Mega Trend 8: Big data grows up – from open banking, to open insurance, to open health

Grande tendance 8 : La croissance des mégadonnées – des systèmes bancaires ouverts, à l’assurance ouverte et la santé ouverte

I can still remember the time when “floppy disks” with maximum capacity of 2.8 mega bites (MB) were popular: a term that some of you probably haven’t even heard of! Back in the 1970s, storage devices were not as advanced as they are today, and people relied on simple storage devices with limited capacity. Those times are now in the history books and as more data becomes available, more advanced storage devices (e.g., compact disks, DVDs, USB drives) have been introduced. Currently flash drives are available with 4TB capacity i.e., 4x106 MB.

Je me souviens encore de l’époque où les disquettes d’une capacité maximale de 2,8 mégabits (Mbit) étaient en vogue; mégabit, un terme que certains d’entre vous n’ont probablement jamais entendu! Dans les années 1970, les périphériques de stockage n’étaient pas aussi évolués qu’aujourd’hui, et les gens se fiaient à de simples dispositifs de stockage offrant une capacité limitée. Cette époque est désormais révolue, et à mesure que les données sont devenues de plus en plus accessibles, des dispositifs supérieurs de stockage ont vu le jour (p. ex., les disques compacts, les DVD, les clés USB). Des disques à mémoire flash d’une capacité de 4 Tb sont maintenant disponibles, c’est-à-dire 4 x 106 Mbits.


My prediction is that developments in data storage, data interrogation and data access will have wide and far reaching implications, from driving innovation in longevity risk transfer to increasing life expectancy itself.

Je prédis que l’incidence des développements en matière de stockage de données, d’interrogation de données et d’accès aux données aura une portée considérable, que ce soit pour stimuler l’innovation en ce qui a trait au transfert de risque de longévité ou d’augmenter l’espérance de vie de la population.

AUTHORED BY SAEED AHMADI, August 2021

AUTEUR : SAEED AHMADI, août 2021

Big data growth

Croissance des mégadonnées

The Cambridge dictionary defines “big data” as: “very large sets of data that are produced by people using the internet, and that can only be stored, understood, and used with the help of special tools and methods”. In other words, the data set is so massive and complex that traditional data management systems cannot be used to store or analyze it.

Le dictionnaire Cambridge définit « mégadonnées » comme suit : « Ensemble très volumineux de données produites par les gens qui utilisent Internet, et qui peuvent seulement être stockées, traitées et utilisées à l’aide de méthodes et d’outils spécifiques » [traduction libre]. En d’autres mots, le volume de données est à ce point massif et complexe qu’il est impossible de le stocker et de l’analyser à l’aide de systèmes de gestion de données classiques.

The following chart clearly demonstrates three main components of big data commonly referred as 3 Vs, Volume, Velocity and Variety.

Le tableau suivant démontre clairement trois principaux composants des mégadonnées, communément appelés les 3V; volume, vélocité et variété.

As indicated by (Berisha and Endrit 2021), big data has been growing extremely fast within the past few years.

Comme il est indiqué dans (Berisha and Endrit 2021), les mégadonnées ont connu une croissance extrêmement rapide au cours des dernières années.


Data volume in zettabyte

Volume de données en zettaoctets

Source:(Berisha and Endrit 2021)

Source : (Berisha and Endrit 2021)

The chart above shows volume of data/information (in zettabyte1) created, captured, copied, and consumed worldwide from 2010 to 2017 and then forecasted from 2018-2024 on an exponential basis.

Le tableau ci-dessus démontre le volume de données/renseignements (en zettaoctets1) créé, colligé, copié et consommé à l’échelle mondiale entre 2010 et 2017, puis prévu entre 2018 et 2024 de façon exponentielle.

Initial pattern recognition methods like regression analysis can be dated back to 1800. Advances in computer science in recent years with the developments in machine learning algorithms and artificial intelligence together with the growth in big data has significantly enhanced our ability to gain valuable insights from data. This can be inevitably considered as one of the main indirect impacts of big data growth.

Les méthodes de reconnaissance de configuration initiales, comme les analyses de régression, remontent aux années 1800. Les progrès informatiques au cours des dernières années, parallèlement aux développements en matière d’algorithmes d’apprentissage automatique et d’intelligence artificielle, de même que la croissance des mégadonnées, ont accru de façon exponentielle notre capacité de tirer de précieux renseignements à partir des données. Et cela peut inévitablement être considéré comme l’une des principales répercussions indirectes de la croissance des mégadonnées.

While the growth in big data use is undeniable, big data opportunities per industry can reveal a different pattern. The following heat map from (Kart 2012) shows big data opportunity per industry and by 3 Vs. Banking & securities, communications, media, and services together with government and manufacturing were among the top industries to benefit from big data. Healthcare providers and the insurance industry on the other hand exhibited relatively moderate potentials for big data.

Bien que l’augmentation de l’utilisation des mégadonnées soit indéniable, le potentiel lié aux mégadonnées selon le secteur révèle des différences. La carte de densité ci-dessous créée par (Kart 2012) démontre le potentiel lié aux mégadonnées par secteur et selon les 3V. Le secteur bancaire et les valeurs mobilières, les communications, les médias, et les services, de même que le gouvernement et la fabrication font partie des principaux secteurs à tirer profit des mégadonnées. D’autre part, les fournisseurs de soins de santé et le secteur des assurances démontrent un potentiel plus modéré en ce qui concerne les mégadonnées.

Big data oppotunity heat map
Big data oppotunity heat map
Big data oppotunity heat map

Big data oppotunity heat map
Big data oppotunity heat map
Big data oppotunity heat map

Source: Kart, L. 2012. Market Trends: Big Data Opportunities in Vertical Industries. Gartner

Source : Kart, L. 2012. Tendances du marché : Potentiel lié aux mégadonnées dans les secteurs verticaux. Gartner


Open Banking

Système bancaire ouvert

The beginning of the big data revolution has come in the guise of open banking, a practice of granting certain types of access to customers’ personal and financial data to third-party financial service providers through open application programming interfaces (API) [subject to appropriate customer consent].

La révolution des mégadonnées s’est amorcée avec l’arrivée du système bancaire ouvert, qui consiste à accorder certains types d’accès aux données personnelles et financières des clients à des fournisseurs de services financiers tiers au moyen d’interfaces de programme d’application ouvertes [sous réserve d’un consentement approprié de la part du client].

Open banking started in October 2015 when the European Parliament adopted a revised Payment Services Directive, known as PSD2. In August 2016, the United Kingdom Competition and Markets Authority required the nine biggest UK banks – HSBC, Barclays, RBS, Santander, Bank of Ireland, Allied Irish Bank, Danske Bank, Lloyds and Nationwide to grant licensed startups access to their customers’ data. These regulations came into effect in January 13, 2018. Open banking has been spreading ever since across Europe and globally as highlighted by (Corcoran 2020) and shown in the following map:

Le système bancaire ouvert a vu le jour en octobre 2015, alors que le Parlement européen adoptait une nouvelle directive sur les services de paiement (« PSD2 »). Au mois d’août 2016, la Competition and Markets Authority du Royaume-Uni demandait aux neuf plus importantes banques britanniques – HSBC, Barclays, RBS, Santander, Bank of Ireland, Allied Irish Bank, Danske Bank, Lloyds et Nationwide – d’accorder aux entreprises en démarrage agréées l’accès aux données de leurs clients. Ces directives sont entrées en vigueur le 13 janvier 2018. Le système bancaire ouvert ne cesse de croître depuis en Europe et à l’échelle mondiale, comme l’indiquent (Corcoran 2020) et la carte suivante :

Big data oppotunity heat map

Source: https://www.bbva.com/en/open-banking-regulation-around-the-world/

Source : https://www.bbva.com/en/open-banking-regulation-around-the-world/ [version française non disponible]

It is believed that open banking will facilitate great innovation in financial technology and both customers and financial institutions can already benefit from open banking regulations from:

Il est attendu que le système bancaire ouvert favorisera une grande innovation dans le domaine des technologies financières, et les clients tout comme les institutions financières profitent déjà de la réglementation du système bancaire ouvert concernant les éléments suivants :

  • Account aggregation: A customer’s financial data from multiple accounts can be aggregated by personal financial apps where expenditure data can be cleaned, classified, and analyzed.
  • Credit risk checking: Customers credit history can be quickly reviewed by banks, for example, during a mortgage pre-approval process. In addition, more informed decisions can be made by financial institutions when estimating their credit risk.
  • Opening bank accounts: By sharing customers personal data, banks can quickly and more accurately open accounts, issue credit cards etc.
  • Regroupement des comptes : Les données financières d’un client provenant de plusieurs comptes peuvent être regroupées dans des applications financières personnelles, dans lesquelles les données concernant les dépenses peuvent être nettoyées, classées et analysées.
  • Vérification du risque de crédit : Les banques peuvent examiner rapidement les antécédents de crédit des clients, notamment lors d’un processus de préapprobation hypothécaire. De plus, les institutions financières sont en mesure de prendre des décisions plus éclairées quand vient le temps d’évaluer leur risque de crédit.
  • Ouverture de comptes bancaires : Grâce au partage des données personnelles des clients, les banques sont en mesure d’ouvrir des comptes, d’émettre des cartes de crédit et plus, rapidement et avec plus de précision.

Open Insurance

Assurance ouverte

Following in the footsteps of open banking, is open insurance. The European Insurance and Occupational Pensions Authority defines open insurance as “accessing and sharing insurance-related personal and non-personal data usually via API”. Open insurance could then be viewed from three following linked angles:

L’assurance ouverte suit sur les traces du système bancaire ouvert. L’ Autorité européenne des assurances et des pensions professionnelles définit l’assurance ouverte comme étant « l’accès à des données personnelles et non personnelles liées à l’assurance et le partage de celles-ci, généralement au moyen d’interfaces de programme d’application. » L’assurance ouverte pourrait alors être examinée depuis les trois angles interreliés suivants :

  • Industry angle: Insurance data can be widely combined and exchanged via API’s by partnering insurance companies.
  • Consumer angle: Insurance related consumer data such as benefits, claims or coverage can be shared between insurers.
  • Supervisory angle: Regulators can access insurance service related data on a real time basis to enhance their oversight capabilities.
  • Angle du secteur : Les données sur l’assurance peuvent être aisément associées et échangées au moyen d’interfaces de programme d’application par des compagnies d’assurance partenaires.
  • Angle des consommateurs : Les données des consommateurs en ce qui a trait à l’assurance peuvent être partagées entre assureurs, notamment les données sur les indemnités, les réclamations ou la couverture.
  • Angle de la supervision : Les organismes de réglementation peuvent accéder en temps réel aux données relatives aux services d’assurance et ainsi améliorer leurs capacités en matière de supervision.

Greater access to data in the insurance industry could help drive innovative new product lines, improve distribution channels and improve risk management practices. It could even help open up a liquid secondary market for longevity linked policies and move us closer to a situation where longevity risk is fully tradeable.

Un plus grand accès aux données dans le secteur de l’assurance pourrait faciliter le développement de nouvelles gammes de produits novatrices et contribuer à l’amélioration des canaux de distribution et des pratiques de gestion du risque. Cet accès pourrait également contribuer à la création d’un marché secondaire liquide en ce qui a trait aux polices liées à la longévité, et ainsi nous rapprocher du moment où le risque de longévité serait entièrement négociable.

There is still some way to go for open insurance. Although insurance API usage has been increasing over the last decade, it is still lagging the banking and financial sector as highlighted by (Gasc 2020) in this blog.

Il reste toutefois encore du chemin à faire pour faire place à une assurance ouverte. Bien que l’utilisation d’interfaces de programme d’application ait augmenté dans le secteur des assurances au cours de la dernière décennie, elle a pris du retard dans le secteur bancaire et financier, comme le souligne (Gasc 2020) dans ce blogue.

Open Health

Système de santé ouvert

What comes after open banking and open insurance? Open health! As of July 1, 2021, the Center for Medicare & Medicaid Services started to implement requirements for certain payers to support patient access and provider directory APIs. This can be considered as a major break though since enforcing new requirements means faster processing time particularly when compared to the older Electronic Data Interchange protocol that was developed in 1970s. Implementing data privacy and data security features and being compliant with Health Insurance Portability and Accountability Act of 1996 (also known as HIPAA) are important parts of the new API integration.

Après le système bancaire ouvert et l’assurance ouverte, quelle est la suite logique? Le système de santé ouvert! Depuis le 1er juillet 2021, les Center for Medicare & Medicaid Services ont mis en œuvre des exigences s’adressant à certains payeurs dans le but de prendre en charge l’accès des patients et les annuaires des fournisseurs par les interfaces de programme d’application. Cela peut être perçu comme un important changement puisque la mise en place de nouvelles exigences signifie un temps de traitement plus court, particulièrement lorsqu’on le compare à l’ancien protocole d’échange électronique de données développé dans les années 1970. La mise en œuvre de fonctionnalités de confidentialité et de sécurité des données et la conformité à la Health Insurance Portability and Accountability Act de 1996 (également connue sous le nom de HIPAA) sont des éléments importants de la nouvelle intégration des interfaces de programme d’application.

If the health industry can follow the banking industry in tapping into the power of big data, it could have big implications for the health of average people. Data driven accessible technology innovations that encourage people to live healthier lives could ultimately increase both lifespans and healthy lifespans.

Si le secteur de la santé parvient à suivre le secteur bancaire en matière d’exploitation des mégadonnées, cela pourrait avoir une incidence importante sur la santé de la population en général. Les innovations technologiques accessibles relativement aux données, qui encouragent les gens à adopter un mode de vie plus sain, pourraient contribuer à augmenter tant la durée de vie que la durée d’une vie en santé.

Nowadays, banking & securities have already moved toward big data and API usage in their day to day decision making. Healthcare systems and Insurance companies are increasingly applying predictive modeling and big data analytics to improve their performance and more accurately estimate risks. It is not unrealistic to see in the near future both open insurance and open health be fully engaged with big data as insurance and health data are being widely shared. This may ultimately enable tech companies to develop innovations to improve people’s health and cause people to live longer.

À l’heure actuelle, le secteur bancaire et les valeurs mobilières utilisent déjà des mégadonnées et des interfaces de programme d’application dans leur processus décisionnel quotidien. Et les systèmes de soins de santé et les compagnies d’assurance appliquent de plus en plus la modélisation prédictive et l’analyse des mégadonnées dans le but d’améliorer leurs performances et d’évaluer les risques avec une plus grande précision. Il n’est pas irréaliste de penser que nous pourrions voir dans un avenir rapproché à la fois l’assurance ouverte et le système de santé ouvert recourir pleinement aux mégadonnées, étant donné que les données sur l’assurance et la santé sont largement partagées. Et cela pourrait finalement amener les entreprises de technologie à mettre en place des innovations qui permettraient d’améliorer la santé des gens et ainsi prolonger leur espérance de vie.

References:
Références :

Berisha, Blend, and M ̈ezi Endrit. 2021. Big Data Analytics in Cloud Computing: An overview. 2. https://www.researchgate.net/profile/Blend-Berisha/publication/348937287_Big_Data_Analytics_in_Cloud_Computing_An_overview/links/601825fb92851c2d4d0c3d94/Big-Data-Analytics-in-Cloud-Computing-An-overview.pdf.

Corcoran, Edward. 2020. 11 05. Accessed 08 09, 2021. https://www.bbva.com/en/open-banking-regulation-around-the-world/.

Gasc, Jean-François. 2020. “Open insurance success hinges on the right APIs.” accenture. 20 04. Accessed 08 10, 2021. https://insuranceblog.accenture.com/open-insurance-success-hinges-on-the-right-apis.

Kart, L. 2012. Market Trends: Big Data Opportunities in Vertical Industries. Gartner.


NOTES:
NOTES :

1One zettabyte is equal to 1x1015 MB

1Un zettaoctet équivaut à 1x1015 Mbits