Toezine

Wekelijkse verdieping voor professionals in toezicht, handhaving en inspectie

Bezig met laden...
Toezicht in de cloud

Toezicht in de cloud

Big Data, cloud computing, datamining en open source. Het zijn de buzz-woorden van vandaag. Maar wat is de mogelijke impact op het toezicht? Welke veranderingen staan er op stapel? Drie experts vertellen over de kansen die zij zien.


Dick Willems, ontwikkelaar bij de politie Amsterdam

Uitrekenen waar de agent nodig is

“Sinds 2013 maken we in Amsterdam gebruik van het Criminaliteits Anticipatie Systeem, kortweg CAS, om criminaliteit te voorspellen op wijkniveau. Het systeem verdeelt de stad in vakjes en berekent op basis van ongeveer 250 kenmerken iedere twee weken het verwachte aantal woninginbraken en straatroven per vakje. Deze gedetailleerde risicoanalyse bepaalt sinds vorig jaar de inzet van bepaalde politieonderdelen”, vertelt Willems.

Als input voor de analyse maakt de hoofdstedelijke politie gebruik van verschillende bronnen. “We onderscheiden statische input over de locatie, zoals CBS-gegevens over de demografie en sociaaleconomische kenmerken van de bevolking en het aantal coffeeshops, cafés, seksclubs en gokhallen. En we voegen dynamische bronnen toe, bijvoorbeeld de afstand tot bekende verdachten en de criminaliteitshistorie. Met name die laatste heeft een grote voorspellende waarde.”

Het resultaat van de Big Data-analyse mag er zijn: twintig procent van de voorspellingen komt uit. “Als je de ‘missers’ meetelt – de voorspellingen die net in het vakje ernaast zitten – is het zelfs veertig procent. Zonder CAS zou de voorspelling voor een willekeurig vakje slechts in drie procent van de gevallen kloppen.” Qua doorontwikkeling ziet Willems perspectief: “Technisch gezien zouden we meerdere malen per dag een analyse kunnen uitvoeren; een risicokaart rolt binnen een half uurtje uit de computer. Maar het vergt organisatorisch nog een slag om flexibel op die voorspellingen in te spelen. Een app waaraan al wordt gewerkt, zou die omslag kunnen versnellen. Door de data direct via een app bij de agenten op straat te brengen, kunnen zij sneller en beter inspelen op de voorspellingen die uit de datamining voortkomen.”

Tijs Goossen, directeur Postcode.nl

Waarde toevoegen aan data

“Onze kernactiviteit is het verstrekken van adresdata. We leveren al meer dan vijftien jaar postcodedatabases aan ministeries, gemeenten, nutsbedrijven, banken, verzekeraars en het bedrijfsleven. Maar onze expertise leent zich voor meer dan alleen het leveren en valideren van adresdata. Door samen te werken met het Landelijk Meldpunt Internetoplichting (LMIO) van de politie bieden we webshops een krachtig middel tegen oplichting.”

Het proces dat Goossen beschrijft werkt als volgt: wie in een webshop een bestelling plaatst hoeft alleen zijn postcode en huisnummer in te vullen. “Onze speciaal ontwikkelde Application Programming Interface (API) vult vervolgens automatisch het volledige adres in. Als er een match is met gegevens die voorkomen in de database van de politie, dan krijgt de webshop direct een seintje via de API. De ondernemer kan vervolgens zelf de afweging maken of actie gewenst is. Zo dragen we heel praktisch bij aan de bestrijding van oplichting via internet.”

De zogenaamde Signaal API, waar inmiddels al meer dan 4.000 webshops gratis gebruik van maken, is volgens Goossen nog maar het begin. “We weten dat logistieke partijen fraudeadressen van bijvoorbeeld katvangers in hun bestanden hebben. De opgegeven bewoner van zo’n adres is alleen op papier de bewoner; in werkelijkheid woont er iemand die zijn of haar criminele praktijken wil verhullen. Het gaat hierbij helaas om flinke aantallen. Deze informatie kunnen we nu al eenvoudig via onze API real time distribueren naar de aangesloten webshops. Daarbij letten wij erg scherp op de privacy, er worden bijvoorbeeld nooit persoonsgegevens gedeeld: we willen natuurlijk voorkomen dat mensen onterecht ergens van worden uitgesloten.”

“Binnenkort lanceren we een nieuwe iDEAL-dienst en kunnen we ook beter optreden tegen katvangers: als iemand voor een aankoop in een webshop een bankrekening gebruikt die al eerder onrechtmatig is ingezet, dan stellen wij webshops hier direct van op de hoogte via de API. Alleen door te delen, nauwer samen te werken en bestaande bronnen te koppelen wordt data echt waardevol.”

Bart Custers, Wetenschappelijk Onderzoek- en Documentatiecentrum (WODC)

Profiling met intuïtie als onmisbaar element

“Met bijna 17 miljoen Nederlanders en duizenden bedrijven en transacties is het onmogelijk iedereen in de gaten te houden. Profiling is daarom een krachtig middel om met beperkte mankracht toch efficiënt te kunnen toezien en handhaven.” Bij profiling wordt ‘ruwe’ data, zoals naam, adresgegevens en geboortedatum, omgewerkt naar profielen: groepen die aan bepaalde kenmerken voldoen. “Aan de hand van die risicoprofielen kunnen we beter voorspellen waar extra aandacht en capaciteit nodig is”, legt Custers uit.

Het opbouwen van zo’n risicoprofiel is een precaire zaak. “Je moet je bewust zijn van de mogelijke gevolgen die gekozen parameters hebben op de resultaten. Wie bijvoorbeeld zoekt op mannen met een baard die vliegles hebben gehad om terrorisme te voorkomen, filtert ook mensen die niks verkeerd hebben gedaan, de zogenaamde false positives. Anderzijds mis je mensen die hun baard afscheren en verbergen dat ze vliegles hebben genomen, de zogenaamde false negatives. Om tunnelvisie te voorkomen zul je je profielen voortdurend moeten actualiseren, buiten je doelgroep blijven kijken en nieuwe ontwikkelingen in ogenschouw nemen.”

Menselijke intuïtie speelt volgens Custers een belangrijke rol bij profiling. “Een voorbeeld is een onderzoek naar faillissementsfraude aan de hand van een grote hoeveelheid datasets over bedrijven. Zonder specifieke zoekopdracht viel hieruit geen nuttig patroon op te maken. Experts in het herkennen van faillissementsfraude, zoals de curator, de Belastingdienst of grote banken, kunnen echter vrij snel aanvoelen of er bij een faillissement sprake is van fraude. Bijvoorbeeld omdat er in hele korte tijd geld aan de boedel is onttrokken, of omdat er dure auto’s op de balans voorkomen die niet in verhouding staan met de winst van een bedrijf. Door aan die aanwijzingen gewicht toe te kennen, herkende de analysesoftware ineens een patroon. In combinatie met intuïtie kan Big Data dus ondersteunend zijn als bewijslast voor het vermoeden.”