De snelle veranderingen in onze internationale en digitale economie vergroten de vraag naar betrouwbare, snel beschikbare en steeds meer gedetailleerde statistieken. Tegelijkertijd maakt de toegenomen complexiteit het opstellen én interpreteren van statistieken een stuk lastiger. Hoe zou dat beter kunnen?
- De snelle veranderingen, en de daarbij behorende grotere vraag naar data, zorgen voor nieuwe meetuitdagingen.
- Een goede interpretatie van complexe ontwikkelingen vereist een nauwe interactie tussen statistici en gebruikers.
- Voor adequate statistieken zijn meer (wettelijke) mogelijkheden nodig voor de toegang tot en uitwisseling van brondata.
De complexe internationale verwevenheid van de zeer open Nederlandse (financiële) economie verandert in een steeds hoger tempo. Tot voor kort leek een steeds meer de overhand nemende internationale taakverdeling – globalisering – de norm. Maar de laatste maanden, waarin het coronavirus internationale grenzen deed sluiten en strategische vragen opriep over nationale en Europese zelfvoorziening, hebben het meer dan duidelijk gemaakt dat de globalisering geen onomkeerbaar proces is.
Tegelijkertijd verandert de opkomst van nieuwe technologieën – de digitale economie – de structuur van onze economie razendsnel. We kopen meer via internet, online-platforms veranderen hele industrieën met hun innovatieve verdienmodellen, en crypto currencies zoals de bitcoin zijn zo relevant geworden dat centrale banken wereldwijd nu onderzoeken of en hoe zij zelf digitaal geld kunnen uitgeven (Boar et al., 2020).
Deze ontwikkelingen hebben de vraag van beleid en wetenschap naar actuele, kwalitatief hoogwaardige officiële statistieken over de economie en internationale transacties en posities alleen maar verder vergroot. Van oudsher vormen deze macro-economische statistieken een belangrijke bron waarmee beleidsmakers en academici hun (internationaal) economisch beleid en onderzoek onderbouwen. Gebruikers willen daarbij graag blindelings op de cijfers kunnen vertrouwen, en doen dat dan ook.
Dit alles stel statistici in toenemende mate voor uitdagingen. In dit artikel bespreken we deze en stellen we mogelijke oplossingen voor.
De veranderingen in internationale verwevenheid en de toegenomen digitalisering maken het opstellen van statistieken een stuk lastiger. Dat brengt (nieuwe) uitdagingen wat betreft het maken van statistieken over bijvoorbeeld internationale waardeketens, het gedrag van multinationals en de steeds digitalere economie.
Internationale waardeketens
De eerste uitdaging is het adequaat meten van de rol die Nederlandse bedrijven spelen in complexe internationale waardeketens. Deze waardeketens zijn het gevolg van de internationale fragmentatie van productie, en zorgen voor een steeds grotere internationale afhankelijkheid van bedrijven, industrieën en landen. Maar tegelijkertijd wordt het daarmee steeds moeilijker om in beeld te krijgen waar de uiteindelijke consumptie van producten plaatsvindt, of waar geïmporteerde producten vandaan komen. De risico’s die daarmee gepaard gaan zijn de afgelopen maanden door de Covid-19 pandemie duidelijk gemaakt. Daarnaast is de rol van (nationale) toeleveranciers – relatief vaak op het gebied van dienstverlening – als ondersteuners van exportsucces ook vaak onzichtbaar.
Het verschil tussen goederen en diensten vervaagt. Dit voorbeeld laat zien hoe individuele bedrijfsbeslissingen direct de cijfers over de internationale handel in diensten en de (inkomsten door) internationale directe investeringen beïnvloeden. Stel dat een dochterbedrijf gebruik maakt van de door een buitenlandse moeder ontwikkelde – al dan niet gepatenteerde – technologie. Er kan dan voor gekozen worden om het dochterbedrijf aan de moederonderneming een licentievergoeding te laten betalen. Dat wordt gezien als een aankoop van een internationale dienst: de kosten van het dochterbedrijf stijgen, waardoor de bedrijfswinst en toegevoegde waarde daalt. En dat gaat vice versa bij het moederbedrijf: de verkopen stijgen, terwijl de kosten gelijk blijven en dus de toegevoegde waarde en winst stijgen. Als alternatief kan het bedrijf ook kiezen om de dochter geen interne vergoeding te laten betalen; de hogere winst wordt dan als primair inkomen (winst op buitenlandse investeringen) aan het moederbedrijf toegekend. Voor het totaalbeeld van de multinational maakt het per saldo niet uit. Maar een gelijke ‘economische realiteit’ kan zo dus op heel verschillende manieren in de diverse nationale statistieken terechtkomen, met mogelijk ook gevolgen voor de cijfers over bijvoorbeeld het nationaal inkomen.
Deze waardeketens worden ook via complexere bedrijfsmodellen georganiseerd, waardoor onder andere de grens tussen goederen en diensten vervaagt. Zo zijn er steeds meer bedrijven die producten produceren zonder zelf eigenaar te zijn van de grondstoffen of het eindproduct. We zien in dat geval wel nog steeds een fabriek staan, waar fysieke producten in- en uitstro¬men, maar de activiteiten van deze fabriek moeten vanuit economische opzicht als een (verdelings)dienst worden beschouwd – ook in onze statistieken. (zie kader 1 voor een soortgelijke illustratie over diensten en inkomsten). Andersom betekent het dat er fysieke activiteiten – onder controle van Nederlandse bedrijven – geheel buiten Nederland kunnen plaatsvinden.
Het goed in kaart brengen van deze complexe ketens vergt data die ver buiten de Nederlandse grens verzameld moet worden, en uiteindelijk pas in een internationaal geïntegreerd rekeningenstelsel – zoals de OECD Trade in Value Added data - tot zijn recht komen.
Gedrag van multinationals
De tweede uitdaging is het in kaart brengen van de activiteiten van multinationale ondernemingen, die ook in internationale waardeketens vaak een zeer belangrijke rol spelen (Fortanier et al., 2020). Hierbij vormen tevens de complexe financiële investeringsconstructies van multinationale ondernemingen, die in Europa dikwijls (deels) via Nederland lopen (en/of Ierland en Luxemburg), een belangrijk aandachtspunt. Door met kosten en opbrengsten binnen het concern te schuiven – via bedrijfsinterne ‘handel’, interne financieringsconstructies en outsourcing van soms belangrijke stukken van de productie – wordt niet alleen de interne financiering geoptimaliseerd (en daarmee soms de belastingdruk geminimaliseerd), maar wordt het ook steeds lastiger om te bepalen welk bedrijfsonderdeel, in welk land, nu werkelijk de eigenaar is van de diverse productiemiddelen (intellectueel eigendom, kapitaalgoederen), en dus ook verantwoordelijk is voor de gecreëerde toegevoegde waarde (Verbiest et al., 2019).
Multinationale ondernemingen opereren per definitie over de grenzen heen. Statistici kunnen dat veel minder. Het wettelijke raamwerk op basis waarvan het Centraal Bureau voor de Statistiek (CBS) en de De Nederlandsche Bank (DNB) – net als onze internationale collega’s – data kunnen en mogen verzamelen en verwerken is primair nationaal gericht. Dat betekent dat alleen de onderdelen van de multinational die in het eigen land gevestigd zijn, ondervraagd kunnen worden. Dat geldt voor ieder land waar onderdelen van eenzelfde multinational gevestigd zijn.
Door deze partiële waarneming zijn er duidelijke risico’s op dubbeltelling, of zelfs op het ontbreken van hele stukken van de onderneming. Een verdergaande uitwisseling van de verzamelde statistisch-vertrouwelijke gegevens met collega-statistici in andere landen kan dat oplossen, maar is vooralsnog nauwelijks een gangbare praktijk. Het is statistici namelijk in veel landen bij wet verboden om de door hen verzamelde micro-informatie ter beschikking te stellen, vooral als het herleid kan worden tot een individueel bedrijf. Hierdoor kan er niet altijd een eenduidig en consistent beeld worden opgesteld wat betreft de internationale economische trends.
Een goed voorbeeld is het handelsoverschot. Terwijl de Europese landen een overschot rapporteren in de handel in diensten met de VS, rapporteert de VS een nog groter overschot met de EU. Een tweede voorbeeld betreft het verschil tussen Nederland en de VS van 600 miljard euro in bilaterale directe investeringscijfers. Hetgeen waarschijnlijk grotendeels het gevolg is van financiële stromen via brievenbusmaatschappijen. De data hierover mogen echter nog niet tussen de VS en Europa worden uitgewisseld.
Steeds digitalere economie
Een derde uitdaging is het afsplitsen en volledig waarnemen van de enorme toename in (digitale) transacties en dienstverlening via internet, en alle nieuwe vormen van ondernemerschap die daarmee gepaard gaan. We kopen geen cd’s meer maar streamen muziek en video online; bedrijven kunnen hun producten via internet direct over de hele wereld verkopen; er worden nieuwe diensten aangeboden die gerelateerd zijn aan digitale sensors op apparaten, van auto’s en koelkasten tot landbouwmachines (the internet of things); en er is een hele nieuwe generatie van multinationale ondernemingen opgekomen die vooral online opereert als intermediair tussen de vraag naar en het aanbod van producten, diensten en data – zoals Alphabet (Google), Facebook, Amazon, eBay, Airbnb en Uber.
Deze digitale economie is lastiger in kaart te brengen dan de traditionele economie. Er is niet altijd direct informatie beschikbaar die per transactie kan aangeven of de aan- of verkoop ‘online’ of ‘offline’ heeft plaatsgevonden – en vooral de volledig digitale transacties (de online aanschaf van online diensten, zoals apps) zijn lastig waarneembaar. Veel bestaande bronnen en registraties zijn nog niet of niet voldoende ingericht om deze informatie adequaat en snel boven tafel te krijgen. Soms bestaan er alternatieve databronnen, zoals de interne gegevens van de internetbedrijven zelf, of commerciële gegevens. Maar daarbij speelt vaak de vraag of deze financieel en/of wettelijk toegankelijk zijn, en of het wel efficiënt is om dat als Nederland alleen te doen, of dat de krachten bijvoorbeeld Europees gebundeld moeten worden.
Daarnaast hanteert een deel van deze bedrijven een verdienmodel dat gebaseerd is op de verkoop van advertenties via de analyse van data die gratis door gebruikers ter beschikking worden gesteld. Dat betekent een fundamentele wijziging in de concepten van toegevoegde waarde of productiviteit, die centraal staan in de economische cijfers en analyses. De waarde van data is een productiefactor geworden, maar hoe meet je die waarde objectief?
Ten slotte hebben de grootste digitale ondernemingen vaak geen of slechts een beperkte fysieke vestiging in de landen waar ze actief zijn. Het is daarmee vrijwel onmogelijk om deze bedrijven via de bestaande nationale wetgeving statistische informatie te laten leveren. Soms ontwijken deze bedrijven – onbewust maar soms ook actief – het invullen van de wettelijk verplichte enquêtes op basis waarvan we mede de economie meten.
De veranderingen in onze internationale en digitale economie roepen fundamentele vragen op aangaande de statistiek, die in de praktijk, door gebruikers veel minder, of zelfs helemaal niet worden gesteld, enkele uitzonderingen daargelaten (Linsi en Mügge, 2019). Meten de (macro-)economische statistieken nog wel wat ze moeten meten? Wat is nu nog werkelijk de Nederlandse economie, en hoe functioneert deze – an sich en in relatie tot het buitenland? Hoe worden de statistieken samengesteld, en op basis van welke brondata? Wat zijn (daardoor) de eventuele beperkingen die er aan het gebruik van economische statistieken zitten? Hoe moeten nieuwe digitale bedrijfsmodellen beschouwd worden en hoe worden ze verwerkt in de economische statistieken – en hoe komen we aan de relevante data daarvoor? Hoe zorgen we ervoor dat de conclusies, die getrokken worden uit statistische analyses op de basis van de aard of kwaliteit van data, verantwoord zijn en blijven?
Om de activiteiten en herstructureringen van multinationale ondernemingen beter te monitoren, is op Europees niveau een early warning system ingesteld, waarbij complexe internationale herstructureringen van multinationale ondernemingen binnen de EU worden besproken aan de hand van publiek beschikbare informatie, en waarbij alle cijfers zo veel mogelijk consistent worden opgenomen.
Daarnaast hebben vele landen – waaronder Nederland als een van de eerste – inmiddels ‘Large Case Units’ (LCU’s) opgezet binnen hun statistiekorganisaties, waarbij voor de grootste en meest complexe groep ondernemingen de cijfers van verschillende bronnen binnen een land onderling consistent worden gemaakt, waar mogelijk via nader overleg met de ondernemingen zelf. Momenteel wordt ook de stap gezet naar een internationaal netwerk van LCU’s.
Ook worden gedetailleerde gegevens over bilaterale stromen in directe investeringen geanonimiseerd, via een beveiligd Europees ‘FDI-netwerk’ uitgewisseld, en vervolgens nog vóór publicatie van de cijfers onderling afgestemd om de verschillen in cijfers binnen Europa zo veel mogelijk te reduceren.
Vanuit het OESO-initiatief ter bestrijding van base erosion en profit shifting (BEPS), moeten grote multinationale ondernemingen sinds 2018 een speciale opgave doen van hun internationale activiteiten aan alle betrokken belastingdiensten, die de gegevens ook onderling kunnen uitwisselen. Deze data zijn echter nog niet voor statistici beschikbaar.
Via de OESO en Eurostat zetten statistici zich in om op basis van officiële nationale statistieken – in combinatie met transparante, en met de officiële statistiek in lijn zijnde methoden – te combineren tot werkelijk internationale datasets over waardeketens (trade in value added; TiVA).
En vanuit de ECB wordt er verregaand samengewerkt bij het verzamelen van zeer gedetailleerde data over het houderschap van effecten en leningen.
De uitdaging om toegang te krijgen tot de data van internetbedrijven wordt ondertussen ook op Europees niveau erkend en aangepakt. In maart 2020 werd er bijvoorbeeld aangekondigd dat er overeenstemming was bereikt tussen de Europese Commissie en Airbnb, Booking, Expedia Group en Tripadvisor om data ter beschikking te stellen voor statistische doeleinden (EC, 2019).
En als een laatste voorbeeld van de veelheid aan internationale initiatieven zijn de recent ontwikkelde richtlijnen voor het, door de OESO en WTO (2020), meer inzichtelijk maken van de digitaliseringsrol van onze economie, waaraan Nederland een belangrijke bijdrage heeft geleverd. Deze raamwerken worden nu als proef door verschillende landen ingevuld.
De fundamentele vragen leiden tot de conclusie dat er veel werk aan de winkel is. Dat wordt gelukkig al volop gedaan, en er zijn al veel nationale en internationale initiatieven waarin statistici samenwerken om betere, meer gedetailleerde en preciezere cijfers te ontwikkelen – om zo een aantal van de hierboven genoemde kwesties aan te pakken. Kader 2 geeft een kleine selectie van voorbeelden van internationale initiatieven, waarin DNB en CBS actief participeren.
In Nederland zijn het CBS en DNB daarnaast een pilot gestart om de rol van multinationale ondernemingen expliciet te kunnen onderscheiden in de reguliere nationale rekeningen en de betalingsbalansstatistieken – mede ook gezien het belang daarvan voor de verklaring van het overschot op de Nederlandse lopende rekening ( Butler et al., 2019). We lopen daarmee voor op de internationale richtlijnen wat betreft dit thema. Daarnaast heeft het CBS een eerste studie afgerond over multinationale ondernemingen en intellectueel eigendom (zie Jansen et al., 2020, in dit nummer), en heeft DNB nieuwe cijfers ontwikkeld over de ultieme eigenaar van de directe investeringen in Nederland.
De samenwerking tussen het CBS en DNB moet ook in dit licht gezien worden. Sinds vorig jaar zijn CBS en DNB gezamenlijk verantwoordelijk voor het opstellen van de volledig consistente nationale rekeningen, betalingsbalansstatistieken en de gegevens over de internationale investeringspositie. Daarbij is uiteindelijk het CBS verantwoordelijk voor de waarneming en analyse van alle niet-financiële sectoren, en DNB voor de financiële sectoren. Zo worden van beide instellingen alle specifieke data, kennis en kunde optimaal gecombineerd.
Maar met alleen verdere samenwerking tussen statistici komen we er niet. Ook gebruikers en beleidsmakers kunnen en moeten een rol blijven spelen bij het verbeteren van de statistieken.
Ten eerste is die samenwerking nodig om goede analyses door gebruikers te kunnen blijven waarborgen. Sommige statistieken zijn inmiddels bijna net zo complex als de fenomenen die ze beschrijven – de datasets over internationale waardeketens en de gerelateerde internationale handel in goederen en diensten zijn daar voorbeelden van. Daardoor is het lastig om ze, zonder een goed begrip van de officiële (macro-)statistiek, correct te interpreteren.
Gebruikers en beleidsmakers hebben dan ook een steeds belangrijkere eigen rol bij het verantwoordelijke gebruik van de officiële cijfers. Dat betekent vooral het regelmatig en bewust stellen van kritische vragen – over de data, en aan de statistici. Met welk doel zijn de data verzameld? Wat is daarbij wel en niet meegenomen in de uitvraag, en dus in de uiteindelijke cijfers? En waarom? Hoe is een dataset samengesteld? Wat betekenen de variabelen precies, en hoe sluiten deze aan bij de beleids- of onderzoeksvraag? Op die manier kan er voorkomen worden dat statistieken worden gebruikt als de spreekwoordelijke hamer die elk probleem tot een spijker reduceert – met negatieve gevolgen voor de kwaliteit van de analyses én daarmee indirect voor het vertrouwen in de officiële statistiek.
Ten tweede is samenwerking met gebruikers cruciaal bij het stellen van prioriteiten voor toekomstige statistiekontwikkeling. Verstrekkende ambities vergen namelijk ook investeringen – zowel in de statistische expertise als in de ICT-infrastructuur die nodig is om zo de exponentieel groeiende hoeveelheden data (inclusief de nieuwe bronnen en ‘big data’ die juist door digitalisering beschikbaar komen) snel te blijven verwerken en publiceren, en ze in de geanonimiseerde en goed beveiligde microdatabestanden ter beschikking te kunnen stellen voor analyse.
Vanzelfsprekend zijn er beperkingen aan de huidige capaciteit en budgetten wat betreft het samenstellen van een officiële (macro-economische) statistiek. Dat betekent dat er voortdurend keuzes gemaakt moeten worden, bijvoorbeeld over welke statistische verbeteringen men kan doorvoeren, welke nieuwe informatie er nodig is, en welke tabellen wellicht niet (meer) gemaakt kunnen worden. Beleidsmakers, academici en andere gebruikers zullen hierin een belangrijke rol moeten blijven spelen. Dat gebeurt bijvoorbeeld al via de CBS- en DNB-gebruikersraden, maar ook via externe expertgroepen, zoals het recent opgezette programma en de expertgroep ‘Adequaat meten van de economie’ die door het CBS is ingesteld (CBS, 2018). Hierbij moet er uiteraard ook rekening gehouden worden met de bestaande internationale statistiekverplichtingen en de veranderingen daarin.
Tenslotte kan uit de beschreven nationale en internationale initiatieven één conclusie getrokken worden. Het adequaat beschrijven van onze economie valt of staat met de beschikbaarheid van de juiste brondata. Die beschikbaarheid vereist zowel meer toegang tot data, als ruimere wettelijke mogelijkheden voor het nationaal en internationaal uitwisselen daarvan.
Toegang is vooral belangrijk bij bijvoorbeeld big data van internationaal opererende internetbedrijven, zodat niet alleen hun eigen activiteiten maar ook de door hen gefaciliteerde transacties beter in kaart kunnen worden gebracht, op een detailniveau dat niet via ‘traditionele’ vragenlijsten verzameld kan worden.
Gegevensuitwisseling tussen nationale statistici is vooral belangrijk bij het meten van activiteiten van multinationale bedrijven, en vergt soms ruimere (wettelijke) bevoegdheden. Vanzelfsprekend moet deze plaatsvinden onder strenge randvoorwaarden en beveiliging, en alleen met statistische instellingen die dezelfde wettelijke verplichting en onafhankelijkheid hebben. Zo blijven de gegevens beschermd en worden ze verantwoord gebruikt.
In beide gevallen kunnen statistici niet altijd zelf de eventuele hiervoor benodigde (wettelijke) veranderingen doorvoeren, maar kan dat slechts met behulp van beleid en politiek. Door die samenwerking kunnen goede en gedetailleerde statistieken ook in de toekomst voor onze samenleving een vanzelfsprekendheid blijven, en kunnen de economische veranderingen adequaat beschreven blijven worden – of deze nu veroorzaakt worden door (de)globalisering, digitalisering of door een coronapandemie.
Boar, C., H. Holden en A. Wadsworth (2020) Impending arrival: a sequel to the survey on central bank digital currency. BIS Paper, 107.
Butler, B., K. Carlier, G. Schotten en M. Volkerink (2019) Unravelling the savings surplus of Dutch corporations. DNB Occasional Study, 17-4.
CBS (2018) CBS zoekt partners voor adequaat meten economie, 12 september. Bericht te vinden op www.cbs.nl.
EC (2019) Commission reaches agreement with collaborative economy platforms to publish key data on tourism accommodation. Persbericht, 5 maart. Te vinden op ec.europa.eu.
Fortanier, F., G. Miao, A. Kolk en N. Pisani (2020) Accounting for firm heterogeneity in global value chains. Journal of International Business Studies, 51(3), 432–453.
Jansen, J., H. Beens en R. Nelisse (2020) Multinationals vertekenen economische statistiek. ESB, 105(4787), 315–317.
Linsi, L. en D.K. Mügge (2019) Globalization and the growing defects of international economic statistics. Review of International Political Economy, 26(3), 361–383.
OESO en WTO (2020) Handbook on measuring Digital Trade, Version 1. Parijs: OECD.
Verbiest et al. (2019) Bruto binnenlands product beschrijft slechts één aspect van welvaart. ESB, 104(4772S), 12-17
Om te kunnen reageren moet u ingelogd zijn.
