bron: http://www.infoworld.nl 2005/01/18.

Boeven vangen met de computer

Op die werkplekken zullen analisten straks achter een scherm onderzoek kunnen doen naar voor hun belangrijke vragen. Op dit moment worden binnen elk district en binnen elke dienst een paar mensen getraind om te leren werken met de DataDetective-tools van Sentient.

Daarmee kunnen allerlei patronen en verbanden in de databestanden van de politie worden ontdekt. Antwoorden hebben de vorm van statistieken, van mooie overzichtsfoto's met daarop de criminele 'hotspots' en van 'filmpjes' die laten zien hoe deze patronen veranderen in de tijd.

Vooralsnog moet men het doen met de dagrapporten en processen verbaal van de afgelopen zes jaar, gekoppeld met de weerberichten, sociodemografische informatie (zoals de woningdichtheid) en de gegevens van de slachtoffers en de verdachten. De uitkomsten worden echter pas echt interessant als deze informatie ook wordt gecombineerd met die van andere instellingen en andere bronnen.

Naast koppelingen met de vreemdelingenadministratie, het bevolkingsregister en de belastingdienst, moet men bijvoorbeeld ook denken aan informatie over het verkeer, de televisieprogrammering en ongebruikelijke (financiële) transacties.

Volgens Rob van der Veer, directeur van Sentient, is het niet alleen lastig om dynamische gegevens permanent in de analysetools op te nemen. Nog moeilijker is het om andere houders van informatie zover te krijgen deze te delen. Zij zijn niet alleen bang dat anderen ermee aan de haal gaan, maar vinden het ook heel bedreigend om een kijkje in hun keuken te geven. Wel zijn onlangs in het Convenant Vrijplaatsen met de Belastingdienst ook afspraken gemaakt om de uitwisseling van gegevens te versoepelen.

Literatuur en boerenverstand

Tijdens de proeven die de afgelopen jaren zijn uitgevoerd is bijvoorbeeld een keer een bestand met verslavingsgegevens van de GG & GD gebruikt. Daaruit bleek dat heroïneverslaafden in het algemeen niet betrokken zijn bij geweld. Dit in tegenstelling tot cocaïneverslaafden. Dit belangrijke verschil zou kunnen worden veroorzaakt door eigenschappen van de drugs zelf, maar bijvoorbeeld ook doordat de lichamelijke conditie van heroïneverslaafden veel slechter is.

Het duiden van dergelijke uitkomsten zal de belangrijkste taak worden van Willem van Es. Zijn achtergrond in de sociale geografie en stadssociologie komt duidelijk terug in de manier waarop hij met de datamining gereedschappen omgaat. "Ik weet niets van technologie; dat is iets voor de nieuwe technisch manager. Ik weet wel veel van de sociologie achter criminaliteit. Mijn werk is te controleren of theorie en praktijk wel bij elkaar aansluiten. De uitkomsten van het systeem moeten nog getoetst worden aan zowel het gezonde boerenverstand als de wetenschappelijke literatuur. Daarnaast zul je ook in de wijk zelf moeten gaan kijken, om te zien, te voelen en te proeven. Achter herhaaldelijke klachten van een winkeliersvereniging kunnen immers ook politieke motieven schuilen."

Veelplegers en wapenbezit

De experimenten met het datamining systeem hebben de afgelopen jaren al een aantal interessante zaken opgeleverd. Zo dacht men dat de toenemende criminaliteit in Amsterdam-Noord werd veroorzaakt door mensen die met de stadsvernieuwing uit de Bijlmer waren verhuist. Uit analyse bleek echter dat de daders uit hele andere omgevingen kwamen.

Daarnaast heeft men onderzoek gedaan naar veelplegers. "Daaruit bleek dat de criminaliteit in de binnenstad vooral wordt veroorzaakt door bij de politie bekende junks, die met name actief zijn rondom het Centraal Station en De Waag. De criminaliteit op de grachten net buiten de Singel blijkt vooral te worden veroorzaakt door jeugdigen."

Tenslotte wordt het datamining systeem ook gebruikt bij de periodieke rapportages over wapenbezit. "Belangrijke vraag daarbij is hoe effectief preventief fouilleren is bij het terugdringen van het aantal wapens op straat. Uit onderzoek blijkt inderdaad dat mensen hun wapens nu liever thuislaten." Op deze manier kunnen de analyses ook worden gebruikt om te bepalen waar en wanneer politiemensen het meest effectief kunnen worden ingezet.

Statussymbolen

Van der Veer heeft nog twee andere voorbeelden van de inzet van DataDetective. "Zo kun je onderzoek doen naar drugsgerelateerde geweldsdelicten en de invloed daarvan op kleinere criminelen. Gaat het aantal drugsdelicten inderdaad omlaag? Of worden de kleinere door de grotere onder druk gezet om zich gedeisd te houden zodat de politie wegblijft?"

"En toen de politie een paar jaar geleden het aantal straatroven niet naar beneden kreeg, heeft men nog eens beter naar de beschikbare gegevens gekeken. Daaruit bleek dat het aantal straatroven weldegelijk was verminderd, maar dat het aantal diefstallen van gsm-telefoons was gestegen. Daarop zorgde de politie ervoor vaker aanwezig te zijn op de specifieke plekken rond de metrostations waar bepaalde groepen zich met deze criminaliteit bezighielden. Bovendien begon men toen met de sms-bombardementen."

Voor Van Es is zo'n stijging van het aantal diefstallen van GSM en PDA toestellen reden om de literatuur in te duiken. "Als je tot een bepaalde maatschappelijke klasse behoort, heb je een aantal symbolen nodig om je status kenbaar te maken. Anders hoor je er niet bij. Dan wordt je op school bijvoorbeeld voor gek verklaard. Kun je een belangrijk statussymbool niet betalen, dan zal je 'm wellicht jatten. Als een bepaald item populair wordt, zien we de bijbehorende criminaliteitscijfers dan ook stijgen."

Voorkomen

Vanaf dit jaar moeten de datamining-tools de politie niet alleen helpen bij het oplossen van misdrijven, maar ook bij het voorkomen daarvan en het effectiever inzetten van personeel. Volgens Ben van Scheppingen, werkzaam op de afdeling ICT Research, is men bij de politie nog teveel gefocust op het pakken van de daders. Van Es is het met hem eens. "Het is de taak van de politie om criminaliteit te voorkomen. Voorlichting is daar bijvoorbeeld een belangrijk onderdeel van. Bovendien is opsporen duur, en voorkomen heel goedkoop."

Met de huidige vraaggeoriënteerde insteek loopt Van Es wel het risico te blijven steken in vooral de analytische toepassing van de nieuwe tools. De criminele analisten zullen immers vooral met hun eigen specifieke problemen en opdrachten bezig zijn. En dat terwijl de meerwaarde van datamining 'm juist zit in het ontdekken van verborgen verbanden en patronen. Van Es wil de kennis die hij opdoet echter ook op strategisch niveau inbrengen in het managementoverleg. "Dat past bovendien in het beleid van de korpsleiding, dat meer wil doen aan informatie-gestuurde opsporing." In eerste instantie moet de nieuwe kennis onderdeel worden van de eigen processen. Zo kunnen aangiften worden gescand op de kans dat ze vals zijn, of de prioriteit ervan worden vastgesteld op basis van bepaalde sleutelwoorden. Daarnaast kan van een arrestant automatisch worden bepaald of hij gevaarlijk is. Normaal gesproken kan alleen een heel ervaren politieman dat doen door zijn dossier in te duiken.

Samenwerking

Hoewel er overeenkomsten zijn met diverse organisaties, is de samenwerking door personeelswisselingen wat stilgevallen. Op dit moment werkt de datamining club alleen nog maar samen met de Britse politie. Eerder in de testfase deed men dat ook met de NRI (de Dienst Nationale Recherche Informatie, voorheen de Centrale Recherche Informatiedienst, CRI), het KLPD (Korps Landelijke Politiediensten) en de Katholieke Universiteit in Leuven.

Afgesproken is dat het KLPD zich vooral zal bezighouden met textmining, terwijl de NRI zich meer op het grensvlak van sociaal-geografische dataming en psychologische daderprofilering zal richten. Volgens Van Scheppingen was het destijds ook de bedoeling om samen te werken met andere politieregio's. Van Es benadrukt echter dat dit alles in een later stadium weer zal worden opgepakt en verder worden geïntensiveerd.

Aad Offerman

17 januari 2005