Zoekresultaat: 4 artikelen

x
De zoekresultaten worden gefilterd op:
Tijdschrift Tijdschrift voor Toezicht x Jaar 2018 x Rubriek Case x
Uit het veld

Beoordeling van datamacht in het mededingingstoezicht

Tijdschrift Tijdschrift voor Toezicht, Aflevering 2-3 2018
Auteurs Robert Stil, Douwe Meindertsma en Inge van der Linden
SamenvattingAuteursinformatie

    Het gebruik van data levert belangrijke voordelen voor ondernemingen en consumenten. Het roept echter ook de maatschappelijke vraag op of verzameling en gebruik van data kunnen leiden tot marktmacht (‘datamacht’). Het risico daarop wordt bepaald door: (1) het belang van data als input, (2) de beschikbaarheid en repliceerbaarheid van data, (3) het belang van schaal- en netwerkeffecten en (4) de concurrentiesituatie op de markt waarvoor data een input vormen. Het mededingingstoezicht beschikt over de instrumenten om in specifieke situaties het ontstaan van datamacht als gevolg van concentraties te voorkomen en misbruik van datamacht te beëindigen of te bestraffen. Tot nu toe hebben die situaties zich in de praktijk nog weinig voorgedaan.


Robert Stil
Drs. R. Stil is senior econoom bij de Autoriteit Consument & Markt (ACM).

Douwe Meindertsma
Mr. D.S. Meindertsma is jurist bij de ACM.

Inge van der Linden
Mr. I. van der Linden is jurist bij de ACM.

Judith van Erp
Prof. dr. J.G. van Erp is hoogleraar Publieke Instituties aan de Utrechtse School voor Bestuurs- en Organisatiewetenschap, Universiteit Utrecht.
Uit het veld

Opzet van een datavoorzieningsfunctie ter ondersteuning van datagedreven toezicht

Tijdschrift Tijdschrift voor Toezicht, Aflevering 2-3 2018
Trefwoorden granulaire data, kwadrantenmodel, datavoorziening, datamanagement
Auteurs Wouter van Aerle, Ronald Damhof en Frank Ouddeken
SamenvattingAuteursinformatie

    Toezichthouders hebben te maken met een steeds grotere stroom aan data. Dit vraagt om toenemende discipline in de verwerking ervan. Uit de principes van goed toezicht volgen niet-functionele eisen – als traceerbaarheid, uitwisselbaarheid en betrouwbaarheid – waaraan de gegevensverwerking moet voldoen. Voor het realiseren hiervan is een datavoorzieningsfunctie nodig, vergelijkbaar met andere bedrijfsfuncties als Finance en HR. Binnen DNB is het datakwadrantenmodel gebruikt om deze realisatie vorm te geven. Het model is een begripsvormend kader, dat de gegevensverwerking vanuit twee perspectieven beschouwt: de aanbod- en vraagzijde van gegevens en een opportunistische versus een systematische manier van werken. Op basis van het model zijn keuzes gemaakt ten aanzien van de technische voortbrenging van data, inrichting van de organisatie, besturing en benodigde kennis en competenties.


Wouter van Aerle
Ir. W.A. van Aerle is managing partner bij Deltiq, adviesbureau voor informatiemanagement.

Ronald Damhof
Drs. R.D. Damhof was tot 1 juli 2018 werkzaam als enterprise data architect bij De Nederlandsche Bank

Frank Ouddeken
Drs. F.E.M. Ouddeken is werkzaam voor De Nederlandsche Bank als manager Data Management Office, Divisie Statistiek.
Uit het veld

De algoritmische waakhond

Datagedreven mededingingstoezicht

Tijdschrift Tijdschrift voor Toezicht, Aflevering 2-3 2018
Trefwoorden algoritme, detectie, mededinging, datagedreven, toezicht
Auteurs Jan Sviták en Erik Brouwer
SamenvattingAuteursinformatie

    In dit artikel gaan wij in op de vraag hoe een mededingingsautoriteit datagedreven technieken kan inzetten om effectiever te worden. Machine learning is in de laatste jaren enorm populair geworden, levert vaak snel goede resultaten op en vormt de basis voor succes van vele e-commerce-bedrijven die (bijna) dagelijks machine learning-algoritmes toepassen om de optimale prijzen te bepalen van al hun producten, gegeven historische transacties die concurrenten aanbieden en gelet op de omvang van de eigen voorraad. Machine learning is echter alleen geschikt voor specifieke vraagstukken. Het verschil tussen causaliteit en voorspelkracht speelt daarbij een belangrijke rol. Vaak past een ‘ouderwetse’ statistische analyse beter bij de onderzoeksvraag over oorzaak en gevolg. Voorbeelden van nuttige toepassingen van machine learning-technieken zijn voorspellingsmodellen en verkennende data-analyse, die op nieuwe inzichten kan wijzen of bepaalde gebeurtenissen kan signaleren. Wij bespreken een simpel algoritme toegepast op detectie van veranderingen in prijsdata en laten zien hoe dit tijdrovende handmatige analyses kan vervangen. Een mededingingsautoriteit kan soortgelijke algoritmes als een belangrijke en noodzakelijke aanvulling gebruiken op de ‘ouderwetse’ maar eveneens nuttige statistische analyses voor o.a. opsporing van kartels. De methode is flexibel qua inzet in verschillende markten en toepassingen van diverse aannames over het gedrag van ondernemingen.


Jan Sviták
Dhr. J. Sviták is econometrist bij het Economisch Bureau van de Autoriteit Consument en Markt en extern PhD student aan Tilburg University.

Erik Brouwer
Prof. Dr. E. Brouwer is clusterhoofd big data bij SEO Economisch Onderzoek en bijzondere hoogleraar mededinging en innovatie aan Tilburg University.
Interface Showing Amount
U kunt door de volledige tekst zoeken naar alle artikelen door uw zoekterm in het zoekveld in te vullen. Als u op de knop 'Zoek' heeft geklikt komt u op de zoekresultatenpagina met filters, die u helpen om snel bij het door u gezochte artikel te komen. Er zijn op dit moment twee filters: rubriek en jaar.