdata vurderer banken, at når man har mulighed for at hente data i

realtid, vil der være en tendens til, at man henter det oftere. Derfor bliver posten dyrere,

og dette vil føre til at banken laver ”skyggeregistre”. Vi har ikke estimeret

omkostningerne knyttet til dette område.

Bankernes aflevering af data til det offentlige

Banksektoren afleverer en mængde data til det offentlige, og mange af disse skal

afleveres to eller flere gange i forskellige formater til forskellige instanser. For banker af

Danske Banks størrelse er det overkommeligt, men det vurderes som en gene for små

og mellemstore virksomheder. Danske Bank så gerne at man besluttede, at ingen

offentlige virksomheder må kræve indrapportering af data, som allerede er

indrapporteret, men derimod så vidt muligt skal genanvende data på tværs af enheder

og myndigheder.

Fælles brug af data

Danske Bank peger på, at det ville være fordelagtigt at i højere gad gøre brug af

muligheden for at have fælles brug af data på tværs af den offentlige og den private

sektor i tråd med NemKonto og NemID løsningerne.

Dette ville åbne for at spørge kunden om lov til at bruge opdateringer og registreringer

overfor det offentlige, hvorved man kunne opnå at have ét opdateret sted for

opdatering af telefonnumre, email-adresser og andre stamoplysninger. Dette skal

suppleres med regler for privacy for at undgå at virksomheder kan købe og misbruge

disse oplysninger. For eksempel kunne reglen være, at en virksomhed kun må kunne

slå data op på egne kunder, medarbejdere, mv. Banken peger på, at der politisk

enighed, men at projektet ikke er startet op, selvom det ligger oplagt i forlængelse af

NemID.

4 Baseret på ØES’s opgørelse af et årsværk: ”Et årsværk svarer til 1924 timer pr. år det vil sige.

en fuldtidsansat er lig med 1 årsværk”

Version 1.1 Zangenberg & Company

14


Barrierer og udfordringer

Tekniske barrierer

Bankerne er teknologisk sofistikerede, og de ønskede data findes i et format, der er

umiddelbart anvendeligt for bankerne – der er således ingen teknologiske barrierer af

betydning for at give bankerne en øget adgang til data om kundernes løn,

pensionsindbetalinger, kreditforhold, beskæftigelses og sundhedsdata.

Lovgivningsmæssige barrierer

Banken ønsker alene data om egne kunder, og kunden skal give tilsagn. Vi er ikke i

stand til at vurdere, om ønsket om muligheden for at give tilsagn til løbende at hente

data er i modstrid med gældende regler, men der synes ikke at være egentlige juridiske

barrierer.

Politiske overvejelser

Barriererne er politiske og lander midt i en meget principiel diskussion om ”privacy”.

På den ene side står argumenterne om bankernes og kundernes fælles interesse i at

banken tidligt kan hjælpe en kunde med problemer samt bankernes og kundernes

fælles ønske om at eliminere arbejdet med at fremfinde, fremsende, og indtaste

information, der allerede findes i offentlige register.

På den anden side står argumenter om pengeinstitutternes mulighed for at stille

samtykket som krav for overhovedet at blive kunde og en deraf følgende tab af

”privatlivsbeskyttelse” – kunden vælger ikke selv, hvilke oplysninger han eller hun

mener er relevant for banken.

Endelig skal man være opmærksom på, at beskyttelse af oplysninger om den enkelte

borgers indkomstforhold ikke kan betragtes som en universel rettighed, al den stund at

der findes lande (for eksempel Norge og Sverige), hvor denne type oplysninger er

offentligt tilgængelige. Beskyttelsen gælder f.eks. heller ikke for en lang række offentligt

ansatte, hvis løn er offentlig tilgængelig.

Estimering af potentiale: Banksektoren

Danske Bank vurderer, at der er mest værdi i at åbne op for data til anvendelse i

forhold til serviceringen og markedsføringen overfor privatkunderne. Værdien er stor

for banken, men der vil som nævnt ovenfor også være stor værdi for kunden. På

erhvervssiden er værdien umiddelbart mindre på grund af regnskabspligten og den

offentlige adgang til regnskabsinformationer.

Bedre rådgivning, færre tab

Projektet med SKAT, hvor banken via samtykke får adgang til eIndkomst-lignende

data, vurderes at repræsentere en meget stor værdi for banksektoren i form af bedre

faktabaseret og strømlinet rådgivning af kunderne, lavere tab for banksektoren som

helhed i forbindelse med ved långivning, og en samfundsmæssig værdi.

Massivt effektiviseringspotentiale

Lettere og maskinel adgang til de data vedrørende kunden, der skal bruges af bankerne

i forbindelse med behandling af lånesager (primært kreditmodellering), repræsenterer

et internt effektiviseringspotentiale på 83.000 - 250.000 timer, eller 43 - 130 mandeår for

Danske Bank alene. Danske Banks markedsandel i Danmark er på omtrent en tredjedel

inden for bank, realkredit og livsforsikring 5 . Under antagelse af at denne fordeling også

gælder aktiviteter på kreditsiden, er effektiviseringspotentialet for sektoren som helhed

tre gange større, altså ca. 129 – 390 mandeår, eller 64 – 195 mio. kr. om året.

En grov estimering af tidsbesparelsen på at eliminere tidsforbruget på kundesiden i

forhold til at fremfinde, kopiere, kuvertere og fremsende de nødvendige dokumenter til

banken viser, at der kan frigives 13.900 – 41.700 borgertimer.

5 Kilde: www.danskebank.com

Version 1.1 Zangenberg & Company

15


Responsible lending

Ved at give banksektoren i Danmark samme ansvar som i Storbritannien for ikke at

overbelåne kunderne, (’responsible lending’), og den nødvendige adgang til de

relevante data, som kan understøtte yderligere kvalificering af den enkelte kunde og

den enkelte lånesag, vurderer Danske Bank, at der kan spares et 2 cifret millionbeløb.

Zangenberg & Company vurderer, at potentialet for sektoren er mindst 200 mio. kr. og

formentlig langt større.

Hertil kommer gevinsterne på kunde- og samfundsniveau forbundet med at forhindre

privatøkonomiske problemer, både de direkte (gæld, insolvens) og følgeeffekterne

(sundhedstilstand, misbrug, tab af arbejdsevne, mv.).

Sammenfattende kan vi på to udvalgte områder vise værdi for sektoren på 400 mio.

kr. Hertil skal lægges værdi i forhold til markedsføring og salg af forskellige

finansielle produkter. Værdien af disse vil uden tvivl få den samlede værdi for

sektoren langt over en mia. kr.

Version 1.1 Zangenberg & Company

16


Forsikringsbranchen

Beskrivelse af emnefelt

Forsikringsbranchen omsatte i 2009 for over 54 mia. kr.

Bruttopræmieindtægter for en række udvalgte områder, 2009 6 kan ses i tabellen

herunder:

Forsikringstype Præmieindtægter

(mio. kr.)

Brand og løsøre (privat) 8.832

Ejerskifteforsikring (privat) 374

Syge- og ulykkesforsikring (personulykke) 8.088

Sundhedsforsikring (personulykke) 1.268

Arbejdsskadeforsikring (erhverv) 3.712

Sø-, luft- og transportforsikring (erhverv) 915

Ansvarsforsikring (erhverv) 1.643

Brand- og løsøreforsikring (erhverv) 7.772

Motorkøretøjsforsikring (Ansvar) 4.917

Motorkøretøjsforsikring (Kasko) 7.749

Hypoteser for åbne data i forsikringsbranchen

På baggrund af antagelser om de primære kommercielle interesser blev følgende

hypotese formuleret som udgangspunkt for dialogen med forsikringsbranchen:

• En række data kan bruges til at udarbejde mere detaljerede risikovurderinger,

hvilket vil kunne medføre bedre lønsomhed

Forsikring

Vores interviews med bl.a. TRYG har afdækket en række områder, hvor

forsikringsselskaberne kan have gavn af offentlige data. Det gælder risikoafdækning,

underdækning samt i forbindelse med afdækning af svindel.

Risikoafdækning

For forsikringsselskaber er afdækning af den enkelte kundes risiko det centrale element

i fastsættelse af præmiestørrelsen, og der er en direkte relation mellem kvaliteten af

risikovurderingen og virksomhedens lønsomhed.

6 Kilde: ”Forsikringsbranchens økonomi – regnskabsanalyse 2009” Analyserapport 2010:9,

Forsikring & Pension. Tallene er baseret på indberetninger til Forsikring & Pension og omfatter

95 pct. af det danske marked.

Version 1.1 Zangenberg & Company

17


I forbindelse med forsikring af boliger kommer klimarelaterede forandringer til at spille

en stadig større rolle, og forsikringsselskaberne indsamler løbende informationer om

bl.a. kloaksystemernes tilstand og dimensionering for at kunne vurdere risikoen for

oversvømmelser. Disse data er sammen med data om kriminalitet i forskellige områder

allerede tilgængelige.

I forbindelse med risikoafdækningen er data om indkomst- og skatteforhold

interessante, ligesom informationer om ejerskab til sommerhus, bil, motorcykel, båd og

andet, der registreres offentligt. Da kunden kan have disse ting forsikret i andre

selskaber, har forsikringsselskabet ikke i dag det samlede billede. Jo mere man som

selskab ved om en kunde, desto mere præcist kan man skønne den samlede risiko og

bruge dette som basis for rådgivning og eventuelt for præmiefastsættelsen. Ingen af de

adspurgte selskaber har været i stand til at sætte beløb på værdien af en bedre

risikoafdækning.

Rette dækning

Risikoafdækning repræsenterer en problemstilling for forsikringsselskaberne.

Underdækning er et område, hvor selskabet og kunden i højere grad har overlappende

interesser. Underdækning betegner situationen, hvor kunden ikke er tilstrækkeligt

dækket i forhold til det egentlige behov. Det kan være en kunde, der har tegnet en

forsikring og efterfølgende har købt værdigenstande, der nu tilsammen overstiger

forsikringsbeløbet. I tilfælde af f.eks. tyveri vil kun en del af det stjålne da blive

erstattet. En anden typisk situation er unge, der flytter hjemmefra, og herefter ikke er

dækket af forældrenes ansvarsforsikring. Hvis den unge forårsager skade på andre

(f.eks. i forbindelse med en skiferie), kan dette påføre den unge endog meget store

udgifter.

For forsikringsselskaberne er interessen naturligvis den ekstra omsætning, der følger

med den ekstra dækning.

I forbindelse med identificering af mulig underdækning er det ændringer i

forsikringstagerens forhold, der har interesse: Når man bliver gift, flytter sammen, får

børn, flytter hjemmefra, bliver skilt, bliver alene etc.

I den forbindelse kan følgende offentlige data være relevante:

• Oplysninger om børn i familien

• Oplysninger om ægteskab og skilsmisse

• Oplysninger om indkomstforhold (stigende indkomst vil normalt medføre

mere kostbart indbo, og dermed et stigende behov ift. forsikringssum)

• Oplysninger om køb af bil, båd, motorcykel etc.

Forsikringssvindel

Forsikringssvindel udgør en betydelig udfordring for forsikringsselskaberne, der i dag

selv opdager svindels svarende til ca. 3% af de samlede udbetalinger. Baseret på

udenlandske studier har brancheorganisationen Forsikring og Pension forsigtig anslået,

at det samlede omfang kan være helt op til 10% af den samlede udbetaling, svarende til

4 mia. kr. om året 7 . I forbindelse med identifikation er der en række informationer, der

er særligt interessante for forsikringsselskaberne. Forsikringssvindel i større skala er

nemlig ofte tæt knyttet til situationer, hvor forsikringstageren mangler større beløb. Det

kan være personer, der har egen virksomhed, der er truet af lukning. Det kan være

personer, der har mistet indtægt og ikke i tide har taget hånd om økonomien og nu står

foran fogedforretning eller tvangsauktion. I denne type situationer kan følgende data

være relevante:

• Gæld til det offentlige

• Underskud i egen virksomhed

• Gæld i egen bolig

• Indkomstdata

Sådanne data kan alene anvendes til at fokusere et eventuelt efterforskningsarbejde,

således, at man fokuserer kræfterne på de forsikringskunder, hvor sandsynligheden for

svindel er størst.

7 ”Forsikringssvindel – en litteraturoversigt”, Forsikring og Pension, 2010

Version 1.1 Zangenberg & Company

18


På sundhedsforsikringsområdet kunne der være selskaber, der kunne være interesseret

i lægeoplysninger om kunden, som grundlag for antagelsen.

Pensionsrelaterede forsikringer

PensionDanmark administrerer overenskomst- og virksomhedsaftalte

arbejdsmarkedspensioner, sundhedsordninger og uddannelsesfonde for tilsammen 14

fagforbund og 27 arbejdsgiverforeninger med i alt 592.000 medlemmer. Medlemmerne

er beskæftiget i 24.000 private og offentlige virksomheder.

Medlemmerne har typisk tegnet en pension med en række tilhørende forsikringer –

f.eks. ift. kritisk sygdom, supplerende førtidspension, indvalidedækning etc. Disse

forsikringer udbetales ved en række objektive kriterier – typisk knyttet til en række

offentlige registreringer. Således udbetales forsikringssummen ved kritisk sygdom på

basis af en række diagnosekoder, der er registreret i offentlige systemer (bl.a. i

landspatientregistret).

For lige netop kritisk sygdom er der indgået et samarbejde med landspatientregistret.

Landspatientregistret har en fortegnelse over alle PensionDanmarks kunder, og sender

automatisk en besked, hvis et medlem får diagnosticeret en kritisk sygdom. Patienten

kan herefter henvende sig til PensionDanmark og få udbetalt forsikringen.

Man kunne opnå en enklere forretningsgang hvis PensionDanmark fik direkte besked

om et medlems diagnosekode. Herefter kunne PensionDanmark automatisk advisere

kunden og udbetale pengene helt uden sagsbehandling.

En tilsvarende situation er kunder, der kommer på førtidspension. I dag påhviler det

kunden selv at henvende sig til PensionDanmark for at få udbetalt supplerende

førtidspension. PensionDanmark regner med at mellem 5 og 10% af medlemmerne ikke

udnytter deres pensions/forsikringsmuligheder fuldt ud, og dette er en af

situationerne.

Desuden vil man kunne spare en del administration, hvis det offentlige automatisk

overførte information om førtidspensionering, da man hermed ville kunne automatbehandle

sagen, og kunden ikke behøvede udfylde og indsende skemaer og

dokumentation.

Det er vores vurdering, at det samlede effektiviseringspotentiale i forbindelse med

forsikringsordninger knyttet til arbejdsmarkedspensioner er på under 100 mio. kr. om

året. Den primære gevinst vil være for forsikringstagerne, der er sikret en hurtigere

sagsbehandling, og en garanti for at de får dækning, selvom de ikke selv er

opmærksomme på muligheden.

Barrierer og udfordringer

Tekniske barrierer

Det er vores vurdering, at de data der efterspørges relativt enkelt kunne stilles til

rådighed via eksisterende grænsesnit, eller gennem grænsesnit, der kunne etableres

med begrænsede investeringer.

Juridiske barrierer

Forsikringsbranchen efterspørger i vid udstrækning personhenførbare data, der i dag er

dækket af databeskyttelseslovgivningen. PensionDanmarks nuværende samarbejde

med Landspatientregistret viser, at det er muligt at implementere ”work-arounds”,

hvor myndighederne giver borgeren besked om en mulig forsikringsdækning. Denne

tilgang kan naturligvis udvides til at omfatte andre områder – blot skal man være

opmærksom på, at dette potentielt påfører det offentlige en omkostning. Det står ikke

klart for os, i hvilket omfang de juridiske problemer kan løses med et aktivt tilsagn fra

den forsikrede i forhold til udlevering af offentlige data.

Politiske overvejelser

Forsikringsområdet er som banksektoren et område hvor privacy-overvejelser udgør

den primære barriere. Spørgsmålet er i bund og grund, om man ønsker at sikre, at

borgerne hele tiden har fuld kontrol over, hvilke oplysninger, der gives til, hvem og

Version 1.1 Zangenberg & Company

19


hvornår, eller om man mener, at forsikringsselskaberne skal gives enklere adgang til

data for dermed at kunne reducere risiko, effektivisere deres administration og i en

række situationer kunne give kunderne en bedre service.

Estimering af samlet potentiale: Forsikringsbranchen

Det er ikke er lykkedes for os at vise kvantificerbare potentialer ved øget adgang til

offentlige data for forsikringsbranchen. Man er i branchen godt tilfreds med de ganske

detaljerede analyser og aggregerede datasæt, man kan indhente fra bl.a. Danmarks

Statistik. Desuden har forskere og i visse tilfælde brancheorganisationer adgang til

ganske mange data under forskellige ”forskerordninger”, der muliggør etablering af

modeller og målrettede statistikker.

Vores analyse har identificeret en række områder, hvor branchen kan opnår

administrative lettelser og områder, hvor der vil kunne opnås bedre lønsomhed

gennem en mere præcis risikoafdækning. Det er ikke på det foreliggende grundlag

muligt for os at kvantificere størrelsesordenen af disse gevinster.

Når det gælder forsikringssvindel, udgør dette et betydeligt beløb i dag, og man

formoder, at der er tale om et betydeligt omfang af ikke-opdaget svindel. Med adgang

til en række personfølsomme data vedrørende f.eks. gæld, indkomst, underskud af

egen virksomhed og beskæftigelsesstatus kunne selskaberne givetvis reducere dette

beløb betydeligt.

Version 1.1 Zangenberg & Company

20


Detailhandlen

Beskrivelse af emnefelt

”Detailhandlens omsætning opdeles i tre varegrupper: Fødevarer og andre dagligvarer,

beklædning mv. og andre forbrugsvarer (udstyr til bolig og fritid). Fødevarer og andre

dagligvarer og andre forbrugsvarer udgør begge omkring 45 pct. af den samlede

detailomsætning, mens beklædning mv. står for de resterende ca. 10 pct.” 8

De to største aktører på det danske dagligvaremarked er Coop (ejet af FDB) og Dansk

Supermarked (ejet af A. P. Møller-Mærsk og F. Salling Gruppen).

Hypoteser for åbne data indenfor detailbranchen

På baggrund af almindelig viden om detailhandelens forretningsmodel blev følgende

hypotese formuleret:

• Detaljerede data om forbrugere, deres adfærd, bevægelsesmønstre, præferencer

og demografiske profil kan bruges til at målrette produkter og kampagner

I det følgende afsnit præsenteres resultatet af dialogen om værdien af åbne data med

COOP og FDB.

Case: COOP

Om COOP

Coop driver kæderne Kvickly, SuperBrugsen, Dagli'Brugsen, Nettorvet samt

datterselskaberne Fakta A/S og Irma A/S 9 . COOP har en årlig omsætning på 36.883

mio. kr 10 .

Hypotese: Detaljerede data om forbrugere, deres adfærd, bevægelsesmønstre,

præferencer og demografiske profil kan bruges til at målrette produkter og

kampagner

Baggrunden for hypotesen var en antagelse om, at man ved at kombinere demografiske

data, og data fra offentlige databaser (for eksempel ejendomsdata, indkomstdata og

pensionsdata) med data om kundernes køb, ville kunne udarbejde fintmaskede

segmenteringer og analyser til brug ved for eksempel kampagner og markedsføring.

COOP’s tilbagemelding er imidlertid, at detailhandlen ikke umiddelbart kan se værdi i

yderligere demografiske data end de, der allerede er offentligt tilgængelige. I sit

arbejde med at planlægge og eksekvere markedsføringskampagner og lignende, er en af

detailhandlens primære og mest værdifulde datakilder de informationer, som sektoren

selv genererer om sine kunder på baggrund af medlemskaber og loyalitetsprogrammer

samt via de bon-data, der genereres.

8 Kilde: Statistisk Årbog 2010

9 Kilde: www.coop.dk

10 Kilde: COOP Danmark a/s årsrapport 2009

Version 1.1 Zangenberg & Company

21


Case: FDB

FDB med 1,7 millioner medlemmer ejer COOP, men beskæftiger sig ikke selv direkte

med detailhandel.

I FDB arbejder man bl.a. med data for at understøtte foreningens arbejde i forhold til en

ansvarlighedsparagraf, og med henblik på at understøtte fire specifikke ”Projekter, der

gør hverdagen bedre”:

• Sundhed

• Klima

• Miljø og økologi

• Etisk handel

Der bliver hver uge udarbejdet en rapport med analyseresultater af forskellig art. Disse

analyser kan være bestilte (COOP, Politiken, forskellige foreninger, mv.) eller

udarbejdes på eget initiativ som en del af de projekter FDB gennemfører.

Formålet med arbejdet er at understøtte de fire projektområder. Arbejdet antager

således en mere sociologisk end kommerciel tilgang.

FDB udtrykker stor interesse i at kunne tilgå data, der kan understøtte identifikation af

specifikke forbrugersegmenter, forskellige forbrugs- og adfærdsmønstre, tendenser i

forhold til for eksempel uddannelse og arbejdsforhold, udvikling i foreningsarbejde,

sygdomsudvikling, mv. med henblik på at kunne udarbejde analyser, der kan

understøtte arbejdet under de fire projekter.

Barrierer

Det skønnes ikke at være relevant at vurdere barrierer for denne branche al den stund,

der ikke er en efterspørgsel efter specifikke data.

Estimering af potentiale: Detailhandlen

COOP vurderer ikke at der vil være en signifikant merværdi forbundet med at få

adgang til flere offentlige data.

På trods af at der ikke er hverken stor kommerciel værdi eller effektiviseringspotentiale

i FDB casen, så illustrerer den et potentiale, der er sværere at estimere den

direkte monetære værdi af. Den viser, at der kan være en bredere samfundsmæssig

værdi i at stille data til rådighed for virksomheder som FDB, der ikke påtænker at

anvende dem i direkte kommercielt regi, men i en sammenhæng der er mere drevet af

etiske værdier, interesse for den almene sundhedstilstand, mv.

Version 1.1 Zangenberg & Company

22


Energisektoren

Beskrivelse af emnefelt

I dette kapitel om energisektoren er det primære fokus lagt på den rolle

energiselskaberne og andre virksomheder kan få

• som rådgiver for forbrugere af energi, og

• som leverandør af produkter, ydelser og services, der kan medføre

energioptimering for den enkelte bolig.

Området vurderes at have potentiale for meget store positive effekter for

energiselskaberne som kommercielle spillere, på forbrugerens økonomi i kraft af

energibesparelser, på samfundsøkonomien i kraft af den afledte aktivitet i byggeriet og

ikke mindst på klimaet.

I en rapport fra Risø/DTU refereres Bjarne Wittchens (Statens Byggeforskningsinstitut)

beregninger af potentialet for varmebesparelser i eksisterende boliger 11 :

”Ifølge Wittchen (2009) kan der samlet spares ca. 23 pct. af energibehovet til rum-

og vandvarme, med tiltag med en tilbagebetalingstid på 15-25 år. Den totale

omkostning vil være 38 mia. kr. hvis tiltagene gennemføres i forbindelse med

andre renoveringsarbejder. Omkostningen stiger dog til 198 mia. kr. hvis alle

anlægsomkostninger skal betales af energirenoveringerne alene.”

Det samlede markedspotentiale kan defineres ved forbedringer, der vil koste et sted

mellem 38 og 198 mia. kr. over en årrække. Hvis det antages, at der vil være kapacitet til

at gennemføre disse arbejder indenfor en 10-årig tidshorisont, betyder det et

markedspotentiale på 4-20 mia. kr. om året for den danske byggeindustri og andre

spillere (der blev omsat for 173 mia. kr. i byggeriet i 2009).

Hypotese for åbne data indenfor energisektoren

På baggrund af antagelserne om at der ligger et stort potentiale for energisektoren i

forhold til at tage en proaktiv rolle i forhold til markedet for energibesparelsesinitiativer,

blev følgende hypotese formuleret som udgangspunkt for dialogen med

energisektoren:

Hypotese: Detaljerede data om boligejerne, deres økonomi, deres energiforbrug

og deres bolig kan bruges til at sælge energibesparende foranstaltninger og

projekter

I det følgende afsnit præsenteres resultatet af dialogen med en række aktører om

værdien af åbne data i energisektoren.

Case: Salg af serviceydelser omkring energibesparende

foranstaltninger

Fokus for denne analyse ligger i energisektorens kunderettede aktiviteter.

Der eksisterer allerede i dag en lang række initiativer, der kombinerer forskellige data

med henblik på at rådgive brugeren i forhold til energibesparelser. En række aktører er

således allerede i gang med initiativer, der nyttiggør data i forhold til

energibesparelsesaktiviteter.

• Center for energibesparelser arbejder pt. på et initiativ, der kombinerer BBR- og

forbrugsdata i en beregning af potentialet ved energirenovering for den

pågældende bolig

• husetsweb.dk har allerede en tilsvarende applikation oppe at køre på sin

hjemmeside, primært rettet mod parcelhussegmentet

• Elsparefonden og Center for Energibesparelser tilbyder en applikation kaldet

’min e-bolig’, der har samme vinkel, men med fokus på elforbrug alene

• DONG Energy tilbyder via sit cleantech-fokus en hurtig lille beregner, der

peger på brugerens muligheder for at spare på energien.

11 ”Energiforbrug og besparelser i bygninger”, RISØ DTU, 2009

Version 1.1 Zangenberg & Company

23


Energisektoren ser store perspektiver i at udnytte business intelligence værktøjer med

adgang BBR-data, tilstandsrapporter, energimærker, energiforbrugsdata, data om

installationer, mm. Ny lovgivning i forhold til BBR-registeret forpligter leverandørerne

af energi til at rapportere energiforbrug pr. ejendom. Pt. har kun offentlige aktører

adgang til disse data, men det ville havevære værdi for leverandørerne at have adgang.

Data som disse og andre data kunne danne grundlag for at identificere potentielle

målgrupper, kategoriseret efter relevante kriterier, som leverandørerne kunne arbejde

sammen med i forhold til at udvikle og markedsføre energibesparelsesinitiativer.

Markedsføringsmæssigt leverandørerne kunne arbejde med følgende kategorier som

potentielle segmenter, hvortil der kan udvikles specielle produkter og serviceydelser:

• Det konkrete hussalg

• Boligtyper/boligområder baseret på ’klimaprofil’ (for eksempel klyngehuse,

rækkehuskvarterer, mv.)

• Kommuner

• Store virksomheder.

Det konkrete hussalg

I forhold til en forbrugers tilbøjelighed til at købe en given vare er timingen af en

proaktiv kontakt og kontaktens relevans afgørende.

Derfor er det væsentligt, hvis det offentlige kan give adgang til data, der kan hjælpe

energisektorens aktører med at identificere for eksempel den nuværende husejer, der

bor i en dårligt isoleret bolig med et gammelt oliefyr, og som betaler den store

varmeregning. En anden oplagt mulighed er at anvende offentlige data til at konstatere

når et hus med en dårlig energiprofil skifter hænder; mange nybagte husejere må

antages at have en stor interesse i at modtage rådgivning omkring energiforbedrende

foranstaltninger og vil i forbindelse med selve transaktionen være ekstra tilbøjelige til at

tænke energiforbedrende foranstaltninger ind sammen med de øvrige eventuelle

forbedringer på boligen.

Energisektoren ser et potentiale i, at det offentlige åbner for adgang til relevante data,

og i visse tilfælde at det offentlige tilvejebringer data, der endnu ikke er tilgængelige:

• Data om aktuelle boligsalg via tinglysning eller kommunale oplysninger

• BBR-data

• Energimærkningsresultater, gerne koblet direkte op på BBR-registeret

• Energiforbrug

• Termografidata (sektoren vurderer, at et ville være værdifuldt hvis staten

proaktivt termograferede alle bygninger/boliger fra oven og offentliggjorde

disse data) 12

• Tilstandsrapporter

• Data om husstanden (antal beboere, aldersfordeling, mv.)

• Eventuelt supplerende data, der kunne profilere køberen yderligere (holdning

til ’klimavenlige løsninger’, mv.), i forhold til at kunne udarbejde målrettede

løsningsforslag. Løsningsforslagene kan principielt adressere både energisiden

og øvrige bygningsarbejder, der måtte være fordelagtige at udføre.

Boligtyper/boligområder baseret på ’klimaprofil’

Indenfor denne kategori defineres specifikke boligtyper eller boligområder, der har en

ensartet klimaprofil, det vil sige samme alder, konstruktion, bygningsdele,

isoleringsforhold, mv. Dette giver mulighed for at adressere en større gruppe

forbrugere samtidigt, med et løsningsforslag der dækker et ensartet behov, og en

kollektiv finansieringsløsning.

Behovet for data vil være de samme som ovenfor, det vil sige BBR-data, eventuelle

energimærkningsresultater og tilstandsrapporter, data om energiforbrug, data om de

individuelle husstande (antal bebore, aldersfordeling, mv.) og gerne kvalitative data om

for eksempel holdning til ’klimavenlige løsninger’, mv.

12 Se for eksempel

”http://www.htk.dk/Nyheder/Nyhedsoversigt/Pressemeddelelser/2009/Marts_09/I_luften_me

d_tre_dimensionel_termografering.aspx”

Version 1.1 Zangenberg & Company

24


Kommuner

Kommuner udgør i denne sammenhæng et endnu større potentielt segment. Potentialet

understreges ved, at efterhånden alle kommuner har defineret klimamålsætninger:

• ”Vi vil være verdens første CO2-neutrale hovedstad”, ”Vi vil være CO2

neutrale i 2025”, (Københavns Kommune)

• ”Odsherred Kommune er klimakommune og har underskrevet en aftale med

Danmarks Naturfredningsforening om at nedbringe CO2-udledningen med

mindst 2 pct. om året”, (Odsherred Kommune)

• ”Aarhus Byråd har besluttet, at Aarhus Kommune skal være CO2-neutral i

2030”, (Aarhus Kommune)

• ”CO2-handlingsplan skal nedbringe CO2-udledningen i Gladsaxe Kommune

med 25 procent over de kommende 10 år.”, (Gladsaxe Kommune).

I Kolding Kommune har man i samarbejde med husetsweb.dk og deres energiberegner

lavet et tilbud, hvor borgerne i Kolding tilbydes rådgivning i samarbejde med det lokale

energiselskab. I kommunen følges op med en målrettet indsats i forhold til for eksempel

efteruddannelse af håndværkere på energibesparende arbejde, og de lokale banker er

inddraget i dialogen med henblik på at skabe et samlet, kommunalt momentum for

arbejdet med energiforbedrende foranstaltninger.

Store virksomheder

Energileverandører har lettere adgang til de danske erhvervsvirksomheder, end direkte

til forbrugerne. Under den antagelse, at der findes en del virksomheder, der som en del

af medarbejderplejen, vil tilbyde deres medarbejdere en slags ’energitjek og rådgivning

i forhold til af privatboligen’, kunne et samarbejde med disse virksomheder være en

mulighed.

Efterspurgte data

Leverandørsiden i energisektoren kan se værdi i følgende data i forhold til arbejdet

med privatkundesiden, specielt i relation til modellering af kundetilgang og frafald,

krydssalg, opsalg, værdi forventet over den næste periode samt i risikomodellering.

• Demografidata

• Kundealder

• Indkomstniveau

• Uddannelsesniveau (på kategoriniveau: økonomi, jura, kort, mellem, lang)

• Ansættelsesforhold (job, branche, anciennitet )

• Offentlig gæld

• Civilstand og historik for samme (det ville være interessant at vide, hvornår

kunden sidst var skilt/gift i forhold til for eksempel behov for en ny bolig)

• Antal børn og alder på yngst ældst (karakteriserer sted i livscyklus – og efter 20

år vil børnene selv være boligejere)

• Afstand fra bolig til tog, bus, offentlig transport kunne være interessant i

forhold til om kunden vil være interesseret i at købe en elbil

• Antal biler kunden ejer og bilernes alder

• Gæld registeret på ejendommen (tinglysning) til anvendelse i prækvalificering

af, hvem man kan tilbyde finansiering og under hvilke vilkår.

Data vil kunne understøtte kvalificeret segmentering og forbedre identifikation af

præcise målgrupper med et relevant skræddersyet budskab og mindske spam. I forhold

til markedsføring af for eksempel varmekilder vil data kunne øge effektiviteten af

kørende kampagner og formodentlig gøre kampagner mulige, man ellers ikke ville

kunne køre.

Barrierer og forudsætninger

Tekniske barrierer

Det er vurderingen, at langt den overvejende del af de efterspurgte data er tilgængelige

i en form, der gør dem anvendelige til de beskrevne formål. Problemet kan være

ejerskabet til data jfr. nedenstående.

Version 1.1 Zangenberg & Company

25


Lovgivningsmæssige barrierer

Lovgivning på persondata siden vurderes af adspurgte spillere i energisektoren at være

en stor udfordring, der fordrer en ny tilgang til og forståelse af ”privacy”, samt nye

rammer for, hvordan data må flyde blandt aktørerne hos kunder, leverandører og det

offentlige. Samtidig skal man adressere risikoen for, at folk tilmelder sig Robinsonlisten.

Robinsonlisten er en fortegnelse, som CPR-registret står for, med navne og adresser på

borgere, der har frabedt sig at få adresserede reklamer. Firmaer og organisationer er

forpligtet til at undersøge om [borgeren] står på listen, før de afsender de adresserede

reklamer eller ringer til [borgeren] 13 .

Politiske overvejelser

Datavirksomheder vil skulle revidere deres forretningsmodeller

Virksomheder som Danmarks Statistik eller ’mellemhandlere’ med data vil risikere at

miste deres markedsgrundlag, hvis for mange data bliver offentligt tilgængelige. Disse

virksomheder vil skulle revidere deres forretningsmodeller.

Visse ”offentlige data” ejes af private virksomheder

En aktør peger på, at de data der for eksempel lægges i energimærknings-rapporter og i

tilstandsrapporter, og som kunne være af meget stor værdi i forbindelse med

automatiske energiberegnere, ejes af de private leverandør, der har leveret de regneark,

som byggekonsulenter indtaster boligernes fakta i. Dette til trods for, at det er

henholdsvis Energistyrelsen og Erhvervs- og byggestyrelsen, der er myndighed med

ansvar for disse rapporter, og at data således burde være offentlige data. Samme aktør

undrer sig over, at de forbrugsdata, som energileverandører skal indberette, og som

offentliggøres i forbindelse med for eksempel et hussalg, ikke er alment tilgængelige.

Aktøren har via samarbejdsaftaler med en række varmeforsyningsvirksomheder

allerede etableret adgang til disse data, men der er større spillere, der ikke er åbne for

den slags samarbejdsaftaler med henvisning til at data er personfølsomme. Der synes

således ikke at være enighed i sektoren om dette.

Pris for data

Myndigheder som Kort- og Matrikelstyrelsen tager en pris for de data, der kan leveres,

under henvisning til principperne om indtægtsdækket virksomhed. For mindre

initiativer og navnlig for mindre virksomheder kan disse omkostninger udgøre en

begrænsning for kommerciel udvikling og råderum.

Estimering af potentiale

Det samlede markedspotentiale for hele værdikæden for energiforbedrende

foranstaltninger vurderes at være på mellem 4 og 20 mia. kr. om året for den danske

byggeindustri og andre spillere.

Lettere tilgang til en række offentlige data spiller en rolle i forhold til at realisere dette

marked, specielt for virksomheder i energisektoren, der udbyder rådgivning (bl.a.

identifikation og scoping af energibesparelsesinitiativer) for de potentielle kunder og i

vid udtrækning også for salg, eksekvering og finansiering af disse initiativer.

Åbne data vil understøtte identifikation af kundeemner med største kommercielle

potentiale (størrelse af samlet forretning) og/eller det størst behov (defineret for

eksempel ved energimæssigt overforbrug). Erfaringer fra energisektoren viser, at det

kræver en uforholdsmæssigt stor indsats (ressourcer og tid) at bygge en tilfredsstillende

stærk salgscase op i forhold til større forbedringstiltag, hvilket medfører for mange

rådgivningstimer til at gøre salgsindsatsen rentabel. En enkelt leverandør vurderer at

kunne opnå en 10 pct. effektivitetsforbedring på denne indsats og en langt bedre

succesrate.

13 Kilde: www.borger.dk

Version 1.1 Zangenberg & Company

26


Åbne data anvendt i forbindelse med forbedring af segmentering og identifikationen af

målgrupper, udformning af målrettet budskab vil mindske risikoen for at ’spam’e’

kunderne, øge effektiviteten af kørende kampagner, og formodentlig gøre kampagner

mulige, man ellers ikke ville kunne køre. En enkelt aktør estimerer en 30 pct. besparelse

på de samlede på kampagneomkostninger (færre breve), fordi man vil kunne præcisere

sin population bedre.

Åbne data vil understøtte rådgivning i forhold til, hvilke forbedringer, der har den

største effekt, og hvor stor effekten er (efterisolering, varmepumpeinstallationer,

intelligente systemer, jordvarmeanlæg, solfangere, mv.). Initiativer, der kombinerer

disse forbedringer, med det ’intelligente hjem’ og ’smartgrid’ repræsenterer potentielt

en stor værdi for både leverandøren, kunden - i form af varmebesparelser og muligvis

salg af egen overskudsenergi, samt for samfundet og for klimaet i sig selv.

Version 1.1 Zangenberg & Company

27


Medicinalindustrien

Beskrivelse af emnefelt

I Danmark udgør Novo Nordisk og H. Lundbeck nogle af de væsentligste spillere

indenfor medicinalindustrien.

Industriens primære aktiviteter består i at udvikle, producere og markedsføre

lægemidler.

Medicinalindustrien omsatte i 2009 for i alt ca. 30.5 mia. kr. i Danmark, hvoraf de tre

største spillere står for ca. 85 pct. 14 af den samlede omsætning.

Hypoteser for åbne data i medicinalindustrien

Nogle af medicinalindustriens absolut største, mest ressourcetunge og datatunge,

strategisk vigtigste aktiviteter er dels udviklingen af nye lægemidler, dels ansøgning

om markedsføringstilladelse for det enkelte lægemiddel.

Derfor har denne analyse taget udgangspunkt i følgende hypoteser:

• Sundhedsdata kan anvendes i forbindelse med kliniske forsøg og udarbejdelse

af ansøgning om markedsførings-tilladelse

• Sundhedsdata kan bruges i forbindelse med vurdering af nye

udviklingsprojekter

• Sundhedsdata kan bruges til fastlæggelse af kompetitive strategier

I næste afsnit præsenteres analysens resultatet for diskussionen af disse hypoteser med

Novo Nordisk.

Case: Novo Nordisk

Om Novo Nordisk

Novo Nordisk er en globalt orienteret virksomhed specialiseret indenfor følgende

terapiområder 15 :

• Diabetesbehandling

• Blødningsbehandling

• Væksthormonbehandling

• Hormonbehandling (HT) til kvinder i overgangsalderen

Novo Nordisk’s salg af medicin fordeler sig mellem diabetesbehandling og

biopharmaceuticals med en faktor 3:1.

Novo Nordisk’s samlede omsætning i 2009 var på verdensplan ca. 51 mia. kr.

Kliniske forsøg

Hypotese: Sundhedsdata kan anvendes i forbindelse med kliniske forsøg og

udarbejdelse af ansøgning om markedsførings-tilladelse

”Kliniske forsøg er en vigtig del af lægemiddelforskning. Kliniske forsøg dækker over

forskning, hvor potentielle nye lægemidler afprøves på patienter. Forskningen foregår

typisk på sygehusafdelinger (i klinikken), men kan også gennemføres andre steder i

14 Kilde: Statistisk Årbog 2010

15 Kilde: Novo Nordisk (www.novonordisk.dk)

Version 1.1 Zangenberg & Company

28


sundhedsvæsenet. Kliniske forsøg er en forudsætning for, at et nyt lægemiddel kan

godkendes af myndighederne 16 .”

I forhold til selve udførslen af kliniske forsøg vurderer Novo Nordisk, at en række

offentlige data kunne fungere som værdifuldt supplement til nogle aktiviteter.

Imidlertid vil ingen eksterne datasæt kunne erstatte selve det kliniske forsøg, hvor de

data, der anvendes for 99 pct. vedkommende generes af Novo Nordisk selv, indenfor

rammerne af det pågældende kliniske forsøg.

Offentlige data vil imidlertid kunne spille en meget stor rolle i forbindelse med Novo

Nordisk’s arbejde med selve designet af de kliniske forsøg, hvor den eller de

populationer, der skal indgå i de kliniske forsøg, skal identificeres og rekrutteres. I

forbindelse med designet af de kliniske forsøg er udfordringen at identificere meget

specifikke patientpopulationer. Der indgår en række detaljerede ’inklusionskriterier’ og

’eksklusionskriterier’, for eksempel alder, BMI-værdi, sygdomshistorik, lab-data, mv.

Lige netop denne aktivitet er kritisk, og Novo Nordisk (og andre farmaceutiske

virksomheder) oplever, at man meget hurtigt decimerer den potentielle population

grundet ineffektive data.

Novo Nordisk vurderer, at de og andre spillere, der arbejder med kliniske forsøg, vil

kunne høste endog meget store fordele ved at få bedre adgang til en række offentlige

data, navnlig sundhedsdata. Fordelene ligger i en mulig effektivisering af

rekrutteringen på populationsniveau, men også i forhold til at identificere personer der

respondere på lægemidler (det vil sige den del af populationen, som både har en

relevant klinisk indikation, og som samtidig vil reagere på medicineringen). Dermed vil

Novo Nordisk dels kunne øge succesraten for det enkelte kliniske forsøg, men specielt

værdifuldt: De vil kunne blive i stand til

• at vurdere hvilke udviklingsprojekter, der har det største markedspotentiale, og

dermed sætte et kvalificeret loft over hvor meget, Novo Nordisk kan forsvare at

investere i det enkelte projekt

• at identificere og stoppe ikke succesfulde udviklingsprojekter langt tidligere

De kliniske forsøg knyttet til udviklingen af et lægemiddel bevæger sig gennem tre

faser:

• Fase 1: Lægemidlet forsøges introduceret i menneskekroppen

o Antal forsøgspersoner er typisk 10-100

• Fase 2: Optimal dosering identificeres

o Antal forsøgspersoner er typisk nogle få hundrede

• Mellem fase 2 og 3 laves et ”Clinical Proof of Concept”

o Frem til CPC vurderer Novo Nordisk at der vil være investeret op til

flere 100 mio. kr. hvorefter investeringsniveauet vil stige voldsomt. I

enkelte situationer kan omkostningerne være over 5 mia. kr. for det

enkelte lægemiddel

• Fase 3: Konfirmering i stor skala

o Antal forsøgspersoner er typisk flere tusinde fordelt over flere lande

o Parallelt med denne fase vil der ofte blive bygget en fabrik dedikeret til

fremstillingen af netop dette lægemiddel

Den estimerede pris på udviklingen af et nyt lægemiddel er ca. 5,5 milliarder kroner 17

og tager 10-15 år. Ifølge videnskab.dk 18 vil der for hvert nyt lægemiddel være brugt op

imod 8 milliarder til lægemidler, som endte med at fejle. En lægemiddelvirksomhed

som Lundbeck har til enhver tid 25 lægemidler på vej gennem systemet. 12-15 er på vej

gennem de tre første faser.

Data, der kan gøre Novo Nordisk og andre lægemiddelvirksomheder bedre til at stoppe

udviklingsprojekter hurtigere, repræsenterer derfor et enormt potentiale; jo tidligere

man kan identificere det projekt, der bør lukkes ned, des færre penge vil gå tabt.

16 Kilde: ”Kortlægning af dansk lægemiddelforskning”, Forsknings-­‐ og Innovationsstyrelsen,

publikation, juni 2010

17 Kilde: Artikel, ”Fra kliniske forsøg til innovativ sundhedssektor” af GlaxoSmithKline A/S i

Biokemisk Forening (oktober 2008)

18 ”Sådan laver man ny medicin”, videnskab.dk, artikel, 15. januar 2011

Version 1.1 Zangenberg & Company

29


Det samlede antal kliniske forsøg der anmeldes i Danmark ligger stabilt på omkring 300

per år (se Figur 1).

Figur 1: Antal igangværende kliniske studier i lIF-virksomheder fordelt på faser

(bestandtal) (Kilde. Forsknings- og Innovationsstyrelsen)

Ifølge Dagens Medicin 19 har Danmark traditionelt rangeret meget højt på den globale

liste over aktiviteter indenfor kliniske forsøg. Danmark har stadig en position som nr. 2

i Skandinavien i antallet af publiceringer af kliniske forsøg og en plads som nummer 4

for mest citerede i verden. Dagens Medicin peger på, at denne position trues af lande,

”der kan levere billigere, større og nemmere kliniske forsøg, end vi kan. Allerede fra

2008 til 2009 er der hugget over 20 pct. af den danske ’produktion’ af kliniske forsøg. På

et eneste år.” Artiklen siger videre: ”Behovet for løsninger er enormt, og den eneste vej

er samarbejde. Mellem hospitaler, mellem lande, mellem læger, mellem industrien og

alle andre aktører. Den slags kommer ikke af sig selv, og så slet ikke i Norden som er

langt bagud, når det gælder samarbejde – og det gælder på alle fronter.”

Ansøgning om markedsføringstilladelse

Novo Nordisk vurderer ikke umiddelbart, at der kan kobles en stor værdi på bedre

tilgængelighed til offentlige data i forbindelse med selve ansøgningsarbejdet.

Ansøgningsarbejdet handler i højere grad om at koordinere indsatsen forbundet med at

konsolidere den meget store mængde interne data, der ligger forud for ansøgningen.

Her indgår ikke i væsentlig omfang offentlige data.

Hypotese: Sundhedsdata kan bruges i forbindelse med vurdering af nye

udviklingsprojekter

Medicinalindustrien anlægger i stigende grad en ”livtidsbetragtning” for det enkelte

lægemiddel, når man vurderer, hvilke projekter man ønsker at investere i. Man regner

værdien af lægemidlet over en periode på 10-20 år og søger for eksempel at regne på

den værdi lægemidlet kan bidrage med ved den positive påvirkning af patientens evne

til at deltage på arbejdsmarkedet, forventninger til fald i antal hjerteinfarkter og

amputationer, mv. Man søger således at beregne den samfundsøkonomiske værdi af

lægemidlet, når en given population (defineret ved indikation og andre kriterier) holdes

raske. Således er det i vid udstrækning de samme data og den samme grundlæggende

øvelse for medicinalsektoren, der er relevante for vurdering af nye udviklingsprojekter

som for design af kliniske forsøg: Offentlige data, der kan understøtte identifikationen

af en given population, gerne suppleret med relevante demografiske og

socioøkonomiske data (arbejdsmarkedsdeltagelse, skolegang/uddannelse, mv.), og

udviklingen i denne population.

19 Kilde: Artikel, ”VM i Kliniske Forsøg”, Dagens Medicin (11-­‐06-­‐2010)

Version 1.1 Zangenberg & Company

30


Her er det værd at bemærke, at Danmark som nation er bedre stillet end mange andre

lande grundet den meget omfattende elektroniske registrering af patientdata og

medicinforbrug.

Sundhedsdata kan bruges til fastlæggelse af kompetitive strategier

Novo Nordisk ser åbne data som et område, der er af mere værdi for sektoren som

helhed end for den enkelte medicinalvirksomhed, idet kompetitive strategier for Novo

Nordisk handler om at agere i forhold til specifikke konkurrenter. Når alle har adgang

til de samme data vil det kompetitive element i vid udstrækning udlignes. For sektoren

som helhed ville der ligge en værdi i at vide, hvilken type medicin de praktiserende

læger udskriver, og anvende dette i analyser af, hvilken type markedsføring der virker.

Her ville interne CRM data skulle holdes op imod data om medicinudskrivning.

Den enkelte medicinalvirksomhed kunne få en vis hjælp af data om den medicin der

udskrives, og data der viser, hvor konkurrenternes lægemidler ser ud til at virke, hvor

der er bivirkninger, og dermed hvor den enkelte medicinalvirksomhed kunne have

fordel i kraft af nye lægemidler og målrette sine udviklingsprogrammer derefter. Her

vurderer Novo Nordisk, at Danmark kunne fungere som model for det globale marked.

Barrierer og udfordringer

Tekniske barrierer

Data findes i dag i en lang række silo-orienterede systemer i de enkelte forvaltnings lag

(region, kommune, lægemiddelstyrelse, primær-sektor). Man må forvente, at det vil

kræve en vis indsats at etablere platforme, der giver et konsolideret billede af relevante

data for den enkelte patient på tværs af disse systemer. Som beskrevet under ”Den

kommunale sektor” er der også andre grunde til at få løst dette problem, nemlig den

offentlige sektors egen interesse i at have et fælles billede af patienten.

Lovgivningsmæssige barrierer

Lovgivningens beskyttelse af sundhedsdata som et af de mest følsomme personlige

dataområder, udgør en udfordring i denne sammenhæng.

Politiske overvejelser

Novo Nordisk ser et stort og unikt potentiale i Danmark for at koble sundhedsdata

sammen med arbejdsmarkedsdata og indkomstdata, men vurderer at specielt området

for sundhedsdata halter bagud. Data ligger meget spredt registreret, der er ingen

ensartet måde at registre på i sektoren generelt, der mangler kvalitetsindikatorer og der

er for få indberettere (primærsektoren gør det slet ikke). Novo Nordisk så gerne at

specielt primærsektoren blev bedre til at indberette. I dag er det kun muligt for Novo

Nordisk at foretage kvalitetsmonitorering på diabetes via de behandlinger, der foregår

på egentlige klinikker. Problemet er, at disse tilfælde som oftest hører til de mere

alvorlige, hvorfor man ikke har indsigt i normtilfældene.

I næste afsnit beskrives, hvorledes man i Storbritannien har mulighed for at trække data

fra primærsektoren.

Case: The General Practice Research Database (GPRD)

GPRD er en database, der stiller data til rådighed fra primærsektoren i Storbritannien.

Databasen indeholder anonymiserede data fra patientjournaler, der er samkørt med

andre sundhedsdata 20 . På nuværende tidspunkt indsamles data fra omkring 5 mio.

aktive patienter fra 590 praktiserende læger i Storbritannien. GPRD hævder at være den

største og mest dækkende datakilde af sin slags, og den bruges verden over af

medicinalindustrien, virksomheder indenfor kliniske forsøg, regulerende instanser,

offentlige myndigheder og forskellige akademiske institutioner.

20 Kilde: GPRD (www.gprd.com)

Version 1.1 Zangenberg & Company

31


GPRD tilbyder bl.a. data indenfor

• Planlægning af kliniske forsøg

• Medicinforbrug

• Studier indenfor behandlingsmønstre

• Klinisk epidemiologi

• Medicinsikkerhed

• Sundhedsøkonomi

Data kan tilgås globalt via web eller via datasæt på CD-ROM. GPRD hævder at være

den eneste kilde til jævnligt opdaterede, valide primærsektordata.

Ifølge Novo repræsenterer antallet af journaldata i GPRD ca. 5 pct. af Storbritanniens

samlede population. For Novo Nordisk udgør GPRD en værdifuld kilde til data om

bivirkninger, om henvisninger og, hvad der er ordineret i hele Storbritannien,

behandlingshistorik, hvad patienterne er behandlet for og om diagnosekoder. Novo

understreger værdien af, at alle disse data er samlet et sted, omend databasen kun

dækker primærsektoren, altså de praktiserende læger. For Novo og andre spillere i

medicinalindustrien, ville det være yderst interessant at kombinere data fra sektorerne.

Fuld adgang til GPRD’s database koster ca. 2.5 mio. kr. per år.

Samlet estimering af potentiale: Medicinalindustrien

Bedre design af kliniske forsøg

Udviklingen af et nyt lægemiddel går igennem 3 faser, før der søges om

markedsføringstilladelse. Denne fase koster i gennemsnit ca. 5,5 milliarder kroner. En

del udviklingsprojekter fejler, bl.a. fordi lægemiddelvirksomhederne ikke har data nok

til at være helt skarpe, når de identificerer og rekrutterer de populationer og

”respondere”, som skal bruges i de kliniske forsøg. Som det ser ud i dag, er

sandsynligheden for at nyt lægemiddel går igennem de forskellige faser i forbindelse

med kliniske forsøg 21 :

• Fase 1, chance for endelig succes: 12 pct.

• Fase 2, chance for endelig succes: 21 pct.

• Fase 3, chance for endelig succes: 58 pct.

Værdien af navnlig sundhedsdata, der kan sætte medicinalindustrien bedre i stand til at

designe kliniske forsøg og identificere og udvælge forsøgspopulationer, vil have en

direkte indvirkning på chancen for endelig succes og dermed minimering af de tab, der

er forbundet med at stoppe kliniske forsøg for sent.

Bedre vurdering af nye udviklingsprojekter

Medicinalindustrien vurderer i højere grad i dag nye, potentielle lægemidler ud fra

økonomien over hele lægemidlets levetid; økonomien for patienten, for det offentlige,

og i udlandet også i forhold til forsikringsselskaber. Adgang til sundhedsdata giver i

denne sammenhæng langt bedre muligheder for at belyse nye lægemidlers

markedspotentiale ud fra samlede beregninger på lægemidlets livstidsværdi baseret på

populationen, lægemidlets effekt på populationen og den kommercielle, såvel som

samfundsøkonomiske effekt.

21 ”Sådan laver man ny medicin”, videnskab.dk, artikel, 15. januar 2011

Version 1.1 Zangenberg & Company

32


Turisterhvervet

Beskrivelse af emnefelt

Turismeerhvervet i Danmark er en sammensat størrelse, hvis fundament er de mange

små virksomheder, der udgør leverancekanalen for mange af de ydelser og services,

som tilbydes den besøgende turist.

Turisterhvervet står overfor en række store udfordringer; øget konkurrence fra

alternative destinationer, bl.a. foranlediget af et eksploderende marked for

lavprisflybilletter, svigtende besøgstal, ringe innovation og udvikling, for lavt

kompetenceniveau og dårlig rentabilitet. Ejerleddet i turisterhvervet, det vil sige ejerne

af campingpladser, feriehuse, caféer, restauranter, hoteller, mv. er en meget heterogen

størrelse. Specielt de mindre spillere vurderes af rådgivningsvirksomheden DamVad

A/S at være præget af et sæsonbetinget tankesæt og ikke at have tradition for hverken

innovation eller videreudvikling.

Derfor er der en helt grundlæggende strukturel udfordring i turisterhvervet, der

medfører, at der ikke arbejdes efter fælles nationale strategier, at der ikke er en samlet

styring og udvikling af turisterhvervet i forhold til fælles nationale strategier, og – i

forhold til indsamling af data til nærværende rapport og til andre analyser af

turisterhvervet – at der ikke er nogen, der reelt kan udtale sig på vegne af det samlede

turisterhverv. Ingen har på vegne af det samlede turisterhverv overvejet for eksempel

fordelene ved digitale løsninger og værdien af åbne data. Når det er sagt, er det vores

oplevelse, at der findes spillere, der lokalt sidder med meget innovative tanker og idéer

til udviklingen af turisterhvervet i den digitale tidsalder. Nogle af disse ”lokale

tænkere” har bidraget til denne analyse.

I dag foregår indsatsen med at styre og udvikle turisterhvervet på flere forskellige

niveauer 22 :

• Nationalt

o Primært forankret i VisitDenmark, der i dag er en ren

markedsføringsorganisation, der alene har til opgave at markedsføre

Danmark som rejsedestination på relevante udenlandske markeder, og

som for visse områder står for nationale initiativer såsom indsamling af

data til Guide Danmark

• Regionalt

o Der er etableret ét regionalt turismeselskab for hver region, der har til

opgave at samle private og offentlige aktører i satsninger, der kan sikre

produktudvikling og markedsføring af regionens turismeerhverv og

oplevelsesmuligheder – og dermed også sikre regional vækst og

udvikling i turismen

• Lokalt

o På lokalt niveau er indsatsen for at fremme turismen placeret hos

kommunerne, der står for modtagelsen af turisterne i form af

turistbureauer og turistinformationer. Dertil kommer de

tværkommunale destinationssamarbejder

o Kommunerne varetager desuden en række væsentlige

turismerelaterede opgaver på områder som byudvikling, miljø, natur

og kultur, der først og fremmest retter sig mod kommunernes egne

borgere, men som også udgør klare aktiver i bestræbelserne på at sikre

Danmarks attraktionsværdi og tiltrækningskraft på turismeområdet

o Endelig er kommunerne via deres deltagelse i de regionale vækstfora

med til at fastlægge de strategiske målsætninger for

erhvervsudviklingen i de pågældende regioner og dermed også de

strategiske målsætninger indenfor turisme- og oplevelseserhvervet.

22 Kilde: Danske Regioner

(http://www.regioner.dk/Regional+Udvikling/Kultur+og+turisme/Turisme+i+regionerne/Turism

estruktur.aspx)

Version 1.1 Zangenberg & Company

33


Samfundsøkonomisk er turismen et vigtigt erhverv i Danmark 23 :

• Omsætning: 73 mia. kr.

• Heraf eksportindtægter: 36 mia. kr. (Turismen står for 4,3 pct.

af den samlede eksport i Danmark)

• Turismen skaber 127.000 job, knap 5 pct. af den samlede beskæftigelse i

Danmark

• Turismen bidrager med et samlet skatteprovenu på 23 mia. kr.

• Turisternes forbrug skaber en værditilvækst på 26 mia. kr.

Om Turistens beslutningsproces ved valg af destination

Harvard Business Review beskriver i artiklen ”Branding in the Digital Age”, hvordan

branding skrifter karakter. 24 Traditionelt har man gået ud fra, at forbrugerens

udvælgelsesproces følger en ’tragt-bevægelse’, hvor antallet af mulige brands bevæger

sig fra mange brands til få brands til valg af endeligt brand.

HBR vurderer, at beslutninger vedrørende valg nu er mere som en rejse: The decision

journey. Rejsen bevæger sig bl.a. gennem faserne consider, evaluate og buy, og i efter købet

vil der, hvis forbrugeren får indfriet de forventninger, der er opbygget under

beslutningsrejsen, ske en bevægelse ind i et loyalty loop. Her er der underfaserne enjoy,

advocate og bond. HBR anbefaler, at brands ikke bruger for mange ressourcer på faserne

consider og buy. Fokus bør i stedet lægges i langt højere grad på faserne evaluate og

advocate. Budskabet er, at vi som forbrugere af brands foretrækker at afprøve, opleve og

evaluere et brand, før vi køber det. Vi er også tilbøjelige til at opsøge og lytte til andres

anbefalinger. Det er, når vi evaluerer, og når vi lytter til anbefalinger, at vi som

konsumenter er modtagelige for påvirkning.

I forhold til spørgsmålet om åbne data kan understøtte turisterhvervet, synes det i

forlængelse af disse tanker oplagt, at man i designet og udførelsen af kampagner for at

tiltrække turister til landet anvender de data, der findes omkring Danmark, danskerne,

dansk kultur, mv., og i applikationer og virtuelle rum og rejser lader den potentielle

turist afprøve og evaluere brandet Danmark som rejsemål. Virtuelle produkter kan

tilpasses de segmenter, man ønsker at arbejde med (børnefamilier, unge, udenlandske

studerende, erhvervsturister), for at optimere træfsikkerhed i forhold til segmenternes

forventede præferencer.

Hypotese for åbne data indenfor turisterhvervet

På baggrund af en antagelse om, at turisterhvervet som helhed må have interesse i 1) at

få flere mennesker til at vælge Danmark som turistdestination og 2) at få den enkelte

turist til at lægge flere penge mens vedkommende er her, blev følgende hypotese

formuleret som udgangspunkt for dialogen med turisterhvervet:

• Turisterhvervet kan tiltrække flere turister og øge omsætningen pr turist gennem

”produkter”, der anvender tilgængelige data

I det følgende afsnit præsenteres resultatet af dialogen med forskellige aktører indenfor

turisterhvervet.

Case: VisitDenmark

VisitDenmark er det tidligere Danmarks Turistråd. Som nævnt ovenfor står

VisitDenmark for markedsføring af Danmark i udlandet, men har også visse opgaver i

forhold til destinationsudvikling samt analyser af udviklingen af det danske

turisterhverv. VisitDenmark har ikke den samme, samlende og koordinerede rolle, som

Danmarks Turistråd tidligere havde, men der er stadig et vist samarbejde mellem

VisitDenmark og turisterhvervet i Danmark, for eksempel i forhold til at tilvejebringe

23 Kilde: VisitDenmark

24 Kilde: ”Branding in the Digital Age: You’re Spending Your Money in All the Wrong Places”,

Harvard Business Review, December 2010

Version 1.1 Zangenberg & Company

34


data til Guide Danmark. Guide Danmark er en database over alle Danmarks mere

permanente attraktioner og seværdigheder, det vil sige samtlige museer, zoologiske

haver, forlystelsesparker, slotte, parker, mv., som anvendes af både turisterhvervet og

VisitDenmark selv. Der er også samarbejde i forhold til registrering af overnatninger på

for eksempel hoteller, camping, vandrehjem, mv.

Jo mere dynamisk området bliver, illustreret ved at specielt mindre udbydere af

turistservices og –produkter kommer og forsvinder igen, jo større bliver udfordringer

for VisitDenmark. VisitDenmark ser et potentiale forbundet med at udnytte offentlige

data med henblik på løbende at vedligeholde grundlæggende informationer om

udbyderne (adresse, smiley-status, services, mv.), i stedet for at skulle være afhænge af,

at disse data indrapporteres af de lokale turistbureauer, som det er tilfældet i dag. Data

fra Guide Danmark stilles i dag til rådighed, bl.a. via hjemmesiden, og der distribueres

til 70 modtagere (mobil, hjemmesider, standerløsninger, Google). VisitDenmark kan

ikke vurdere den monetære værdi af disse data, men lægger i stedet vægt på, at det

handler om at kvalitetssikre, det grundlæggende produkt, som VisitDenmark prøver at

markedsføre; jo bedre og mere kvalificeret de grundlæggende data er, jo bedre kan man

imødekomme turisternes rimelige forventninger til services og ydelser af høj kvalitet.

Et andet potentiale ligger i det tætte samarbejde, som VisitDenmark allerede har med

Kulturarvsstyrelsen og Skov- & Naturstyrelsen.

I forhold til VisitDenmarks analyseopgaver omfatter arbejdet bl.a.:

• Beregninger af den økonomiske betydning af turisme

• Konjunkturerne i turismen, herunder rapporterer via et ’vejrkort’ hver måned

• Market intelligence: Hvem er vores turister, og hvad tænker de?

• Effektmåling af markedsføring (projekt i sig selv)

VisitDenmarks analytikere overvåger en række indikatorer bl.a. internetpenetration.

Man arbejder desuden med at skabe analyse- og datagrundlag til VisitDenmarks

projektledere. Projektlederne arbejder løbende på at optimere kommunikationen i

forhold til en rækkemålgrupper og temaer/oplevelsestyper som f.eks. ’ferie i

København’, ’det gode liv’, ’sjov leg og læring’, ’temaoplevelser’, ’rundrejser’, mv.

Der gennemføres en turistundersøgelse hver tredje år, hvor turister interviewes om,

hvor de bruger penge, grad af tilfredshed, mv.

VisitDenmark er i øvrigt i gang med et samarbejde med Bornholm omkring bedre

identifikation af de afledte effekter af turisme med udgangspunkt i en makroøkonomisk

model, der arbejder med satellitregnskab af nationalregnskabet.

VisitDenmark vurderer ikke umiddelbart, at der er offentlige data, der i væsentlig grad

kan optimere kampagneplanlægning og vurderer, at man nok ikke vil bruge mange

ressourcer på de data, der eventuelt findes.

Case: Destination Ringkøbing, Hvide Sande/Visit Vestjylland

I Hvide Sande koordineres og udvikles turisterhvervet som et lokalt initiativ.

Destinationen er blandt landets største turistdestinationer og dækker Hvide Sande,

Søndervig og Skjern kommuner, samt nationalparken i Skjern.

Man arbejder de næste fem år med et strategisk mål om at løfte antallet af

overnatninger og døgnforbrug med 30 pct.

I Hvide Sande har man igangsat forskellige initiativer, der understøttes af digitale

løsninger på forskellige måder.

• Man har introduceret et interaktivt turistbureau, der erstatter det traditionelle

turistbureau. Det interaktive turistbureau er ubemandet, men har en interaktiv

touch skærm, hvor turisten kan få information om området og har mulighed for

at ringe op til turistmedarbejder. Denne digitale løsning giver en række fordele,

bl.a. for turisten i form af udvidet åbningstid, samt en række interne fordele for

turistbureauet, såsom mulighed for at optimere personaleanvendelsen

• På sigt vil den normale turistguide transformeres til en interaktiv udgave (fra

off line til on line), og man satser på at komme ud på Facebook, Twitter og

andre sociale medier

Der bruges meget tid på at analysere hvilke turister, der kommer til området, men man

finder at historiske analyser er af begrænset værdi, hvorfor man vil søge at være mere

og mere online og realtids-baseret på datasiden. For eksempel får anmeldelser større og

Version 1.1 Zangenberg & Company

35


større betydning, og turister opsøger selv informationerne, de skal bruge, hvorfor det er

vigtigt at have opdaterede og tilgængelige data.

Hvide Sande vil i løbet af 2011 arbejde med applikationer, der kan hjælpe turisterne, når

de er i området. Projektet vil se på, hvad applikationerne skal kunne, på graden af

personalisering, på hvilke aktører, der skal involveres, og hvilke events der skal

fokuseres på. På sigt overvejer man en applikation, hvormed turisten let kan evaluere

sine oplevelser i Hvide Sande. Udfordringen er turisternes tilbageholdenhed i forhold

til at bruge deres smartphones udenfor deres hjemland. Ud af alle udenlandske turister

er 95 pct. tyskere, og de er meget skeptiske i forhold til anvendelse af smartphones på

grund af de mulige ekstraomkostninger, der kan løbe på telefonregningen. Hvide Sande

vil arbejde på at en løsning, hvor man sælger taletidskort, som folk kan anvende i stedet

for at trække på deres regulære abonnement.

Andre projekter er mere pragmatiske, for eksempel i forhold til fremtidens feriehus.

Feriehussegmentet i destinationen er dominerende. Derfor er det vigtigt at fokusere på

at få bedre feriehuse, fordi det er en forudsætning for, at turisten er indstillet på at

betale high-end priser (Hvide Sande peger på at Danmark ligger 46 pct. over

gennemsnittet prismæssigt).

Man vurderer, at det først og fremmest er vigtigt at udvikle grundparametrene: Bedre

feriehuse, der er tilpasset nye målgrupper (før skulle huset passe de tyske

børnefamilier, men nu i højere grad også voksne par uden børn), bedre infrastruktur,

rene strande og områder, mv.

I forhold til hvilke data, der kunne være interessante i forhold til at understøtte

turisterhvervet i Hvide Sande, er følgende blev nævnt:

• Adresse og person oplysninger på turistaktører (forretninger, restaurationer,

feriehusejere) for at sikre opdaterede og valide data

• Kort-materialer:

o Anvender Geo data indenfor området i forhold til egen hjemmeside

(bruger Google.Maps i dag), men må i dag købe kort, når der skal laves

turistguide

o Kunne man automatisk få tegnet turistaktørerne (restaurationer, caféer,

forretninger, mv. ) ind på kortene, kunne man spare et par mandeugers

arbejde.

• I forhold til målgruppe identifikation er en række data interessante: Har

potentielle kunder bil selv (nødvendigt i feriehussegment? Har de

campingvogne? etc. Dog vurderer Hvide Sande, at de data der kunne gøre en

stor forskel ikke registreres i det offentlige, nemlig de mere holdningsprægede

data, der kunne indikere specielt, hvilke danskere, der kunne være tilbøjelige til

at feriere i Hvide Sande

• Data vedrørende for eksempel den digitale kulturarv og andre fakta-data, der

er knyttet til attraktioner og seværdigheder vurderes som spændende og åbner

for eksempel op for muligheden for at anvende 2D stregkoder ved

destinationens seværdigheder i stedet for skilte. Netop denne anvendelse af

offentlige data nævnes også som et interessant område af DamVad, der ser

muligheden for at anvende oplysningerne i guidede tours omkring hvad

turisten ser/kan se når de bevæger sig rundt i nærområdet. Data kan anvendes

i standerne med information, i video-bidder og et element af ”guidet tur”.

DamVad peger på, at det er vigtigt at appellere til børnefamilierne. I det

omfang data kan anvendes i kreative app’s i forhold til for eksempel skattejagt,

sjove og historiske ruter og andre produkter i børnehøjde, vil turisterhvervet

kunne drive mersalget op, og udvide sæsonen for turisme

Case: Applikationer som “myTravelMate – Denmark”

Det er vores vurdering, at applikationer som den mobile rejsekammerat

“myTravelMate – Denmark” (der udvikles af et konsortium med deltagelse af bl.a.

Microsoft) er en helt grundlæggende forudsætning for at kunne fastholde og udbygge

en position som en attraktiv turismedestination. Turisters oplevelse af en destination

afhænger kritisk af de oplevelser, de eksponeres for, og tilgængeligheden af relevant

information – på stedet. Mobile applikationer, der samler relevant information i en

personaliseret og kontekstafhængig form, vil blive mainstream i løbet af få år.

Teknologien giver mulighed for at sammenstille information fra en række kilder.

Offentlige data om attraktioner, museer, kulturarv mm for de kulturelt interesserede

kombineret med informationer om transport, shopping, vejr, underholdning samt

Version 1.1 Zangenberg & Company

36


information om landet og dets indbyggere og skikke er alt sammen med til at give turen

indhold og give turisten indsigt. Applikationerne vil naturligvis også have relevans i

planlægningen af rejser, og derfor i løbet af kort tid blive en væsentlig faktor, når man

skal vælge det ene rejsemål frem for det andet.

De kritiske succesfaktor for sådanne apps er

• Intuitiv og brugervenlig grænseflade

• Lokations- og kontekstafhængig

• Relevant indhold i forhold til en række primære målgrupper

• Opdateret indhold

Barrierer og forudsætninger

Analysen peger på en helt praktisk udfordring i forhold til turisterhvervet: Det er i høj

grad en fragmenteret branche. Det har været svært at identificere den eller de

enkeltpersoner, der kan udtale sig med vægt i forhold til turisterhvervet i Danmark som

helhed, hvilket beror på, at der ikke i særlig høj grad findes store, centrale og bredt

favnende spillere i branchen.

En oplagt barriere på datasiden ligger i sproget. Langt de fleste offentlige data ligger

registreret på dansk i dag, og turisterhvervet har behov for i hvert fald at have adgang

til tyske og engelske oversættelser af de relevante tekster.

Estimering af samlet potentiale: Turisterhvervet

Det er ikke muligt at sætte en konkret værdi på anvendelse af offentlige data i

turisterhvervet, men det vurderes at blive en grundlæggende forudsætning for at

turisterhvervets parter kan planlægge og gennemføre en målrettet kommunikation med

turisterne, og for at de kan tilbyde de digitale services, der forventes.

Indhold skal leveres (push/pull ad valgte kanaler og medieplatforme) i forbindelse

med at potentielle turister overvejer rejsedestination, for eksempel ved at hjælpe

turisten med at evaluere Danmark som rejsemål (virtuelle tours, story telling, mv.) og

når turisten er i landet/regionen/byen/destinationen.

Adgang til og anvendelse af offentlige data er en kritisk forudsætning for at få

turisterhvervets ”ind i den digitale tidsalder”, hvilket bliver et vigtigt element i arbejdet

for at imødekomme den generelle afmatning af erhvervet.

Hjemmesider og app’s som TripAdvisor, Gowalla, Foursquare og Google Places, der

hjælper forbrugere med evaluere og anbefale ’turistprodukter’ ved at finde information,

kommunikere med andre forbrugere og herunder anbefale foretrukne serviceudbydere,

vurderes at ville vinde større og større udbredelse blandt forbrugere af turisterhvervets

ydelser (overnatning, underholdning, forplejning, mv.). Turisterhvervet skal være til

stede på disse platforme og tilføre merværdi ved at udnytte de data, der kan berige den

enkelte turists oplevelse af sit besøg i Danmark – både forud for - og under sit besøg.

Version 1.1 Zangenberg & Company

37


Den Kommunale Sektor

Beskrivelse af emnefelt

Kommunernes største serviceområder findes indenfor det sociale område,

børnepasningsområdet, skole- og fritidsområdet samt ældreområdet.

Adgang til data er allerede identificeret som et fokusområde for KOMBIT, der driver en

række strategiske projekter på vegne af kommunerne, herunder projektet

”Dataadgang”. Under dette projekt har man gennemført en spørgeskemaundersøgelse

med henblik på at kortlægge problemstillinger i forhold til dataflow i den kommunale

forvaltning. Undersøgelsen peger på, at der er problemer specielt indenfor områderne

”børn og unge”, ”beskæftigelse og integration”, samt sundhed.

For beskæftigelse og integration er der tale om problemstillinger, der forhindrer

sagsbehandlere at udføre deres arbejde fornuftigt, herunder

• Manglende kommunikation forårsaget af manglende standardisering mellem

de grundlæggende systemer fra KMD og Medialogic

• Juridiske problemstillinger

• Data til ledelsesinformation

• Blanketter, der ikke er standardiserede, ikke giver mulighed for forudfyldelse

og som forringer muligheden for selvservicering

For børne- og ungeområdet vurderer KOMBIT på baggrund af undersøgelsen, at der

også for dette område er et potentiale i forhold til de mange blanketter, der i dag ikke er

standardiserede og uden mulighed for forudfyldelse.

Hvad angår sundhedsområdet peger KOMBIT’s undersøgelse på en række

udfordringer, bl.a. i forhold til problematisk dataudveksling mellem regioner,

kommuner og private behandlingstilbud, for eksempel når patienter sendes hjem fra

behandling på et sygehus, til en kommune, der har ansvaret for den videre plejeopgave.

Årsagen ligger bl.a. i forskelle i datastandarder mellem sygehus, kommune, medcom,

mv. KOMBIT vil gennemføre mere detaljerede analyser det kommende år og venter på

den baggrund at komme tættere på en kvantificering af potentialet.

Flere interviewpersoner peger på dataejerskabet som et problem. Kommuner, regioner

og privatpraktiserende læger håndterer patientdata som ”egne” data. Alle aktører

henviser til, at de er ansvarlige for beskyttelse af data i forhold til databeskyttelsesloven.

Reelt betyder dette, at data i vid udstrækning forbliver i siloerne – til skade for de

patienter og borgere, hvis data man ønsker at beskytte.

Til brug for denne analyse har vi valgt at se nærmere på Odense Kommune. Direktøren

i Social- og Arbejdsmarkedsforvaltningen peger på, at diskussionen omkring åbne data

indeholder interessante aspekter i forhold til specielt to områder i forvaltningen:

Generel effektivisering af sagsbehandling og indsatsen mod socialt bedrageri.

I næste afsnit behandles disse to områder med Odense Kommune som case.

Case: Odense Kommune (effektivisering af sagsbehandling Sundheds-

Ældre- og Handicapforvaltningen)

En stor del af arbejdet i de kommunale forvaltninger er knyttet til konkrete sager;

Ansøgningssager, klagesager, byggesager, mv. At have adgang til valide data er en

væsentlig forudsætning for såvel effektiv som fejlfri sagsbehandling.

I Odense Kommunes Sundheds- Ældre- og Handicapforvaltning vedrører en del af

sagsbehandlingen kommunens pleje- og omsorgsydelser for ældre. I denne

sammenhæng oplever kommunen store vanskeligheder i forbindelse med

kommunikationen mellem kommunens medarbejdere i syge- og hjemmeplejen på den

ene side og sygehusvæsenet og de praktiserende læger på den anden.

Problemerne kan opstå i følgende situationer:

• Når en borger indlægges på sygehus

• Når en borger hjemsendes fra sygehus

• Når en borger starter i kommunal genoptræning

Version 1.1 Zangenberg & Company

38


• I forbindelse med hjælpemidler

• Når borgeren modtager ydelser fra den kommunale sygepleje

• Når borgeren modtager ydelser fra den kommunale hjemmepleje

Når en borger indlægges på sygehus

I dag foregår der ”per automatik” en advisering af kommunen, når en borger indlægges

på sygehus. Dette sker typisk 1 – 2 timer efter indlæggelsen, men kun hvis borgeren

allerede har modtaget pleje og omsorgsydelser og dermed er kendt og registreret i

kommunens systemer. Dette betyder for eksempel, at hjemmeplejemedarbejderen på

aftenvagten adviseres om, at borgeren er indlagt og kan agere efter det, herunder

undlade at tage forgæves ud til den pågældende borger. Denne kommunikation

fungerer godt.

Dog efterlyser kommunen muligheden for at forbedre kommunikation fra kommunen

til sygehuset om specielle forhold i forbindelse med indlæggelsen. Konkret ville det

være hensigtsmæssigt, at der automatisk blev formidlet data om eventuelle

hjælpemidler, som borgeren har behov for, om borgerens eventuelle kontakt til

kommunens hjemmehjælp og sygepleje, og om eventuelle ydelser som modtages fra

sygeplejen, mv. Disse informationer ville være af stor værdi for sygehusets håndtering

af borgeren, men de står nu kun i et journalnotat. For at dette ønske kan opfyldes,

kræver det, at data struktureres, systematiseres og gøres tilgængelige via

systeminterfaces.

Når en borger hjemsendes fra sygehus

Sygehuset adviserer kommunen i god tid, før en borger udskrives. Problemet i denne

situation er, at informationerne, der sendes, øjensynlig kun relaterer sig til forhold

omkring den aktuelle indlæggelse, altså ’nydannede data’. Dette betyder, dels at

sygehusmedarbejderen taster data helt forfra uden automatisk genanvendelse af de

data, der allerede findes omkring patienten i adskillige kommunale systemer, dels at

der ikke følger historik med tilbage fra sygehusvæsenet.

Også i denne situation efterlyser kommunen en forbedret kommunikation, denne gang

fra sygehuset til kommunen om specielle forhold i forbindelse med hjemsendelsen,

herunder specifikt i forhold til valide informationer om den medicinering, borgeren har

fået og skal have fremadrettet. Dette er grundtanken i initiativet omkring det fælles

medicinkort. Ifølge kommunen findes der ikke én entydig kilde til sikker viden om den

medicin, en patient får. Sundhedschefen vurderer, at ansvaret for, at disse

informationer registreres, bør ligge hos de praktiserende læger, men at informationerne

i dag ikke ajourføres.

Konsekvenserne af problemstillingen er kendte og indgår ofte i den offentlige debat:

Patienter fejlmedicineres, de modtager forkert medicin og risikerer, at den medicin de

modtager, modvirker den medicin patienten fik i forvejen. Sygehusene har ikke adgang

til information om, hvilken medicin patienten får, og sundhedschefen vurderer, at der

bruges flere hundrede mio. kr. på kommunikation på landsplan mellem de relevante

behandlere og omsorgspersonale om medicinrelaterede spørgsmål. Han vurderer

imidlertid, at der bruges endnu flere ressourcer i forbindelse med fejlindlæggelser

grundet forkert ordineret medicin, forkert indkøb af medicin, mv. Det fælles

medicinkort forventes at løse en del af problemet, men det vurderes ikke at løse

problemerne i relation til kommunikationen mellem aktørerne. Udfordringen, og

gevinsterne, ligger i at løse problemerne forbundet med at formidle de rigtige,

pålidelige data ud til plejepersonale og andre, der har behov for at vide, hvilken

medicin patienten skal have, for at de kan give den korrekte behandling og pleje.

Når en borger starter i kommunal genoptræning

Når en borger er færdigbehandlet på sygehuset, kan sygehuset have truffet beslutning

om, at kommunen skal levere genoptræning. I disse situationer er der også potentiale i

forhold til at sikre, at en række relevante data automatisk tilføres kommunen.

Kommunen efterlyser bl.a. data om regimer, hvilken behandlingsform patienten har

været underlagt. Dette er vigtige informationer i forbindelse med planlægning af

patientens genoptræning.

Sundhedschefen fra Odense Kommune vurderer, at potentialet her nok har elementer af

intern effektivisering og højnet serviceniveau, men at den primære gevinst vil ligge i

design af genoptræningsforløb, hvor patienten for eksempel selv kan overtage dele af

Version 1.1 Zangenberg & Company

39


genoptræningsforløbet. Her kan man reducere genoptræningstiden, og med et korrekt

tilrettelagt forløb kan patienten komme hurtigere tilbage på arbejdsmarkedet.

I forbindelse med hjælpemidler

Der skelnes mellem behandlingsredskaber og hjælpemidler afhængig af dels typen af

redskab, dels af om redskabet anvendes som led i henholdsvis sygehusets behandling

eller som led i kommunens plejetilbud. I visse tilfælde kan behandlingsredskabet og

hjælpemidlet være det samme, som for eksempel albuestokke, der først kan indgå som

behandlingsredskab, men hvor der er tale om en varig tilstand hos patienten, kan

overgå til at være et hjælpemiddel. I de tilfælde vil omkostningen til redskabet føres fra

sygehuset over til kommunen. Dialogen i disse situationer er efterhånden

velfungerende, men den er baseret på manuel kommunikation.

Når borgeren modtager ydelser fra den kommunale sygepleje

I situationer, hvor borgere modtager ydelser fra den kommunale sygepleje, opleves i

dag et upraktisk samspil mellem den kommunale sygepleje og de praktiserende læger.

Sundhedschefen i Odense Kommune vurderer, at der i forhold til dataudveksling er

vandtætte skodder mellem de praktiserende lægers og hjemmesygeplejens patientdata.

Data udveksles i dag kun per mail, via papirbåren kommunikation eller mundtligt.

Sundhedschefen vurderer videre, at hvis sygeplejen havde indsigt i relevante dele af

den praktiserende læges patientjournal, ville det være betydeligt nemmere for

sygeplejen at tage beslutninger og planlægge håndteringen af patienten. Potentialet

ville være endnu større, hvis sygeplejen havde adgang til at skrive i journalen. Der

bruges mange ressourcer på kommunikationen, og der går tid med at give hinanden

adgang til data og på at opdatere forskellige journaler med de samme informationer.

Der opleves mange barrierer i relation til denne problematik i form af pengeinteresser

(idet de praktiserende læger modtager betaling for at formidle information på

baggrund af forespørgslen fra sygeplejen), magt og retssikkerhed.

Når borgeren modtager ydelser fra den kommunale hjemmepleje

Udover information om borgerens behandling på sygehuset ,kunne der også her være

et potentiale i muligheden for at se hinandens journaler. Hjemmeplejen kan have gjort

væsentlige notater i journalen vedrørende kommunikationen (eller manglen på samme)

mellem borgeren og dennes familie. Hvis borgeren har stærke familierelationer, kan

familien understøtte behandlings- og plejeindsatsen, hvilket ofte ikke ville være en

mulighed for den mere ældre. Hvis hjemmeplejen eller sygehuset endvidere gives

mulighed for at notere og systematisk anvende observationer i forhold til den ældres

eller den syges motivation i forhold til at indgå i et behandlingsforløb, kan dette også

indgå i et løft af mulighederne for at kvalificere behandlingen af den enkelte.

Ét sygehusvæsen

Holdningen afspejler en grundlæggende tænkning i forvaltningen: Vi har ét

sundhedsvæsen, én organisation, der vil og skal patientens bedste. Dette er i sig selv et

argument i retning af at etablere åben adgang til alle data i plejesystemet, fordi

alternativet er uhensigtsmæssigheder som beskrevet ovenfor .

Barrierer og forudsætninger

Det er vurderingen, at sundhedsvæsenets grundlæggende struktur med etablerede

magtbaser og økonomiske interesser udgør en betydelig barriere. Derfor er der behov

for en overordnet politisk beslutning om at gøre de nødvendige data åbne og frit

tilgængelige mellem de relevante behandlere og omsorgspersonale i det samlede

sundhedssystem.

Case: Odense Kommune (Indsatsen mod socialt bedrageri)

Kontrolgruppen er en enhed under ydelsescenteret i Odense Kommunes Social- og

Arbejdsmarkedsforvaltningen. Gruppen beskæftiger i alt 4 årsværk. Gruppens arbejde

er rettet imod forskellige former for socialt bedrageri, herunder snyd hvor borgere

uretmæssigt modtager forskellige former for sociale ydelser, såsom

Version 1.1 Zangenberg & Company

40


• Børne- og familieydelse

• Bistandshjælp

• Boligsikring

• Boligydelse

• Børnebidrag

Pt. er indsatsen langt overvejende initieret af anmeldelser fra andre borgere i

kommunen, såkaldte adressesager. En adressesag omhandler en borger, der mistænkes

for at have opgivet en fiktiv adresse med henblik på at gøre den, der bor på den reelle

adresse, berettiget til en given social ydelse såsom kontakthjælp, boligydelse,

børneydelse, pension, mv.

En adresseanmeldelse medfører en relativt standardiseret procedure i kontrolgruppen:

• Anmeldelsen modtages og registreres, og kommunen skal nu undersøge sagen

og er forpligtet til at løfte bevisbyrden

• Borgeren inviteres til samtale, hvor der spørges ind til borgerens forhold

• På baggrund af borgerens aktuelle situation vil kommunen indhente relevante

informationer fra ’gængse kilder’, og borgeren underskriver en

samtykkeerklæring, der tillader kommunen at gøre dette

• Der udarbejdes en konklusion, der præsenteres for borgeren, der enten

erkender eller benægter forholdet

• Hvis borgeren erkender, skrives en indstilling til det relevante fagafsnit , der

indsætter deres lovparagraffer i selve afgørelsen

• Der er ingen egentlig juridisk instans inde over, med mindre borgeren vælger at

klage

• Ca. 50 pct. af alle adressesager ender med en besparelse for kommunen

• De resterende sager henlægges grundet mangler i bevisførelsen, men kan i

princippet åbnes ved ny information.

Kommunen ser ofte, at folk retter adressen efter nogle måneder, hvilket givetvis i vid

udstrækning er et resultat af sagen, der er kørt

Odense Kommune havde i 2009 187.929 indbyggere 25 . Der blev i Odense Kommune i

2009 behandlet 377 adressesager, hvoraf 313 er afsluttet. 174 af disse blev afsluttet med

en samlet besparelse for kommunen på 11.8 mio. kr. Indsatsen per fuldtidsmedarbejder

repræsenterer således en gennemsnitlig kommunal besparelse på 2.95 mio. kr., mens

den gennemsnitlige besparelse per sag er ca. 68.000 kr./år, hvilket svarer til ca. 63 kr./år

per borger i kommunen,.

Kommunens kontrolgruppe estimerer, at antallet af anmeldte adressesager

repræsenterer ca. 30 pct. af det samlede omfang af socialt bedrageri, hvilket vil sige, at

den samlede volumen af besparelser potentielt udgør 39.3 mio. kr. Kontrolgruppen

modtager i dag flere anmeldelser, end der er ressourcer til at behandle. Gruppen

vurderer, at man med to ekstra fuldtidsressourcer vil kunne behandle alle

anmeldelserne på en løbende basis.

Som beskrevet arbejder kontrolgruppen i dag kun på baggrund af borgeranmeldelser,

altså reaktivt. Selvom gruppen har en målsætning om at se på mulighederne forbundet

med samkøring af e-indkomstregistret, er der endnu ikke høstet erfaringer i retning af,

hvordan og i hvilket omfang en sådan samkøring vil bidrage positivt i forhold til

identifikation og begrænsning af bedrageri med sociale ydelser. Kommunen har lov til

at samkøre kommunale registre, men det vurderes at kunne være forbundet med store

omkostninger, idet det fordrer specialtræk via KMD, der leverer de kommunale

systemer.

Imidlertid råder kommunen selv over mange af de data, der skal bruges for at foretage

basale samkørsler. Dette åbner principielt op for at kommunen selv kunne lave en

database og undersøge potentialet ved at datamine på borgere, der modtager sociale

ydelser. Kontrolgruppen er dog tilbageholdende overfor idéen, idet man har svært ved

at se, hvilke data man kan anvende, og hvilke parametre man i praksis med rimelighed

kan anvende som indikatorer for, om en borger begår socialt bedrageri. Bedrageriet i

dag identificeres sandsynligvis primært ved, at andre borgere iagttager et suspekt

adfærdsmønster i og omkring den eller de adresser, hvor den mistænkte kommer og

går.

25 Kilde: www.odense.dk

Version 1.1 Zangenberg & Company

41


Case: SAS Institute i Ballerup Kommune (socialt bedrageri,

enligydelser):

Inspirationen til en mere proaktiv og datadrevet tilgang til indsatsen mod socialt

bedrageri kan hentes fra Ballerup Kommune. Her anvendes en såkaldt ”business

intelligence”-applikation udviklet af SAS-institute.

Applikationen er pt. implementeret i 6-8 af landets kommuner, og erfaringerne

bekræfter indtil videre, at der ligger potentielt store besparelser for landets kommuner i

en målrettet indsats mod socialt bedrageri.

Applikationen anvender tilgængelige data til at udregne en ”sandsynlighedsscore” for

en given borger – sandsynligheden for at denne borger rent faktisk er involveret i

socialt bedrageri. Algoritmerne i denne type applikationer har vist deres anvendelighed

i en lang række situationer, og de bygger grundlæggende på erfaringer fra det konkrete

felt kombineret med en vurdering af personens ”risikovillighed”, der kan estimeres ud

fra en række parametre som for eksempel forholdet mellem gæld og indkomst, hvilken

type bil man kører, om man ejer en motorcykel, etc. Personer med høj risikovillighed

har markant højere sandsynlighed for at begå socialt bedrageri.

Applikationen giver en prioriteret ”undringsliste”, som sagsbehandlerne går ud fra.

Erfaringer viser, at dette fører til, at man finder markant flere sociale bedragere end ved

traditionelle metoder.

Ballerup har haft en gevinst på 2 mio. kr. pr. år ved den indledende anvendelse af

systemet. Denne værdi må forventes at stige i takt med at man ”tuner” systemet og øger

anvendelsen. Kommunens befolkningstal svarer til 1 pct. af hele landet, så en gevinst på

mellem 200 og 400 mio. kr. ligger efter vores vurdering inden for det sandsynlige.

Estimering af potentiale: Den Kommunale Sektor

Effektivisering af sagsbehandling Sundheds- Ældre- og Handicapforvaltningen

En stor del af arbejdet i de kommunale forvaltninger handler om at behandle forskellige

sager, for eksempel ansøgningssager, klagesager, byggesager, mv. Der er et stort

effektiviseringspotentiale forbundet med at tilvejebringe nødvendige og valide data i

forbindelse med de mange sagsbehandlingsaktiviteter, som kommunerne eksekverer.

I forhold til estimering af effektiviseringspotentialet har vi gennemført flere interviews i

Odense kommune, men det har ikke været muligt at etablere et statistisk grundlag for

beregning af effektiviseringspotentialet for de forskellige sagstyper indenfor rammerne

af denne analyse.

Odense Kommune nævner desuden nogle områder, hvor der kan spares ventetid, der

kan opdeles i to dele:

• Medarbejderens ventetid, som kan betragtes som spildtid, idet de venter på at

komme i kontakt med relevante personer, samt at de skal bruge tid på at rykke

for svar eller på at forklare borgeren, at de venter på oplysninger.

• Borgerens ventetid på at deres sag bliver færdigbehandlet herunder lange

sagsbehandlingstider og risiko for ventelister

Kommunen har regnet på et enkelt, helt konkret sagområde - når en borger ansøger om

at få et hjælpemiddel. Her kan der være behov for at indhente forskellige oplysninger,

der i dag som regel hentes ind i en papirbaseret lægemappe, der indeholder relevante

oplysninger om borgeren. Der er regnet på, at rationaliseringspotentialet i forhold til at

gøre denne lægemappe elektronisk er på ca. 25 timer om året for de i alt 64 terapeuter i

hjælpemiddelfunktionen, svarende til næsten et mandeår om året. Dette vil svare til ca.

30 mandeår på landsplan alene for dette initiativ.

Indsatsen mod socialt bedrageri

Den nuværende indsats mod socialt bedrageri i Odense Kommune indbringer på

årsbasis ca. 11,8 mio. kr. med en ressourceindsats (løn) på ca. 2 mio. kr. Pr. indbygger i

kommunen er der sparet ca. 63 kr. Der er forholdsmæssigt tale om den samme

besparelse i Ballerup Kommune (67 kr. per indbygger), hvor besparelserne er hentet

ved systemanvendelse.

Version 1.1 Zangenberg & Company

42


Odense Kommune vurderer, at man med den nuværende, udelukkende reaktive

indsats kun realiserer ca. 30 pct. af det totale besparelsespotentiale. Set pr. indbygger

betyder det, at det reelle besparelsespotentiale kan estimeres til 210 kr. Under en

antagelse om at omfanget af socialt bedrageri i Odense er repræsentativt for Danmark

som helhed, medfører dette et totalt besparelsespotentiale på landsplan på over 1,1 mia.

kr. 26 .

De 30 pct. af dette potentiale (eller 330 mio. kr. per år) kan realiseres på baggrund af

anmeldelser, og procenten kan blive højere, dersom der sikres kapacitet nok til at

adressere alle anmeldelser.

Lettere tilgang til og samkørsel af en række offentlige data på kommunalt niveau vil

helt givet understøtte en højere grad af træfsikkerhed og vil kunne komplementere den

reaktive indsats med en mulighed for at tolke på data som adfærdsmønstre, således

som casen SAS Institutes Bedragerianalyse viser. Baseret på erfaringerne fra Ballerup

kommune er der belæg for at antage, at der ad denne vej kan hentes yderligere 32 pct.

(eller 370 mio. kr. per år).

26 Baseret på 5.529.270 indbyggere i 2009 (http://data.worldbank.org)

Version 1.1 Zangenberg & Company

43


Bilag 1: Interviewpersoner og referencer

Generelt om åbne data, datalandskab, mv.

Interviewpersoner

Navn Titel

Cecile Christensen Kontorchef, It- & Telestyrelsen, Center for Digitalisering

Cathrine Lippert Specialkonsulent, ’Offentlige Data I Spil’-initiativet, It- &

Telestyrelsen, Center for Digitalisering

Adam Arndt It-arkitekt, It- & Telestyrelsen, Center for Digitalisering

Per De Place Bjørn Fuldmægtig, It- & Telestyrelsen, Center for Digitalisering

Janus Sandsgaard Souschef, It- & Telestyrelsen, Center for Digitalisering

Signe Bøtker-Rasmussen Student, It- & Telestyrelsen, Center for Digitalisering

Joachim Boye Fuldmægtig, It- & Telestyrelsen, Center for Digitalisering

Martin Høegh Mortensen Specialkonsulent, It- & Telestyrelsen, Center for

Digitalisering

Thomas Frisendal Information Management Consultant

Forsikring

Interviewpersoner

Navn Titel

Lisbeth Kristensen –

Torben Vaarby - aktuar

Produktchef for privatområdet - TRYG

Aktuar - TRYG

Flemming Tovdal Schmidt Direktør – Pension Danmark

Jan V. Hansen Underdirektør, Pension økonomi / analyse, Forsikring og

Pension

Materiale

• ”Danskernes syn på forsikringssvindel”, Forsikring & Pension Analyserapport

2010:2

Version 1.1 Zangenberg & Company

44


Bank

Intervewpersoner

Navn Titel

Peter Schleidt Executive Vice President og CIO, Danske Bank

Koncernen

Sune Visti Petersen Senior Vice President (Kredit), Danske Bank

Medicinal

Interviewpersoner

Navn Titel

Helge Gydesen Senior specialist, Epidemiologi, Novo Nordisk

Martin Strandberg-Larsen Sundhedsøkonom, Novo Nordisk

Ole Henriksen Global Partnership, Novo Nordisk

Line Hanlos

Global public affairs – ekstern

konsulent/sundhedsøkonomi

Christine Rosenberg Specialist, Epidemiologi, Novo Nordisk

Jesper Lund Bredesen Divisional Director, Medical Information & Compliance,

Lundbeck

Materiale/kilder

• Novo Nordisk Årsrapporter & Regnskaber (www.novonordisk.dk)

• ”Kortlægning af dansk lægemiddelforskning”, Forsknings- og

Innovationsstyrelsen, publikation, juni 2010

• ”Fra kliniske forsøg til innovativ sundhedssektor”, GlaxoSmithKline A/S i

Biokemisk Forening, artikel, oktober 2008

• ”VM i Kliniske Forsøg”, Dagens Medicin, artikel, 11. juni 2010

• General Practice Research Database (GPRD) (www.gprd.com)

• ”Sådan laver man ny medicin”, videnskab.dk, artikel, 15. januar 2011

Energi

Interviewpersoner

Der er gennemført interviews af i alt 4 personer med ansvar for business development

og programudvikling i et dominerede energiselskab. Desuden er der gennemfrt

interview med den ansvarlige direktør for en mindre virksomhed der leverer digitale

energi-services til husejere.

Materiale

• ”Energiforbrug og besparelser i bygninger”, RISØ DTU (29. oktober 2009 –

redaktionel opdatering 24. september 2010)

• ”Termografering fra luften - ”Hvad er op og ned””, Høje-Taastrup Kommune,

24. juni 2010

Version 1.1 Zangenberg & Company

45


Turisme og oplevelses-økonomi

Interviewpersoner

Navn Titel

Thomas Thessen Chefkonsulent, VisitDenmark

Finn Lassen Chef for Online Medier & IT, VisitDenmark

Ole T. Bøndergaard Direktør, Ringkøbing Fjord Handels- og TurismeCentret,

Visit Vest

Hanne Kruse Partner - North European Publishing

Jens Hausted Direktør, Visit Aarhus

Jesper Nørgaard Viemose Chefkonsulent, DAMVAD a/s

Materiale

• ”Hvordan skaber vi sammen vækst i dansk turisme?”, præsentation,

VisitDenmark, 29. november 2010

• ”Serviceerhverv og informationssamfundet”, Statistisk Årbog, 2010

• ”Tal og statistik om dansk turisme”, Danske regioner (www.regioner.dk), 9.

april 2010

• ”Vækst i turisterhvervet”, Turisterhvervets Samarbejdsforum, 18. juli 2008

• ”Branding in the Digital Age: Youʼre Spending Your Money in All the Wrong

Places”, Harvard Business Review, December 2010

Detailhandel

Intervewpersoner

Navn Titel

Lars Frahm It-direktør, COOP

Erhard Nielsen Analytiker, FDB

Materiale/kilder:

• ”Vi hjælper hinanden til en bedre hverdag”, faktabrochure fra FDB

• ”Serviceerhverv og informationssamfundet”, Statistisk Årbog, 2010

• COOP Danmark a/s årsrapport 2009

Offentlig Effektivisering

Intervewpersoner

Navn Titel

Peter Pietras Direktør i Social- og Arbejdsmarkedsforvaltningen,

Odense Kommune

Beth Tolstrup Faglig koordinator for Kontrolgruppen, Social- og

Arbejdsmarkedsforvaltningen, Odense Kommune

Version 1.1 Zangenberg & Company

46


Jan Lindegaard Sundhedschef, Sundhed - Ældre- og

Handicapforvaltningen, Odense Kommune

Mette Birk-Olsen Konsulent, SAND - Sundhedsanalyse- og

dokumentationsenheden, Odense Kommune

Mahdad Fahimi Projectchef, Kombit A/S

Kaare Brandt Business Advisor, SAS Institute

Materiale

• ”Notat vedrørende opfølgning på kontrolgruppens resultater i 2009 samt

målsætning for 2010”, Kontrolgruppen, Social- og

Arbejdsmarkedsforvaltningen, Odense Kommune

Version 1.1 Zangenberg & Company

47


Bilag 2: NORM – Det offentlige datalandskab

Form

Serviceområde

Tværoffentlige

dataområder

Internationale

relationer

Borgerskab og

offentlig styring

Dataområde Beskrivelse Eksempler på

datakilder

Regnskabs- og

løndata

Data om offentlige

virksomheder og

organisationers

regnskaber (indtægter og

udgifter), herunder

specifikt lønudgifter.

Personaledata Data vedrørende ansatte

i den offentlige sektor,

herunder titel,

ansættelsestidspunkt,

ansættelsessted,

uddannelse,

kvalifikationer mv.

Fysiske aktiver og

faciliteter

Data vedrørende fysiske

aktiviter (ejendomme,

køretøjer, apparatur mv.)

i offentlig eje

Lovgivning Data vedrørende

lovgivningsmæssige

forhold i den offentlige

sektor

-

Personstamdata Stamdata

personniveau, herunder

CPR,

forældremyndighed,

ægteskab,

statsborgerskab, etc.

Valgdata Data vedrørende

valghandlinger

(valghandling/art,

valgperiode, valgsteder,

opstillede/

valgmuligheder,

valgresultater)

Version 1.1 Zangenberg & Company

SLS, Navision,

SLS, Navision,

PENSionsAlderBeregni

ngssystem (PENSAB)

Fælles Offentlig

Adressedatabase

(FOA)

Statens

Ejendomsinformation

(SE)

Retsinfo

Folketinget

Det Centrale

Personregister (CPR)

Det centrale

kørekortregister (CRK)

Det centrale pasregister

(PAS)

NemKonto-registeret

(Nem)

Personregistreringen

(PR)

KMD valg

48


Form

Serviceområde

Uddannelse,

forskning og

arbejde

Dataområde Beskrivelse Eksempler på

datakilder

Studerende/elever Data vedrørende

studerende/elever i

offentlige

uddannelsesinstitutioner

(antal, køn, alder,

institution, linje,

karakterer, historik, mv.)

Institutionsdata Data om offentlige

forsknings- og

uddannelsesinstitutioner,

herunder

uddannelsestilbud,

forskningsaktiviteter,

lokationer, kapaciteter

(undervisere, forskere,

studerende/elever), mv.

Undervisere og

forskere

Uddannelser og

uddannelsesforløb

Data om undervisere og

forskere i de offentlige

forsknings- og

uddannelsesinstitutioner

Data om offentlige

uddannelsestilbud med

specifikationer af

indholdet i den enkelte

uddannelse

Uddannelsesaktiviteter Data om afholdte

aktiviteter (lektioner,

afleveringer, eksaminer

etc) og resultater

(karakterer, beståelse)

Forskningsaktiviteter Data om igangværende

og afsluttede

forskningsaktiviteter i

offentlig regi

Forskningsresultater Data om resultaterne fra

igangværende og

afsluttede

forskningsaktiviteter i

offentlig regi

Data om ledige Data om ledige (køn,

alder, uddannelse,

kvalifikationer, erfaring

mv.)

Data om virksomheder

i forhold til

beskæftigelse

Data

beskæftigelsesmulighede

r i virksomheder (tilgang,

afgang, mv.)

Version 1.1 Zangenberg & Company

Studieadministrative

systemer, LMSsystemer

Eksamensdatabasen

(Eks.)

SU-Register (US)

Institutionsregistret for

Uddannelsesinstitutione

r

Studieadministrative

systemer, LMSsystemer

Studieadministrative

systemer, LMSsystemer

Studieadministrative

systemer, LMSsystemer

Amanda,

Arbejdsmarkedsportale

n, KMD OPERA

Amanda,

Arbejdsmarkedsportale

n, KMD OPERA

49


Form

Serviceområde

Kultur, fritid og

natur

Dataområde Beskrivelse Eksempler på

datakilder

Data om

beskæftigelses- og

aktiveringsaktiviteter

Data om planlagte og

gennemførte aktiviteter

rettet mod en enkelte

ledige, herunder

handleplaner

Dagpengedata Data om dagpenge- og

sygedagpengeudbetaling

er

Data om

arbejdsmiljøtilsyn

Data om

arbejdsmiljøhændelser

(arbejdsskader)

Data om udførte

arbejdsmiljøtilsyn,

(herunder virksomhed,

geografi, branche,

resultater, mv.)

Data om

arbejdsmiljøhændelser

(indskærpelser, påbud,

arbejdsskader), herunder

virksomhed, geografi,

branche, hændelsestype,

mv.

Overenskomstdata Data om overenskomster

i den offentlige sektor

fordelt på

personalekategorier/stillin

gsbetegnelse,

Institutioner/organisatione

r (indhold af

overenskomst?)

Digitaliseret Kulturarv Digitaliseret kulturarv er

digitale versioner af

bøger og tidsskrifter,

radio- og tv udsendelser,

musik, film, malerier,

skulpturer, mm.

Elektroniske arkivalier Elektroniske arkivalier -

såvel arkivalier der er

afleveret elektronisk som

arkivalier der er blevet

digitaliseret.

Data om genstande og

proveniens

Data om fredede og

bevaringsværdige

bygninger

Data om konkrete kulturgenstande

(art,

beskrivelse, mv.) og

deres proveniens

Data om fredede og

bevaringsværdige

bygninger

Besøgsdata Data om besøg på

museer, andre kulturelle

tilbud, naturtilbud

Version 1.1 Zangenberg & Company

Amanda,

Arbejdsmarkedsportalen,

KMD OPERA

ForsikringsOrdning

(FO)

ATIS

ASK, ATIS

Arbejdsskadestyrelsens

sagsproduktionssystem

(SJP)

Individuelle systemer

på museer

Fredede og

Bevaringsværdige

Bygninger (FBB)

Individuelle systemer

på museer

50


Form

Serviceområde

Dataområde Beskrivelse Eksempler på

datakilder

Foreningsdata Data om foreninger i

Danmark, herunder type,

tilbud, placering, antal

medlemmer, tilskudsdata,

mv.

Biblioteksdata Data om offentlige

bibliotekers udlån og

bestand

Data om

naturbeskyttelse

Data om rekreative

områder

Data vedrørende

aktiviteter i forbindelse

med naturpleje, -fredning

og -genopretning

Data om etablering,

vedligehold og

beskyttelse af offentlige

rekreative områder,

herunder strande, parker,

grønne anlæg og

legepladser

Sundhed Patientdata Data om patienter,

herunder diagnoser, køn,

alder, geografi, historik,

mv.

Behandlinger og

behandlingsforløb

Behandlingsaktiviteter

og patientjournaler

(patientforløb)

Data om kapaciteter

og udstyr

Data om de behandlinger

og behandlingsforløb der

udbydes

Data om konkrete

patienters

behandlingsaktiviteter og

patientjournaler

Data om

behandlingskapaciteter

og udstyr fordelt på

behandlingssted

Ventelistedata Data om ventelister

fordelt på

behandlingssted og

behandling

Forbrug af lægemidler

og medicinsk udstyr

Data om forbrug af

lægemidler og medicinsk

udstyr

Bivirkningsdata Data om indberettede

bivirkninger

Data om behandlere

og deres

kvalifikationer

Data om behandlere og

deres kvalifikationer

fordelt på

behandlingssted

Version 1.1 Zangenberg & Company

Patientadministrative

systemer (GS!Åben)

EPJ-systemer

EPJ-systemer

Patientadministrative

systemer (GS!Åben)

Det Centrale

Tilskudsregister (CTR)

Sentinel

Personaleadministrativ

e systemer

51


Form

Serviceområde

Social service og

omsorg

Dataområde Beskrivelse Eksempler på

datakilder

Data om sociale tilbud Data om offentlige

dagtilbud, klubtilbud,

ungetilbud og ældretilbud

Data om omsorg og

plejetilbud

Data om sociale

tilskud og

kontanthjælp

Hjemmepleje, hospicer,

ældreboliger, plejehjem

Data om sociale tilskud

og kontanthjælp,

herunder kontantydelser,

børneydelser og

boligstøtte

Data om pensioner Data om sociale

pensioner, herunder

folkepension,

førtidspension, efterløn

og personlige tillæg

Data om flygtninge Data om antal,

oprindelse, baggrund,

mv.

Skat og penge Data om borgeres løn-

og pensionsforhold

Data om told, moms

og andre afgifter

Data om told og

forbrugsafgifter, herunder

energiafgifter,

miljøafgifter, afgifter på

motorkøretøjer moms og

øvrige punktafgifter

Data om Skat Data om beskatning af

personer, pensioner,

ejendomme, selskaber,

fonde og foreninger

Data om restancer,

opkrævninger og

inddrivelse

Data om

udviklingsbistand

Data vedrørende

opkrævning og

inddrivelse af

udeståender til det

offentlige

Data vedrørende alle

typer af udviklingsbistand

på tværs af

serviceområderne

Version 1.1 Zangenberg & Company

Tilbudsportalen (Tilb)

Tilbudsportalen (Tilb)

RAM

RAM

e-indkomst

EjendomStamRegister

(ESR)

Centrale

Skatteyderregister,

Persondelen (CSR-P)

Debitor

restanceregisteret (DR)

52


Form

Serviceområde

Erhverv og miljøbeskyttelse

Dataområde Beskrivelse Eksempler på

datakilder

Virksomhedsstamdata

(CVR)

Regnskabsdata for

virksomheder

Grundlæggende data om

virksomheder, herunder

navn, CVR nummer,

branche,

virksomhedsform,

adresser, mv.

Regnskabsdata for

virksomheder

Eksport- og importdata Data vedrørende eksport

og import af varer og

tjenester

Data om

produktionsmidler

Data om husdyr,

landbrugs- og

skovbrugsarealer,

bygninger, maskinpark,

etc.

Data om produktion Data om produktion i

landbrug, fiskeri, industri,

serviceerhverv, byggeri,

mv.

Data om råvareforbrug Data om råvareforbrug i

landbrug, fiskeri, industri,

serviceerhverv, byggeri,

mv.

Data om afsætning Data om afsætning i

landbrug, fiskeri, industri,

serviceerhverv, byggeri,

herunder data om

ejendomssalg, mv.

Data om tilskud Data om tilskud og

støtteordninger i forhold

til Landbrug, skovbrug og

fiskeri, mv.

Tinglysningsdata Data vedrørende

tinglysning

Data om

virksomheders

miljøbelastning

Data om miljømæssigt

belastende emner og

virksomheder, samt

miljømæssigt belastede

Version 1.1 Zangenberg & Company

Det Centrale

Virksomhedsregister

(CVR)

Virksomhedsregisteret

(VR)

Erhvervssystemet (ES)

Næringsbasen (NB)

Produktionssystemet

(Prodsys)

Register for

Udenlandske

Tjenesteydere (RUT)

SØS/Ereg (SØS/Ereg)

Revireg

Det Centrale

Virksomhedsregister

(CVR)

Skat

DST

DST

DST

DST

Statens salgs- og

vurderingsregistre

(SVUR)

DST

Den digitale Tingbog.

(e-TL)

Industridatabasen (IDB)

53


Form

Serviceområde

Dataområde Beskrivelse Eksempler på

datakilder

geografier

Data om produkter Data om kemikalier i

Danmark Produktregistret

Lov, ret og orden Kriminalitet Data om anmeldelser,

sigtelser og tiltaler fordelt

på geografi

Forsvar og

beredskab

Indsats og

Responstider

Data om Indsats (typer,

antal, geografi) og

Responstider

Asylansøgere Data om Asylansøgere,

herunder antal, køn,

alder, oprindelse,

begrundelse, mv.

Retssager og

domfældelser

Data om Retssager og

domfældelser

Straf Data om konkrete straffe

og strafudmålinger

Fængsler

Resocialisering Data om

resocialiseringsaktiviteter

og -forløb, herunder typer

og antal

Data om indsatser Data om konkrete

indsatser, herunder type,

begrundelse, geografi,

omfang, mv.

Værnepligt Data om

værnepligtsaktiviteter,

herunder antal, køn,

alder, geografi, mv.

Data om beredskaber

og hændelser

Data om farlig

infrastruktur

Data om beredskaber og

hændelser

(nødsituationer),

herunder udrykningstider,

udrykningsstatistik,

påsatte brande etc.

Data om farlig

infrastruktur, herunder

klassifikation, geografi,

mv.

Version 1.1 Zangenberg & Company

Kriminalregistret

HVL-reg -

Hvidvaskregistret (HVL)

Politiets

Vå benregister (PV)

CivilStraffe

54


Form

Serviceområde

Ejendomme og

forsyning

Transport og

trafik-infrastruktur

Dataområde Beskrivelse Eksempler på

datakilder

Geodata Data i form af

koordinater, topologi eller

geografisk information

Ejendomsregistrering Data om

bygningsregulering,

byggesager, ledningsnet

og gravetilladelser,

forurenet jord, mv.

Data om energiforbrug Data om

boligers/ejendommes og

forbrugsgenstandes

energiforbrug

Data om vand- og

energiforsyningsnet

Data om

teleinfrastruktur

Data om øvrig offentlig

forsyning

Data om vand- og

energiforsyningsnet

Data om teleinfrastruktur,

herunder mastedata,

operatører,

frekvensfordelinger, mv.

Data om spildevand,

affald, kommunikation,

post

Vejrdata Data om historiske og

prognosticerede

vejrforhold

Data om veje, søveje,

kyster og jernbaner

Data om køretøjer, fly

og skibe

Data om veje, søveje

(strømforhold, sømærker,

undervandstopologi mm),

kyster og jernbaner

(sporantal,

strækningsinformation)

Data om registrerede

køretøjer, fly

(Luftfartøjsdata) og skibe

(Flådestatistik,

fartøjsoplysninger)

Data om kollektiv trafik Data om typer, geografi,

ruter, anvendelsesgrad,

mv.

Version 1.1 Zangenberg & Company

Matrikelregistret og -

kortet (Matriklen)

Danmarks Højdemodel

(DHM)

Bygnings- og

Boligregistret (BBR)

Den Offentlige

Informationsserver

(OIS)

Danmarks

Arealinformation (DAI)

Energimærkeordningen

(En)

Huseftersynsordningen

(Heweb)

PlansystemDK (PDK)

Statens salgs- og

vurderingsregistre

(SVUR)

Energimærkeordningen

(En)

LER

PlansystemDK (PDK)

55


Form

Serviceområde

Dataområde Beskrivelse Eksempler på

datakilder

Trafikinformation Information om aktuelle

trafikforhold

Havaridata Data om havarier,

herunder årsag,

konsekvens, mv.

Version 1.1 Zangenberg & Company

56

More magazines by this user
Similar magazines