Verouderde browser

U gebruikt een verouderde browser. DNB.nl werkt het beste met:

Het doel van de Data Science Hub (DSH) is om slimmer te werken met data. Zo halen we er meer waarde uit voor ons toezicht, beleid en onderzoek. Daarbij zoeken we de samenwerking op. Met de financiële sector en andere centrale banken en toezichthouders.

Data science

DNB heeft een bulk aan data in huis. Soms kunnen we die data veel slimmer inzetten dan we gewend zijn en er op die manier meer waarde uit te halen. De Data Science Hub draagt bij aan de ambitie van DNB om meer datagedreven, meer digitaal en daarmee slimmer te werken. Dit doet de Hub door datascienceprojecten en -activiteiten te begeleiden. Zo zetten we datasciencetechnieken zoals machine learning in om de datakwaliteit te verhogen of om stress in bepaalde markten of sectoren te voorspellen.

Samenwerking in datagebruik

Data science gaat over slimme toepassingen op data, waarmee we processen efficiënter en/of slimmer maken. Waar mogelijk zoeken we de samenwerking op. Als we een applicatie ontwikkelen die waardevol kan zijn voor andere centrale banken en toezichthouders, dan gaan we daarmee samen aan de slag. We gebruiken hiervoor onder andere de DNB GitHub. Ook financiële instellingen zijn bezig met slimme datatoepassingen en op dit gebied kunnen we samen optrekken. Dat gaat bijvoorbeeld via Iforum. Bekijk een paar voorbeelden van slim datagebruik in het toezicht: Dataloop, Know your Customer en Biodiversity

Data voor onderzoek en advies 

Ook als centrale bank willen we slimmer en beter gebruikmaken van data. Betere data-analyses helpen ons om betere economische ramingen te maken. En geven ons meer inzicht in de economie, waardoor we onze adviezen nog beter kunnen onderbouwen. Verder gebruiken we machine learning-algoritmes voor het optimaliseren van de bankbiljettensortering.

Economische sentimentsindicator

Een goed voorbeeld van slim datagebruik in onderzoek is de sentimentsindicator. Deze indicator is met behulp van complexe algoritmes opgesteld op basis van bijna een miljoen artikelen in Het Financieele Dagblad. De indicator vergelijkt het sentiment in de krant met de stand van de economie. Daarmee kunnen wij een sneller en actueler beeld van de economische groei geven. 

Data-analyse derivatenmarkten  

DNB gebruikt data voor marktanalyses en het inschatten van de risico’s. Zo verzamelen we data over de derivatenmarkt. Marktpartijen gebruiken derivaten bijvoorbeeld voor het afdekken van renteschommelingen. DNB verzamelt gedetailleerde informatie over alle lopende contracten in Nederland. Daarmee kunnen we de rente- en liquiditeitsrisico’s voor instellingen en de markt als geheel beter inschatten. 

Netwerkvisualisatie

Netwerkvisualisatie van de Nederlandse derivatenmarkt gebaseerd op -data van European Market Infrastructure Regulation.

Algoritmes voor sortering bankbiljetten 

DNB controleert de kwaliteit van bankbiljetten. Daarvoor hebben we grote sorteermachines. De goedgekeurde biljetten worden weer in omloop gebracht. Biljetten die te vervuild of beschadigd zijn, worden vernietigd. Op basis van machinelearning-algoritmes kunnen we het controleproces optimaliseren. Zo kunnen we kosten besparen en onze ecologische footprint verkleinen. Hoewel de productie van een nieuw biljet maar zeven eurocent kost, kunnen de besparingen op Europees niveau in de miljoenen lopen.

Datagebruik in ons toezicht

DNB en de financiële sector delen veel data. We zoeken de samenwerking op om beter en slimmer gebruik te maken van data in ons toezicht. Lees meer over datascience in ons toezicht.