Idee Rekenkamer: ‘Data Rekenkamer, ABS en Clad samensmelten’

2Idee Rekenkamer Data Rekenkamer, ABS en CLAD samensmelten1“Zou het nou beter zijn om de Rekenkamer van Suriname, de Centrale Landsaccountantsdienst en het Algemeen Bureau voor de Statistieken samen te smelten?” Dit onderwerp werd onlangs door parlementariër Carl Breeveld aangehaald bij een sessie van de Rekenkamer van Suriname (Rekenkamer). De Rekenkamer maakt zich klaar om de technologische ontwikkelingen in de wereld te omarmen, vanwege de veelheid van data die zij gedurende haar operaties moet verwerken. De Clad en het ABS werken ook met een veelheid aan data. Breeveld vroeg zich daarom af als het samensmelten van alle drie organisaties een idee zou kunnen zijn. Charmain Felter, voorzitter van de Rekenkamer van Suriname, is ook voorstanders van het samensmelten in de nabije toekomst. “Dan heb je een nationaal controle-instituut. Dat is allemaal een heel lang proces. Overstappen naar big data is een procedure die wij niet binnen een jaar kunnen bouwen. Wij kunnen nu al in die richting denken en het fundament bouwen om te werken aan de toekomst”, zegt de voorzitter.
Felter is in ieder geval voorstander van het integreren van alle data in één enkele datacenter met de nodige beveiligingsmechanismen. De overstap naar Big Data Audit kan dan wel gerealiseerd worden. Het centraliseren van data kan ook betekenen dat de data gevoeliger zijn voor misbruik/lekkages etc. Yuan Ye, ondervoorzitter van de rekenkamer van China, stelt dat er daarom gewerkt moet worden aan de beveiliging. “Zo een controle via zulke controlemechanismen moet bij wet geregeld worden. Voor zowel het collecteren als het gebruik van de gecollecteerde data hebben wij in China gestandaardiseerde procedures. Wij moeten ons beveiligingssysteem inzetten om te voorkomen dat data wordt misbruikt of uitlekt”, stelt de ondervoorzitter.
De hedendaagse zakelijke ondernemingen hebben een groot deel van hun succes te danken aan een economie die stevig op kennis is gericht. Ook overheden beginnen nu die richting op te kijken. Het volume, de variëteit en de snelheid van beschikbare gegevens zijn exponentieel gegroeid. Hoe een organisatie haar datastrategie bepaalt en hoe zij de beschikbare data analyseert en gebruikt, maakt een kritisch verschil in haar vermogen om te concurreren in de toekomstige datawereld. Omdat er tegenwoordig veel opties beschikbaar zijn op de markt voor data-analyse, omvat deze aanpak veel keuzes die organisaties moeten maken, zoals welk framework te gebruiken, welke technologie te gebruiken enz. Een van die benaderingen is de keuze tussen big data en machine learning. Big data-analyse is het proces van het verzamelen en analyseren van het grote aantal datasets (Big Data genaamd) om nuttige verborgen patronen en andere informatie te ontdekken, zoals klantkeuzes, markttrends die organisaties kunnen helpen beter geïnformeerde en klantgerichte zakelijke beslissingen te nemen. Machine learning is een gebied van AI (Artificial Intelligence). In lekentaal is machine learning de manier om computers te leren hoe die complexe taken moeten uitvoeren, die mensen niet kunnen volbrengen. AI heeft als doel om te leren van de data en toekomstige resultaten te voorspellen of in te schatten.
Kavish Ganesh

error: Kopiëren mag niet!