BNP Paribas Fortis en UGent richten een nieuwe leerstoel op: ‘Research for a Changing World’

De wereld verandert aan een snel tempo. Actuele economische inzichten spelen daardoor een steeds crucialere rol in de besluitvorming van zowel bedrijven als overheden.

BNP Paribas Fortis en prof. Koen Schoors (UGent) geloven dat banken hierin een belangrijke rol kunnen spelen. Ze gaan daarom een partnership aan om, binnen een strikt compliance-kader, te onderzoeken hoe de maatschappelijke impact van inzichten uit volledig geanonimiseerde bankdata positief kan versterkt worden.

De bevindingen van deze Leerstoel zullen bijdragen tot de verdere ontwikkeling van de A&AI-strategie (“Analytics & Artificial Intelligence,) van BNP Paribas Fortis alsook de bank toelaten de macro-economische lange termijninzichten te integreren in haar projecten rond klantentevredenheid en waardecreatie.

Op 11 januari werd de nieuwe leerstoel ‘Research for a Changing World’ officieel ingewijd aan de Universiteit Gent (UGent). De onderzoeksgroep van Professor Koen Schoors aan het Departement Economie van de UGent gaat, onder leiding van Dr. Milan van den Heuvel, onderzoeken hoe bankdata economische inzichten kunnen opleveren die nuttig zijn voor sociaal-economisch beleid.

De wereld kent de laatste jaren razendsnelle economische veranderingen. Beleidsmakers moeten daarom steeds vaker en sneller ingrijpen. Deze beslissingen maken, evalueren en herzien met halve of geen actuele inzichten is echter onbegonnen werk. Banken zitten aan de bron van de economische activiteit aangezien ze een groot deel van de economische transacties rechtstreeks verwerken. Bijgevolg zouden deze transactiedata na volledige anonimisering gebruikt kunnen worden om een goede inschatting te maken van, bijvoorbeeld, de nationale groei- en inflatiecijfers vooraleer ze officieel bekend zijn. Professor Schoors verwijst naar deze oefening als ‘preplication’, het repliceren van nationale cijfers vooraleer ze gepubliceerd worden door de nationale instanties.

Om van geanonimiseerde individuele transacties tot maatschappelijk relevante en bruikbare inzichten te komen is er echter een transparante aanpak nodig. Machinelearningtechnieken halen efficiënt verbanden uit grote volumes data, maar er zijn drie grote uitdagingen bij het toepassen ervan om beleidsbeslissingen te ondersteunen. Deze uitdagingen vormen de focus van het onderzoek dat de leerstoel sponsort.