Big Data toepassingen voor de overheid

Gigantische datafabrieken

Iedereen kan zich wel een voorstelling maken wat de gigantische datafabrieken van Google, Facebook en Amazon allemaal met jouw data doen. Zeker anno 2018 toen de grote schandalen aan te licht kwamen. Op basis van je surf-, like- of bestelgedrag zijn zij in staat je zeer persoonlijk en afgestemd op je behoeften en situatie te benaderen. Denk aan: gerichte zoekresultaten, advertenties, vriendencontent en voorstellen.

In Nederland is bol.com daar een goed voorbeeld van. Op basis van demografische klantdata, productgeschiedenis en winkelgedrag creëren ze een zo persoonlijk mogelijke online winkelbeleving. In het kader van privacy en ethiek is het goed om even aan te stippen dat bol.com jouw data niet aan derde partijen verkoopt. Ook niet als onderdeel van het moederbedrijf Ahold Delhaize

Grote commerciële bedrijven doen veel met de data uit hun webshop. Maar non-profit organisaties zoals de Belastingdienst doen er inmiddels niet voor onder. Ze gebruiken big data van patiënten, burgers, leerlingen, jongeren, cliënten, reizigers en huurders. Ze brengen gestructureerde en ongestructureerde data bij elkaar. Daarmee willen ze hun medewerkers beter ondersteunen en hun klanten beter bedienen. Maar natuurlijk vooral ook fraude een halt toe roepen.

Massieve datagedreven analyses

Ook de Belastingdienst streeft met mijnbelastingdienst.nl naar betere dienstverlening. Ze zetten massieve datagedreven analyses in voor profilering. Zodat ze iedere belastingplichtige zo persoonlijk en context-specifiek kunnen benaderen. Ook hier speelt de kwestie van privacy en ethiek. Zie ook het trendsartikel uit 2022 van Passionned Group. De Belastingdienst geeft aan alleen met andere overheidsinstanties te zullen koppelen. Maar denk je eens in als ze ook naar Marktplaats, Uber en Airbnb zouden gaan koppelen.

6 toepassingsgebieden voor Big Data bij de overheid

In het verslag van het Nationaal Big Data Congres voor de Overheid (Utrecht 2014) zien we zes toepassingsgebieden binnen de publieke sector en overheid:

1. Van schatten naar weten: beter en sneller inzicht in maatschappelijke opgaven
2. Van oplossen naar voorkomen: vroegtijdig herkennen en voorkomen van ontwikkelingen
3. Van opinie naar feiten: betere onderbouwde besluitvorming
4. Van breed aanvliegen naar chirurgische precisie: verregaand maatwerk en differentiatie
5. Van beleid naar innovatie: radicale versnelling van de beleidscyclus
6. Van optimaliseren naar nieuwe diensten: innovatie van diensten en producten

Hieronder zoomen we in op een drietal toepassingsgebieden: het onderwijs, de politie en het medische domein.

Learning Analytics

Learning analytics biedt volgens Surf allerlei nieuwe mogelijkheden om studenten te ondersteunen bij het leren. Het biedt docenten en onderwijsontwikkelaars een nieuwe en praktische informatiebron. Zo kan learning analytics:

• Real-time informatie geven aan docenten over de kwaliteit van het lesmateriaal en de cursusopbouw
• Real-time inzicht bieden in studentgedrag
• Studenten inzicht en sturing bieden over hun leergedrag

Met Learning Analytics ga je dus data verzamelen en analyseren over leerlingen en hun context. Met als doel: het begrijpen en optimaliseren van het leerproces en het creëren van de beste leeromgeving. Daarmee experiment men op dit moment al volop in de Verenigde Staten. Naar verwachting zal dat ook binnenkort in Nederland gaan gebeuren.

Predictive Policing

Predictive Policing is het ontwikkelen en toepassen van voorspellende en analytische modellen in de rechtshandhaving. Met als belangrijkste doel: potentiële criminele activiteiten vroegtijdig identificeren. De methoden en technieken vallen uiteen in vier categorieën:

1. voorspellen van misdaden
2. voorspellen van overtreders
3. voorspellen van identiteit van daders
4. voorspellen van slachtoffers van misdrijven

De Politie van Amsterdam-Amstelland maakt bijvoorbeeld geavanceerde analyses op grote datasets. Dit model gebruiken ze om de kans op bijvoorbeeld een inbraak in bepaalde wijken te voorspellen. Hierdoor zetten zij veel gerichter hun agenten in. Juist op die plekken waar de kans het grootst is om een boef in de kraag te grijpen. Het liefst nog voordat die een misdaad heeft gegaan. Informatie over criminaliteit koppelen ze aan zo’n 250 kenmerken van de wijk. Die informatie delen ze op in grids van 125 bij 125 meter. Het gaat om onder meer het aantal uitkeringen, leeftijd en geslacht van de inwoners, maar ook om het aantal gokhallen, cafés en seksclubs.

Daarnaast wordt bijvoorbeeld bekeken hoeveel veroordeelde criminelen en verdachten in de buurt wonen. De modellen krijgen regelmatig een update met de laatste informatie om ‘bij te blijven’.
de whitepaper 'De datagedreven onderwijsinstelling' Onderwijsinstellingen zullen ook datagedreven moeten werken met behulp van technieken als Learning Analytics. Deze gratis whitepaper van drs. Andries Bottema beschrijft de meest logische route voor scholen die hun beslissingen voortaan willen onderbouwen met "harde" feiten en Big Data analytics. De beste scholen van Nederland laten zien dat Big Data & overheid juist heel goed samen kunnen gaan.bekijk de whitepaper 'De datagedreven onderwijsinstelling'

Medical Intelligence

Medical Intelligence is gericht op twee doelen:

• het realiseren van de betere bedrijfsvoering en patiëntlogistiek
• gerichtere medische behandelingen uitvoeren

Bij Medical Intelligence verzamel en analyseer je allerlei data. Het gaat dan om medische, (bio)wetenschappelijke, demografische en milieu-informatie. Zo kun je bijvoorbeeld de bezetting van de bedden verbeteren of de OK-planning optimaliseren. Ook kun je betere diagnoses uitvoeren en effectiever behandelen.

Het Universitair Ziekenhuis Brussel heeft een portaal ingericht voor het analyseren van grote hoeveelheden (vooral) ongestructureerde data. Denk daarbij aan: laboratoriumresultaten, radiologediagnoses, medicatie-informatie, antecedenten-onderzoeken, informatie over medische ingrepen en doktersbezoeken en allerhande nota’s, brieven en diagnoseverslagen. Maar uiteraard ook veel medisch wetenschappelijk onderzoek. Het levert een totaalbeeld van de patiënt binnen het specialisme.

In een interview met Zorgvisie zegt directeur ICT Olivier Naeyaert het volgende: “Er bestond al een datawarehouse waarmee we gestructureerde gegevens analyseerden. Tot voor kort was het echter ondoenlijk om de niet-gestructureerde klinische documenten te gebruiken. De ‘smart indexing’ technologie is voor het eerst gebruikt bij de specialismen neurochirurgie en cardiologie. Kenmerkend voor onze oplossing is dat medische teksten automatisch geanalyseerd worden. Let wel: zonder dat vooraf een model van de kennis in het specifieke domein nodig is.” (Bron: Zorgvisie)

Dagelijks voegt de ‘semantische engine’ nieuwe concepten en onderlinge relaties toe. Alle specialisten in het ziekenhuis kunnen patiëntgroepen identificeren om de zorg te verbeteren. En ze voeren klinische studies en wetenschappelijk onderzoek nu effectiever en efficiënter uit. Uiteindelijk is het UZ Brussel in staat betere service en meer veiligheid voor de patiënt te leveren. Het interessante is: tegen een veel lagere kostprijs.