Auteur: Leo Mudde ? 18/04/2014,?ontleend aan?VNG Magazine 08, Special Informatieveiligheid, pag. 28 e.v.

Voor wie aan privacy is gehecht, zijn ze vooral bedreigend. Maar big data kunnen de trends in de samenleving ook voorspellen en haar daarmee een stukje veiliger maken. De vraag is ook hier weer: moet alles wat kan, ook kunnen?

Toen wetenschappers zeven jaar geleden met opzet een dijk lieten doorbreken, krabden velen zich achter de oren. Dijken, die moet je versterken, niet kapotmaken. Het druist in tegen alle opvattingen waarmee Nederlanders zijn grootgebracht. Maar die Groningse dijk was niet zomaar een dijk. Hij was volgestouwd met sensoren die, in de aanloop naar de breuk, allerlei data vastlegden. Inwendige verschuivingen, de verzadiging, de druk ? alles wat maar enigszins te maken zou kunnen hebben met de stabiliteit van de dijk werd, naarmate de druk op de dijk werd opgevoerd, gemonitord.

Schat aan gegevens
Het experiment leverde een schat aan gegevens op. Inmiddels bevinden zich, verspreid over het land, tien tot vijftien dijken waarin allerlei sensoren verborgen zijn die continu worden gemonitord. Zo kunnen waterschappen de kwaliteit van de dijken goed in de gaten houden en, indien nodig, groot onderhoud naar voren halen. Of uitstellen natuurlijk, als blijkt dat een dijk zich beter houdt dan was verwacht.
Het is een voorbeeld van het gebruik van ?big data? ? het combineren van allerlei data die door wie dan ook zijn verzameld en deze loslaten op specifieke vraagstukken, fysieke of sociale. Freek Bomhof van TNO deed onderzoek naar het gebruik van big data in relatie tot veiligheid. Hoe kan de overheid, bijvoorbeeld de gemeente, die enorme hoeveelheid informatie die haar ter beschikking staat, gebruiken om de veiligheid te vergroten?
Bomhof is, zegt hij zelf, een ingenieur die is verdwaald tussen de sociaalpsychologen. Vanuit diverse invalshoeken werkt hij aan onderzoek dat antwoorden moet bieden op de vraag: waar heeft de BV Nederland over drie, vier jaar behoefte aan? TNO slaat, zegt Bomhof, een brug tussen het academisch onderzoek en de praktische toepassingen. ?Big data zijn daar een goed voorbeeld van. Dat de informatie er is, weten we al lang. We zitten nu in het stadium dat we ze ook daadwerkelijk kunnen toepassen op gebieden die niet altijd even voor de hand liggen.?
Big data komen in beeld als we met de klassieke technologie iets niet kunnen oplossen, zegt Bomhof. ?Wanneer de gebruikelijke database uit z?n voegen is gebarsten, dan gaan we denken aan big data.?

Griep
Een fraai voorbeeld is Google Flu, de ?griepvoorspeller? van zoekmachine Google. Bomhof: ?Google beweerde dat zij kon voorspellen waar een griepepidemie zou uitbreken. Doordat mensen met een beginnende keelpijn, hoofdpijn of koorts al snel gaan googelen om meer te weten te komen over hun symptomen, v??r ze naar de dokter gaan. Google ontdekte een stevig verband tussen deze zoekopdrachten in een bepaald gebied en de griepuitbraken die een week tot tien dagen later door artsen werden gerapporteerd.? Google Flu lijkt echter aan het eigen succes ten onder te gaan, omdat er sinds het bekend worden van deze tool zoveel over het onderwerp wordt gegoogeld dat de data vervuild zijn geraakt en de voorspellende waarde teniet wordt gedaan.

Maar het is wel een mooi voorbeeld waarmee GGD?en hun voordeel kunnen doen. En daarvan schudt Bomhof nog meer uit zijn mouw. ?De politie Haaglanden had te maken met veel jeugdoverlast. Zij vroeg zich af of er een verband bestaat tussen de inrichting van het publieke domein en het ontstaan van overlast. Als big data kunnen voorspellen waar de kans op overlast groot is, dan kan daar preventief op worden ingespeeld. Veel beschikbare data, van de politie zelf maar ook van de gemeente zijn over elkaar heen gelegd en toen bleek de overlast zich vooral voor te concentreren op pleinen waar een viskraam staat. Nu is er geen verband tussen het eten van vis en het veroorzaken van overlast, maar bij viskramen blijken bijna altijd bankjes te staan, meer dan op pleintjes waar geen viskraam is ? en d??r komen jongeren op af. Dus pleinen met bankjes trekken jeugdoverlast aan. Het is best leuk als je dat soort correlaties vindt.?

De gemeente Utrecht liet onderzoek doen naar de inbraakgevoeligheid van wijken, maar wilde daar niet uitsluitend de politiestatistieken bij gebruiken. ?Zo is bijvoorbeeld gekeken naar de omgevingsverlichting, maar de correlatie tussen (het ontbreken van) verlichting en het aantal inbraken bleek niet zo sterk. Een probleem was dat we de helft van de data niet konden gebruiken. ?s Nachts wordt weinig gemonitord en inbrekers slaan vaak ?s nachts toe. Je moet dus wel kunnen beschikken over genoeg gegevens om uitspraken te kunnen doen. Omdat we het tijdstip van inbreken niet in de data hadden staan, zaten ook de inbraken die overdag gepleegd werden ertussen. Maar dan heeft straatverlichting natuurlijk geen invloed.?

Voorspellend politiewerk
Predictive policing heet dit, voorspellend politiewerk. In de Verenigde Staten gebeurt het in de grote steden al, Amsterdam is er ook mee begonnen. Feitelijk hetzelfde wat een bedrijf als Amazon doet: goed kijken naar de klant en precies uitvinden hoe die koopt, wat die koopt en waarom die koopt. Dit maakt het mogelijk toekomstig (koop)gedrag te voorspellen.
Het kan ook voorkomen dat bigdata-analyses in eerste instantie meer vragen oproepen dan antwoorden. Bomhof: ?Toen we een dijk monitorden, bleek dat er onverklaarbare schommelingen waren in de vochtigheidsgraad. Die schommelde altijd al, bij eb was de dijk droger dan bij vloed. Maar deze dijk bleek op een bepaald moment ook bij eb erg nat te zijn. Iedereen stond voor een raadsel, tot iemand de neerslaggegevens van de KNMI over de eigen informatie heen legde en toen bleek dat er juist op dat moment boven de dijk een wolkbreuk was geweest.?

Boerenverstand
Soms volstaat het gezonde boerenverstand en is inzet van big data helemaal niet nodig. ?Rotterdam wilde weten in welke omstandigheden ouderen langer thuis blijven wonen. Uit de analyse van de data bleek dat het te maken had met de aanwezigheid van winkels, de beschikbaarheid van openbaar vervoer en de vraag waar de eigen kinderen wonen. Dat konden beleidsmedewerkers zelf ook bedenken.?
Bij gebruik van big data dient zich onvermijdelijk vroeg of laat de privacyvraag aan. Bomhof: ?In veel APV?s is het vervoer van inbraakmateriaal verboden. Als ik politieman ben en ik zie jou met een koevoet op straat lopen, zal niemand het vreemd vinden als ik je even op de schouder tik en vraag wat je van plan bent te gaan doen. Maar als uit gegevens van winkelketens of banken blijkt dat jij bij Blokker een wekker hebt gekocht en bij het tuincentrum kunstmest, mag de politie dan concluderen dat jij van plan bent een bom te maken en is dat feit alleen voldoende om huiszoeking te doen? We mogen niet met een breekijzer over straat, maar mogen we wel de grondstof voor een bom kopen? De vraag is of alles wat technisch mogelijk is, ook maatschappelijk door de beugel kan.?