Van instapprocedures tot predictive policing: de vele mogelijkheden van big data

Big data is hot, evenals de volgepakte lounge van de 7e editie van Data Donderdag. Er is geen zit plek of staanplaats meer te vinden bij Rockstart en ook dit keer kwamen een aantal interessante use cases naar voren die duidelijk de potentie laten zien van Big Data. Dit keer waren het KLM en de Politie die met nieuwe inzichten kwamen en de startup pitch van LeerUniek die een onverwachte invalshoek liet zien van de mogelijkheden van Big Data Analytics.

Deze gastbijdrage is geschreven door Visuele Notulen.

De potentiële waarde van big data is groot voor de KLM

Scout Herremans, manager business innovatie bij KLM, trapt als eerste af. Hij neemt ons mee in de wereld van big data bij KLM.

“Ik ben zowel ambassadeur van zowel big data als KLM,” is zijn opening statement. Een combinatie die in de toekomst ongetwijfeld goud waard zal zijn. De reden waarom KLM met big data is gaan werken, is omdat de potentiële toegevoegde waarde van big data binnen de luchtvaart groot is. En we staan pas aan het begin van alle mogelijkheden. De hoeveelheid data zal alleen maar progressief toenemen. De potentiële toegevoegde waarde neemt daardoor ook alleen maar toe. We zitten in het tijdperk van the Internet of Things, wat wil zeggen dat alle apparatuur onafhankelijk van elkaar data genereert en uitgelezen kan worden. Zo ook binnen de luchtvaart. De toepassing van de data is nog niet onbekend, maar de mogelijkheden zijn eindeloos.

Scout geeft daarmee ook aan wat de grootste uitdaging is van big data: het verzamelen is niet zo lastig, maar de relevantie en toepassing van big data is moeilijker. Dit is 80 procent van het werk. Scout geeft aan dat KLM op dit moment big data gebruikt om te achterhalen welke passagiers te laat komen. De instapprocedure gaat hierop aangepast worden. Echter de huidige actieve toepassing van big data is nog relatief beperkt. Een voorbeeld van een toepassing is het tonen van de meest gezochte bestemmingen door reizigers.

Aan het einde van zijn presentatie komen nog enkele vragen uit het publiek. “Stuit je op veel weerstand bij het vergaren en toepassen van big data?” is één van de vragen. Scout geeft aan dat dit verschilt. Zo zijn de commerciële afdelingen al verder met de toepassing ervan. Deze afdelingen passen het vooral toe om meer omzet te genereren. Andere afdelingen zijn hierin conservatiever. Scout probeert bij deze afdelingen te lobbyen vanuit een kostenbesparend motief. Hij gelooft in zijn missie. En gezien zijn enthousiasme zal het hem vast lukken.

Criminaliteit verminderen met predictive policing

Rutger Rienks – afdelingshoofd business intelligence en kwaliteit bij de Landelijke Politie. Hij houdt zich bezig met predictive policing en heeft daar net een boek over geschreven: ‘Predictive policing – kansen voor een veiligere toekomst’. Rutger neemt de aanwezigen mee in de mogelijkheden van predictive policing en de kansen voor een veiligere toekomst.

“Hoe mooi zou een toekomst zonder criminaliteit zijn? De kans dat we dit op korte termijn bereiken is echter klein,” zegt Rutger. Voor een goede voorspelling is volgens Rutger een duidelijke regelmaat nodig. Er moet een duidelijk patroon ontdekt kunnen worden. Eén van de taken van de KLPD is het anticiperen op risico’s. Dat begint met het vergaren van informatie, data. Op basis daarvan worden risico’s bepaald en ingeschaald. De politie anticipeert nu vaak op basis van resultaten uit het verleden. Rutger geeft een voorbeeld hoe zij te werk gaan bij mogelijke ontmoetingen van topcriminelen. Het streven is hen op heterdaad te betrappen. Maar hoe zorg je er nu voor dat dit lukt? Men kijkt hierbij onder andere naar locaties van vorige ontmoetingen, welke locaties logisch zijn, hoe vaak ze elkaar hebben getroffen etcetera. Op basis van onder andere deze gegevens anticipeert men in deze situaties.

Een tweede voorbeeld gaat over het verzamelen van bewijslast voordat een delict heeft plaatsgevonden. Op basis van diverse variabelen en indicatoren probeer de politie het net al te sluiten. Maar wanneer grijp je nu in? Dat is lastig aan te geven. De zogeheten drempelwaarden zijn er wel, maar variëren per situatie. In veel gevallen moet een rechter een oordeel vellen. De kunst is om niet alleen te achterhalen welke methode nu de meest nauwkeurige voorspelling oplevert, maar ook of je hieruit gefundeerde conclusies en kruisverbanden kunt leggen.

Aan het einde van zijn presentatie geeft hij een voorbeeld van een klein, maar succesvolle toepassing van big data. Zo is de drugsvangst bij drugsrunners toegenomen op basis van een als-dan-anders-vuistregel: als persoon x, y keer van Maastricht en Rotterdam en weer terug rijdt in z tijd en als die persoon een drugsverleden heeft, dan is het een drugsrunner. Uiteraard is dit niet waterdicht, maar het heeft er wel voor gezorgd dat de drugsvangst op deze route van 5 naar 1.000 gram per vangst is toegenomen.

Ook geeft Rutger aan dat de mogelijkheden eindeloos zijn. Hoewel ook bij de KLPD de toepassing van big data nog in de kinderschoenen staat, zijn ze wel voorbereid op de toekomst. Ze beschikken al over diverse systemen en programma’s waarmee voorspellingen gedaan kunnen worden. Ook hier geldt: hoe groot is de nauwkeurigheid en eventuele bijkomende risico’s? De toekomst zal het uitwijzen.

De startup pitch van LeerUniek: een innovatieve toepassing van big data

We meten onze kinderen op basisscholen op basis van de welbekende Cito-score. Is dit reëel? Jelte de Jongh, oprichter van LeerUniek, vindt van niet.

Zijn bedrijf richt zich op het hervormen van het basisonderwijs. Via het meten van welke kennis, informatie en kunde bij kinderen blijft hangen. Hij noemt het learning analytics. Maar hoe en wat meet je nu precies? Hij geeft aan dat op dit moment vooral zaken worden gemeten die lekker en makkelijk meetbaar zijn. Met LeerUniek wil hij juist de zaken die moeilijk of in de huidige situatie nog niet meetbaar zijn, meten.

LeerUniek richt zich vooral op taalproblemen bij kinderen. Dit is binnen onze maatschappij nog steeds een groot probleem. Na het opsommen van enkele statistieken, die aantonen dat dit probleem diep geworteld is, vertelt hij hoe LeerUniek dit denkt op te lossen. De input moet in eerste instantie komen uit toetsen, schriftjes, aantekeningen van leerkrachten en evaluaties. Door een algoritme te hebben ontwikkeld waaruit gemeten kan worden of kinderen (repeterende) fouten maken, hoe vaak ze dit doen, bij welke taalonderdelen dit gebeurt en wanneer dit gebeurt.

Uiteindelijk moet dit leiden tot een oplossing op maat voor het kind om deze achterstand goed te maken. Middels een eenvoudige interface en dashboard moet het voor leerkrachten straks mogelijk worden om snel te kunnen signaleren en ageren wanneer taalproblemen zich bij kinderen voordoen. In de toekomst is het de bedoeling dat niet alleen taal, maar ook de ontwikkeling van andere vakken bij kinderen gemeten kunnen worden. Dit moet leiden tot een rapport waarmee de algehele ontwikkeling van een kind gemeten kan worden. Als dit leidt tot een verandering van de manier waarop onderwijs wordt aangeboden, en het kind centraal komt te staan, dan kan LeerUniek weleens een revolutie worden.

De 7e editie van Data Donderdag was een groot succes, met veel aanwezigen en interactie. De volgende editie staat gepland donderdag 18 juni. Meldt je aan via de meetup of neem een kijkje op onze vernieuwde website, waar we vanaf nu tijdens elk evenement een live blog verzorgen.