regenwolk

Zie je de bui al hangen?

 

Stel je voor dat elke Tweet een heel klein druppeltje is in een enorme regenbui. En je weet dat die flinke bui wordt voorspeld in jouw regio. Dan neem je op tijd maatregelen om te voorkomen dat je doorweekt raakt, toch? Hoeveel nattigheid zouden overheden kunnen voorkomen door met de Big Data-aanpak nauwkeurig voorspellingen te doen? Op het gebied van veiligheid valt hiermee een hoop te winnen. Zelfs als je uitsluitend social media data als input gebruikt.

 

Twitcident
Neem nou Twitcident: dit detecteert, filtert en analyseert berichtgeving via Twitter tijdens grote evenementen [http://www.youtube.com/watch?v=u4iyflqPjPw]. Een grote berg actuele, ongestructureerde data op Twitter wordt via slimme filters gepresenteerd. Deze snelle én betrouwbare informatie geeft een overzicht van de situatie, hoe burgers deze beleven en welke informatiebehoefte bestaat.

 

Crowd control
Twitcident routeert deze gegevens via het politieservicecentrum naar verschillende medewerkers. Handig voor hulpverleners. Maar ook voor gemeente- en politievoorlichters: zij kunnen met hun berichtgeving inspelen op de informatiebehoefte. De recherche-informatieafdeling van de politie kan de gegevens gebruiken in analyses. En ook de Crowd Control Room is uitgerust met Twitcident.

 

Predictive policing
Bovenstaande oplossingen maken nog niet echt gebruik van Big Data. Er wordt hier namelijk gebruik gemaakt van één databron. Ook ontbreekt een voorspellend karakter. Hoe je daarentegen succesvol Big Data inzet bij het voorspellen en voorkomen van criminaliteit, bewijst ‘predictive policing’ door de politiedivisie Foothill in Los Angeles. Met de tool van leverancier PredPol wordt hier voorspeld in welke wijk criminaliteit gaat plaatsvinden. PredPol maakt zijn voorspellingen slimmer: het kijkt terug én vergroot de waarschijnlijkheid van de uitkomsten van de analyse. Dit doet het door het algoritmiseren van sociale wetenschappen, zoals de theorie van ‘near repeats’.

 

Criminaliteit gedaald
In het werkgebied van politiedivisie Foothill is door ‘predictive policing’ in een halfjaar tijd de criminaliteit gedaald met 12%. Bij de andere divisies in de stad steeg de criminaliteit in diezelfde periode. ‘Predictive policing’ is geen vervanging van de huidige kennis, ervaring en vaardigheden, maar een efficiëntere en effectievere werkwijze. Zoals Los Angeles Police Chief Charlie Beck het zo treffend verwoordt [http://www.cbsnews.com/video/watch/?id=7404996n%E2%80%A8%3E]: “I’m not going to get more money. I’m not going to get more cops. I have to be better at using what I have, and that’s what predictive policing is about.”

 

Fraude
Met minder budgetten moeten overheden steeds meer doen. En de huidige manier van werken? Die voldoet niet meer. Gelukkig biedt Big Data een nieuw vooruitzicht. Zo werk ik nu aan een model om Big Data in te zetten bij verschillende vormen van fraude. Wat zou het opleveren als gemeenten hiermee veel nauwkeuriger huishoudens kunnen benaderen? Hoe mooi zou het zijn als je veel minder huishoudens onterecht lastig hoeft te vallen en zo minder inbreuk op privacy maakt? In mijn volgende blog meer over dit zonnige perspectief.

3D

Big Data en de 3 decentralisaties – Think Big…

 

Jeugdzorg, AWBZ, Participatiewet: gemeenten krijgen er veel taken erbij. Want welke overheden staan er nou dichter bij bewoners dan zij, luidt het idee. Een goede, lokale uitvoering vraagt echter om samenwerking, ook met burgers zelf. Gemeenten moeten hiertoe meer zicht krijgen op de zelfredzaamheid van burgers. Want alleen dan kun je de juiste, aanvullende hulp bieden. Maar zelfredzaamheid van een individu kun of mag je niet altijd volledig in kaart brengen. Op maat bedienen is daardoor mission impossible. Hoe krijg je als gemeente zelfredzaamheid toch goed in beeld, en kun je deze zelfs bevorderen? En hoe kan je als gemeente bepalen waar je welke resources toekent…

 

Welke wijk?
Het gebruik van Big Data biedt de oplossing. Kijk maar eens welke data voorhanden zijn. In Nederland is op het niveau van tien huishoudens in kaart gebracht hoe tevreden men is over de wijk, of de wijk leefbaar is, welke voorzieningen er zijn, enzovoorts. Gemeenten zitten op een schat aan data van onschatbare waarde. Combineer je deze data met social media en eerdere onderzoeken dan zijn er patronen te herkennen in buurten en wijken…

 

Voorspellingen
Wat is de mate van zelfredzaamheid op diverse domeinen in elk van deze wijken? Dit kun je vrij nauwkeurig definiëren met de Big Data-aanpak. Zo maakt de slimme infrastructuur Grabble met Big Data en via beproefde en eigen methodieken een voorspellende analyse van een wijk en zijn bewoners. Grabble is zelflerend en intelligent: het vergaart inzichten in de behoefte van een burger en de wijk. En doet op basis hiervan proactief aanbevelingen ter vergroting van de zelfredzaamheid in de wijk.

 

Real time monitoren
Met het real time monitoren van zelfredzaamheid van burgers in een wijk valt voor gemeenten een hoop te winnen. Je krijgt inzicht in de ontwikkeling van wijken en bewoners en kunt deze voorspellen. Daardoor kun je gedoseerd actie ondernemen en problemen voorkomen. Je merkt veranderingen in een wijk op tijd op en kunt op basis van volledige informatie snel ingrijpen en bijsturen. En daarmee bevorder je de zelfredzaamheid van bewoners. Hoeveel besparingen zouden gemeenten hiermee realiseren? Think Big…