Ga naar de inhoud

ILT verbetert datagedreven toezicht met datalab

Datagedreven toezicht, steeds meer inspecties doen het. De Inspectie Leefomgeving en Transport (ILT) heeft een ‘innovatie- en datalab’ (ID-lab) opgezet, waar datawetenschappers werken aan datagedreven toezicht. Dat gebeurt in nauwe samenwerking met de wetenschap. Tony Liebregts en Jasper van Vliet van de ILT leggen het uit.

“Op innovatieve wijze en met de nieuwste technieken grote hoeveelheden gegevens (‘big data’) analyseren om uiteindelijk te kunnen voorspellen waar toezicht nodig is. Dat is wat medewerkers in het ID-lab doen”, vertelt Liebregts. Hij was afdelingshoofd Analyse en Ontwikkeling bij ILT en is sinds een jaar betrokken bij het lab. Vorig jaar vond binnen ILT een koerswijziging plaats waarbij het versterken van de analysefunctie prominenter werd. Binnen het ID-lab werken inmiddels twaalf onderzoekers, die bijvoorbeeld goed zijn in statistiek, netwerkanalyse, speltheorie of Geografische Informatie Systemen (GIS).

Analysefunctie op orde

Tony Liebregts

Waarom koerst ILT richting datagedreven toezicht? Liebregts: “Van oudsher waren inspecties taakgerichte organisaties die vanuit het toezicht op wetgeving hun werk deden. We groeien steeds meer toe naar organisaties die maatschappelijke problemen aanpakken. Als je dat wilt, moet je analysefunctie wel op orde zijn.” Zijn collega Van Vliet vult aan: “Daar komt bij dat datascience, dus het analyseren van grote hoeveelheden data en daaruit trends signaleren, enorm in ontwikkeling is. We kunnen nog veel meer gebruikmaken van data. Je moet mee in die ontwikkeling en je kansen pakken.”

Doel van het lab

Het ID-lab werkt soms op verzoek, zoals bij het visualiseren van een bedrijfsadministratie. Een andere keer analyseren de medewerkers op eigen initiatief een enorme dataset, op zoek naar patronen en verbanden. Met het ID-lab wil ILT beter kunnen voorspellen waar toezicht nodig is. “Datagedreven toezicht leidt dus tot risicogestuurd toezicht. Je kunt beter kiezen waarop je je toezicht richt, namelijk daar waar de maatschappelijke schade het grootst is als het misgaat”, aldus Van Vliet. “Via datamining, het zoeken naar verbanden in enorme hoeveelheden data, kun je beter voorspellen waar je moet zijn.”

Jasper van Vliet

“Als je maatschappelijke problemen wilt aanpakken, moet je analysefunctie wel op orde zijn”

Complexiteit in kaart

Een tweede doel van het ID-lab is om ‘de complexiteit van de maatschappij beter in kaart te brengen’. Van Vliet licht toe: “We houden toezicht op bedrijven en kijken daarbij of hun producten en diensten volgens de regels zijn gemaakt of uitgevoerd. Daarbij telt natuurlijk ook het doel van een regel, zoals veiligheid voor mensen. Bedrijven doen onderling zaken. Het is interessant om die netwerken en bedrijfsstromen te bestuderen. Zo krijg je een overzicht van wat er in de markt gaande is. Het helpt ook bij het identificeren van groepen die het niet zo nauw nemen met de regels. Met zo’n informatiepositie kun je selectief zijn; je kunt je meer richten op de grootste risico’s voor het publieke belang en je kunt dáár ingrijpen waar dat het meeste effect sorteert.”

“Via datamining, het zoeken naar verbanden in enorme hoeveelheden data, kun je beter voorspellen waar je moet zijn.”

Samenwerking met wetenschap

Bijzonder is de samenwerking met de Universiteit Leiden. Daarvoor tekenden beide partijen op 22 september een convenant. De samenwerking houdt in dat twee promovendi van het Leiden Centre of Datascience (LCDS) de ruimte krijgen om bij de inspectie te promoveren op onderzoeken naar datascience. Daar staat tegenover dat ILT de opleidingsfaciliteiten van het LCDS mag gebruiken. Liebregts legt uit: “Datascience is in ontwikkeling. Als overheid is het belangrijk om de samenwerking met de wetenschap te zoeken om dit op een wetenschappelijke manier verder te ontwikkelen. Intussen kunnen de promovendi gebruikmaken van onze faciliteiten én ze leren van onze casussen uit de praktijk. Een win-winsituatie dus!”