Waarom 2018 het jaar wordt van risicogestuurde handhaving

Toezicht- en handhavingsorganen opgelet: 2018 wordt het jaar van de risicogestuurde handhaving. Dit omdat computers beter in staat zijn risico’s in te schatten dan ons eigen brein. Daardoor kan er met minder financiële middelen meer resultaat worden behaald. Het codewoord: data science.

Mensen zijn buitengewoon slecht in het inschatten van risico’s. Onze hersenen laten zich vaak leiden door emoties, horrorverhalen en gruwelijke beelden. Het feit dat één op de vijf mensen onder geen enkele voorwaarde het vliegtuig in stapt als gevolg van vliegangst, is daar een voorbeeld van. Van de 3,8 miljard vliegtuigpassagiers per jaar, overleven gemiddeld 286 hun vlucht niet. Omgerekend komt dat neer op een kans van afgerond 0,0000001 dat een vlucht je fataal wordt. En toch gaat bij het merendeel van de vliegtuigpassagiers die gedachte door het hoofd op het moment dat we hoog in de lucht hangen. Er zijn nog legio andere voorbeelden van irrationele angsten aan te dragen, maar het punt is duidelijk: het inschatten van risico’s, kunnen we maar beter aan computers overlaten.

De voorspellende kracht van een computer

Dat dachten ook de makers van de app ‘Am I Going Down?’, die voor mensen met vliegangst berekent hoe klein de kans is dat je neerstort tijdens je vlucht. De app gebruikt hiervoor bestaande data uit het verleden van onder meer het Bureau of Aircraft Accidents Archives. Dit bureau beschikt over data van miljoenen vluchten en kan op basis daarvan een voorspelling maken van de risico’s van verschillende routes. Dit is data science ten voeten uit.

Ook in het publieke domein, met name waar het gaat om veiligheid en leefbaarheid, kan data science helpen bij het inschatten van risico’s. Sterker nog, het is zonde om deze kans te laten liggen als we weten dat een computer dit veel beter kan dan dat onze hersenen dat kunnen.

Duizenden professionals zetten zich dagelijks (en ’s nachts) in voor een veilig en leefbaar Nederland. Bijvoorbeeld: gemeentelijke toezicht- en handhavingsorganen, politie, Defensie, Omgevingsdiensten, Veiligheidsregio’s, provincies, maar ook partijen als de Nationale Voedsel- en Warenautoriteit. Een belangrijke taak van deze instanties is het handhaven op de naleving van wet- en regelgeving.

 

Naar risicogestuurde handhaving (en hoe data science daarbij helpt)

De uitdaging waar zij voor staan is ervoor te zorgen dat er gehandhaafd wordt op die plekken en die momenten dat het écht nodig is. Een uitdaging waar een data scientist op twee manieren bij kan helpen. Ten eerste in het inzichtelijk maken en voorspellen van deze risico’s (zoals ook de app Am I Going Down doet). En ten tweede bij het efficiënt aansturen van mensen en middelen. Veel handhavingsorganisaties zien de inefficiency van in beton gegoten plannen, protocollen en standaardprocessen. Ze willen risicogestuurd handhaven, maar hoe doe je dat precies? En belangrijker nog, hoe begeleid je die transitie goed?

Als data science bedrijf zijn we bij deze vraagstukken nauw bij betrokken. Samen met de gemeente Arnhem ontwikkelden we een zelflerend systeem voor slimme aansturing van Buitengewoon opsporingsambtenaren (boa’s) (lees daar hier meer over). En met de Omgevingsdienst Noord-Brabant werken we aan een model waarmee risico’s van specifieke bedrijvigheid kan worden ingeschat.

Feest der herkenning

Of het nou gaat om een gemeente, een Omgevingsdienst of een andere handhavende organisatie, vier opgaven komen in de transitie naar risicogestuurd werken vrijwel overal terug. Klaar voor het feest der herkenning? Komt ‘ie:

  • Je kunt onmogelijk altijd en overal aanwezig zijn. Je maakt keuzes over waar je welke mensen en middelen wanneer inzet. Door gebruik te maken van data-analysetechnieken kun je slimmere keuzes maken en extra inzetten op momenten en plaatsen waar(op) het risico het grootst is. Een datamodel om meldingen te categoriseren en prioriteren helpt daar bijvoorbeeld bij. Op basis hiervan kan handhavingcapaciteit gericht en preventief worden ingezet op situaties die er daadwerkelijk toe doen. Minder kosten en een beter resultaat.
  • Onveilige situaties zijn dynamisch. Elke situatie is anders. En om het nog lastiger te maken, ontwikkelen deze zich naar verloop van tijd ook nog eens verschillend. Een succesvolle aanpak van veiligheidsopgaven kan daarom niet zonder overzicht in de type risico’s en de verbanden hiertussen. Met een statische benadering loop je als handhavingsorgaan achter de feiten aan. Door een dynamisch beeld van de omgeving te realiseren, kan beter worden voorspeld waar sprake is van een verhoogd risico.
  • Wat voorkomen kan worden, willen we voorkomen. Als het alarmsysteem piept, zijn we eigenlijk al te laat: de onveilige situatie is een feit. Hadden we dit ook kunnen voorkomen, is de vraag die achteraf vaak gesteld wordt. Beter is die vraag al aan de voorkant te stellen. Helemaal als door het maken van slimme koppelingen en het analyseren van datasets verbanden kunnen worden gelegd met het voorspellende vermogen waar ons menselijke brein nooit toe in staat zal zijn.
  • We willen dat echte problemen prioriteit krijgen. Risico’s inschatten is één, er naar handelen gaat nog een stap verder. Waarom geef je prioriteit aan een bepaalde melding? We zien vaak dat keuzes worden gemaakt op basis van bestuurlijke druk, onderbuikgevoelens en expertkennis. De feitelijke onderbouwing ontbreekt. En dan kan het dus zomaar zo zijn dat we jarenlang investeren in een aanpak van hondenpoep, terwijl zwerfafval een veel groter probleem blijkt te zijn. Wie impact wil creëren, heeft feitelijke onderbouwing nodig.

Ondersteunende inzichten

Bovenstaande opgaven roepen om een datagestuurde aanpak en om slimme, beslissingsondersteunende risicoanalyses. Niet in de eerste plaats omdat we ervan overtuigd zijn dat computers risico’s veel beter kunnen inschatten dan mensen. En in de tweede plaats omdat met een dergelijke aanpak veel meer resultaat kan worden behaald. Met andere woorden, Nederland kan nòg veiliger worden.

Moet u als veiligheidsprofessional bang zijn de concurrentiestrijd met de computer te verliezen? Zeker niet. De analyses en inzichten zijn ondersteunend bij het maken van uw juiste beslissing. Maar de transitie is al ingezet. En dan kun je dus maar beter vooroplopen en meedoen.

Ynformed staat voor data science met impact, o.a. in het domein Veiligheid en Handhaving. We bieden datagedreven risicoanalyses en beslissingsondersteunende inzichten op strategisch, tactisch en operationeel niveau. Daarmee kan beschikbare capaciteit van mensen en middelen zo optimaal worden ingezet op bedrijven, panden, (potentiële) overtreders of groeperingen met een verhoogd risico.

2 thoughts on “Waarom 2018 het jaar wordt van risicogestuurde handhaving

  1. Pingback: Wat digitale transformatie echt betekent (en hoe je succes boekt) - Ynformed

  2. Pingback: Van innoveren naar structurele oplossingen voor risicogestuurd toezicht & handhaving - Ynformed

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *