Sponsored content
Sponsored content

Data weten alles. Waar het inbraken regent bijvoorbeeld

Vakantieperiodes zijn traditiegetrouw hoogtijdagen voor Neerlands boevengilde. Net als de donkere wintermaanden. Maar valt er meer te zeggen over de ontwikkeling van inbraken in Nederland? Ja dus, en wel op basis van data. Die trouwens inzage bieden in veel meer ontwikkelingen.

Maar first things first: de handel en wandel van inbrekers blootleggen. Op verzoek van de Nationale Politie onderzocht Deloitte of het mogelijk is inzichtelijk te maken hoe woninginbraken zich ontwikkelen over het land. Dat bleek inderdaad te kunnen, met een zekerheid van 97%. De ‘buienradar voor inbraken’ is het resultaat van een heleboel data samenvoegen en daaruit de juiste conclusies trekken. De eerste stap was de segmentatieanalyse. Pouya Zarbanoui, senior manager bij Deloitte: “We hebben alle Nederlandse postcodes geclusterd op basis van 70 sociaaleconomische kenmerken, zoals inkomen, type woningen, aantal creditcards per huishouden, gemiddelde leeftijd en de afstand tot het dichtstbijzijnde treinstation.” Het resultaat was zeven verschillende clusters, met in elk cluster de gebieden met gelijke kenmerken. Door over die clusters een frequentiesausje te gieten (waar werd in het verleden ingebroken, wanneer en hoe vaak?) werd duidelijk dat elk cluster zijn eigen inbraakrisico heeft. Boerderijen, vrijstaande woningen en een grote afstand tot het treinstation verlagen de inbraakkans. In gebieden met veel flats, relatief lage huren en een treinstation dichtbij wordt juist relatief vaak ingebroken. Zarbanoui: “Sommige resultaten verrasten ons. Zo zaten in het ‘hoog risico cluster’ niet alleen voorspelbare wijken zoals de Haagse Schilderswijk en de Bijlmer in Amsterdam, maar ook gebieden waarvan je het niet direct verwacht, zoals een regio in Zeeland.”

De voorspellende waarde van een inbraak

Duidelijk: de risico’s in het ene gebied zijn hoog en in het andere juist laag. Maar waar blijft de buienradar voor inbraken? Die ontstaat zodra data wordt toegevoegd over recente inbraken. De ene inbraak lokt de volgende uit en heeft daarmee dus een voorspellende waarde.
Zo’n inbraakvoorspeller levert allerlei nieuwe inzichten en mogelijkheden op. “Het is interessant om na te gaan of interventies het aantal inbraken verminderen, ook invloed hebben in andere postcodegebieden met hetzelfde risico op inbraken”, zegt Zarbanoui. “En andersom: wat zijn de kenmerken van gebieden met een laag risicoprofiel en kun je daarop sturen in wijken met een hoger risicoprofiel?”

Via data kun je achterhalen wat voor soort onderneming – een restaurant, een koffiecorner, een kledingwinkel – een grote kans van slagen heeft in een leegstaand pand in een winkelgebied

Wijken met hoge zorgkosten

De methodiek achter de inbraakvoorspeller is ook bruikbaar om andere interessante maatschappelijke trends bloot te leggen door de juiste data door elkaar te roeren en volgens het goede algoritmerecept bereiden. Maurice Fransen, director bij Deloitte: “Zorgkosten per wijk bijvoorbeeld: in de ene wijk zijn zorgkosten aanzienlijk hoger dan in de andere wijk. Welke kenmerken – leeftijd, opleiding, inkomen – horen bij wijken met hoge zorgkosten en welke kenmerken bij wijken met lage zorgkosten? Op basis van die informatie kun je actief interveniëren. Gemeentes zijn inmiddels volop aan de slag met buurtteams in wijken waar zorgkosten relatief hoog zijn.” Zarbanoui: “Een stap verder is voorspellen waar zorgkosten zullen stijgen – bijvoorbeeld in buurten met relatief veel eenzame mensen – en interventies plegen om het tij te keren.”

Pand zoekt bedrijf

Fransen en Zarbanoui zijn nog lang niet klaar met hun opsomming van datamogelijkheden. Fransen: “De studievoorspeller: welke student zal zijn studie succesvol doorlopen en bij wie is de kans op uitval juist groot?” Zarbanoui: “Je kunt leegstand gerichter tegengaan. Veel gemeentes kampen met leegstaande panden. Als je weet welke bedrijven op het punt staan een nieuw pand te zoeken, kun je die actief benaderen. Je kunt het ook omkeren. Via data kun je achterhalen wat voor soort onderneming – een restaurant, een koffiecorner, een kledingwinkel – een grote kans van slagen heeft in een leegstaand pand in een winkelgebied. Dat is natuurlijk interessante informatie om actief mee te sturen.”
Wat Zarbanoui betreft zijn overheden en bedrijven nog veel te weinig bezig met de kansen die data bieden. “Het leeft nog niet volop. Er worden wel pilots gedaan, maar een holistische aanpak organisatiebreed ontbreekt nog. Daardoor worden kansen gemist.”

Feller licht

Iets heel anders is het fenomeen smart cities. Sensoren in bijvoorbeeld lantaarnpalen die het fijnstofgehalte en het geluidsniveau meten. “Komt dat boven een kritische grens, dan weet je dat de gezondheid en de veiligheid van de burgers in het geding komt en is ingrijpen nodig”, zegt Fransen. Diezelfde sensoren kunnen er ook voor zorgen dat de hoeveelheid licht van de lantaarnpaal is afgestemd op geluid in de buurt. Fransen: “Loopt of rijdt er iemand langs, dan wordt het licht feller. Dat is niet alleen prettiger voor het verkeer, het kan ook invloed hebben op inbraken. Inbrekers staan immers niet graag in het licht.” En zo is de cirkel weer rond.

State of the State is een actuele data-analyse van ons land, bedoeld om beleidsmakers en organisaties te voorzien van bruikbare inzichten op verschillende maatschappelijke vraagstukken. Naast dit onderzoek naar de inbraakontwikkeling in Nederland deden we ook onderzoek naar het aantal studenten dat wordt opgeleid voor werk dat potentieel verdwijnt, het aandeel buitenlandse beleggers op de Nederlandse vastgoedmarkt en het totale waardeverlies door cyberrisico’s voor de grootste Nederlandse bedrijven en overheid.

Wil je meer weten over de voorspellende waarde van data neem dan contact op met Pouya Zarbanoui of Maurice Fransen.