Waardevolle data voor meldkamer dienstverleners

Als meldkamer dienstverleners steeds meer verschillende klanten en projecten bedienen, creëren zij een steeds uitgebreidere pool aan data. Met behulp van intelligentie en analytics kan er interessante informatie uit deze data gehaald worden, waardoor bijvoorbeeld criminelen kunnen worden opgepakt en incidenten kunnen worden voorkomen.

Wat voor soort data er benut kan worden

Van tevoren kan je een inschatting maken welke (combinatie van) data waardevolle informatie kan opleveren. Hierbij kun je hypotheses ontwikkelen en met behulp van analytics nagaan of deze hypotheses kloppen. Maar zoals besproken in de post over datamining kunnen er ook zeer waardevolle verbanden en patronen in data ontdekt worden die men niet van tevoren had kunnen verwachten. Welke soort data veel informatie kan opleveren is dus niet altijd te voorspellen, maar je kunt je misschien wel voorstellen dat de volgende data bronnen tezamen interessante inzichten kunnen geven:

  • Persoonsgegevens (denk o.a. aan databases van gemeentes, de belastingdienst, en gezichtsherkenning)
  • Verkeersgegevens (denk o.a. aan databases van het RDW en vervoersbedrijven, en kentekenregistraties)
  • Financiële gegevens (denk o.a. aan databases van banken, het UWV en de belastingdienst)
  • Locatie gegevens (denk o.a. aan databases van gemeentes en aan de GPS van mobiele telefoons)
  • Gezondheidsgegevens (denk o.a. aan databases van ziekenhuizen en bejaardentehuizen)

Niet alle data zal je als meldkamer dienstverlener mogen benutten. Misschien mag je deze data onder bepaalde voorwaarden toch benutten, bijvoorbeeld als de data anoniem is. Kan je het zelf niet benutten, dan is het delen van de verzamelde data of samenwerken met een instelling die het wel mag benutten eventueel een optie.

Welke informatie verkregen kan worden

Met software kunnen er allerlei soorten verbanden en patronen in databases ontdekt worden. Als je bepaalde verbanden of patronen alarmerend vindt, kun je instellen dat je een seintje krijgt indien die verbanden of patronen voorkomen.

Stel er bestaat een persoon waarvan de volgende gegevens bekend zijn: werkloos, bezit dure auto, gebruikt weinig stroom, en is zeer weinig thuis. Als jij dit een verdachte situatie vindt, dan kun je instellen dat je hiervoor een seintje wilt ontvangen. De observant kan de verkregen informatie bekijken en beslissen welke actie er ondernomen moet worden.

Doordat systemen de data zeer snel kunnen analyseren, kun je makkelijk veel informatie verkrijgen. Hierdoor zullen de taken van de observant waarschijnlijk steeds minder bestaan uit observeren en steeds meer bestaan uit anticiperen en reageren.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s