Kvantificering af værdien af åbne offentlige data

Kvantificering af værdien af åbne offentlige data Version: 1.1 11/3 2011 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 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 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 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. 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. 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. 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 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. 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. 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. 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. 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. 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. 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 Privatkunder 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 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 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 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 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. 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. 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. 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 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 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. 20