Data analytics voor een betere wereld

Els Bellens
Els Bellens Technologiejournaliste bij Data News

U dacht dat Big Data er vooral was om bedrijven meer geld te doen verdienen en marketeers te helpen u beter in het vizier te krijgen? Volgens data-analyticsbedrijf SAS kan u er ook de wereld mee verbeteren.

Gegevensanalyse voor een betere wereld, dat is zowat het thema van de Analytics Experience 2017, de SAS-conferentie in Amsterdam. “Voor ons is Big Data belangrijk. We proberen er inzichten in te vinden en we geloven dat daar waarde in zit, ” vertelt Michel Philippens, customer solutions manager bij SAS. “Mensen hebben wel wat angst rond Big Data. Als je erover hoort in de populaire media gaat het meestal om de slechte kanten, om tracking en privacy. Maar wij zien ook de waarde van analytics in een humanitaire context. Analytics worden bijvoorbeeld ingezet om noodhulp bij rampen in goede banen te leiden. We willen dat toch ook even in the picture zetten.”

In België

Data analytics, zo zegt Philippens, is bijvoorbeeld inzetbaar om vluchtelingen te helpen of om noodhulp te verdelen bij rampen zoals Orkaan Irma. Het IOM, de Internationale Vluchtelingenorganisatie, zet Big Data in om migrantenstromen in kaart te brengen na rampen zoals de Rohinghya-uittocht naar Bangladesh. “Data analytics kan de mensheid dienen en hen dichter bij elkaar brengen.” Het is een credo waar Philippens rotsvast in gelooft. “We moeten daarbij wel nadenken over hoever we daarin willen gaan, welke grenzen we willen afbakenen, net omdat het zoveel goede dingen kan doen”, aldus Michel Philippens.

Die goede dingen, dat gaat in België vooral om besparingen op overheidsuitgaven. “Als SAS België geven we advies aan onze grotere klanten, zoals overheidsinstanties, omtrent hoe ze analytics het best kunnen inzetten om efficiënter te werken. Om waarde voor de burger te creëren enzovoort. We hebben bij SAS best veel ervaring in analytics, dus we kunnen hen best practices aanbieden, procedures over hoe ze dat moeten toepassen enzovoort.”

Een van de belangrijkere cases hier is bijvoorbeeld die rond het opsporen van BTW-carroussels. “Dat was tot voor kort een problematiek waarin honderden miljoenen euro aan BTW-inkomsten verloren ging. Met doorgedreven data analyse kan je bepaalde bedrijven aan elkaar linken en visualiseren. Zo kan je die fraude beter opsporen. Dat verlies is nu nog zoiets van 25 miljoen euro.”

Irma

Iets spectaculairder wordt het wanneer je naar het buitenland kijkt. Het Nederlandse Rode Kruis gebruikt Big Data en verregaande data analytics bijvoorbeeld om aan rampbestrijding te doen. Ze tonen hier bij SAS de resultaten van hun werk op Sint-Maarten, een van de eilanden die in het pad van de orkaan Irma lagen. “We hebben ervaring met orkanen. We weten ongeveer hoeveel schade een orkaan kan aanrichten als ze op een eiland aan land gaat”, zegt Pieter Christiaan van Oranje-Nassau van het Rode Kruis. “Maar op Sint Maarten weten we niet hoeveel volk er woont en waar. Als je op een traditionele manier probeert de hulp te beheren, dan kan je niet alles krijgen op de plekken waar het moet zijn, omdat er geen infrastructuur is. Daar komt bij dat er op Sint Maarten veel illegale migratie is. Je hebt ongedocumenteerde mensen, dus als er iets gebeurt weet niemand waar ze zijn.”

Om daaraan te verhelpen, bracht Team 510 van het Nederlandse Rode Kruis het hele eiland in kaart. “Met de voorbije ramp op Sint Maarten hadden we het voordeel dat we wisten dat de orkaan op komst was”, zegt Stefania Giodini van het Rode Kruis. “En we wisten ook dat onze data voor het eiland verouderd en onvolledig was, dus op een paar dagen hebben we het hele eiland in kaart gebracht. Zowel de Nederlandse als de Franse zijde. We moesten weten waar de mensen waren, waar de watervoorzieningen waren, brandstofleidingen enzovoort.” Met een combinatie van drones, satellietbeelden en mensen ter plaatse werden onder meer de huizen gemapt, om te weten hoeveel mensen er wonen. Daarna werden modellen gebruikt om te voorspellen waar de orkaan aan land zou gaan en welke gevolgen dat kon hebben, afhankelijk van de hoeveelheid huizen en voorzieningen die in het pad van de orkaan liggen.

Materiaal op de juiste plekken

“Als je dat weet, dan kan je bijvoorbeeld al zien hoeveel materiaal je moet voorzien, ” vertelt Pieter Christiaan van Oranje-Nassau. “Wij moesten dan nog wel op het leger en andere hulpdiensten rekenen om dat materiaal daar ook te krijgen. Daarom is data belangrijk, om aan te tonen aan iedereen waar het probleem zit, en om hen te overtuigen. Als de ene dienst hier naartoe wil en de andere daar, dat werkt niet. Data kan helpen om die beslissingen te nemen.”

Het echte opbouwwerk komt natuurlijk nadat Irma is uitgeraasd. “Een van de dingen die we doen is de schade aan daken meten”, vertelt Stefania Giodini. “Dat kan met satellietbeelden. En in samenwerking met het Nederlandse Kadaster kunnen we dan berekenen hoeveel vierkante meter staalbladen we nodig hebben om alles weer op te bouwen.” De berekeningen gebeuren grotendeels met artificiële intelligentie. “De ai die we gebruiken is machine learning, waarvan het meeste gebruikt wordt om de schade te berekenen”, aldus Giodini. “Je kan daar veel data over ophalen, hoeveel huizen en huishoudens zijn getroffen, bijvoorbeeld. Je hebt veel rampen en je weet wat de impact is. De vraag is dan hoe je dat vertaalt naar de toekomst, naar de volgende tyfoon. We weten wat er de vorige keren is gebeurd, en wat toen de impact was. Je kan dat ingeven en machine learning vertaalt dat naar een nieuw event. Voor tyfoons weet je bijvoorbeeld een paar dagen op voorhand wat de windsterkte zal zijn als het aan grond raakt, en dan kunnen we een map maken die ons vertelt waar de slachtoffers zouden vallen. Probleem is dat er veel gaten zijn in de data. Daarvoor moet je samenwerken met overheden en databedrijven, om die data te verzamelen en te standaardiseren, bijvoorbeeld door al die schaderapporten op te slaan, en dan kan je daar sneller op reageren.”

ELS BELLENS

“Je hebt veel rampen en je weet wat de impact is. De vraag is dan hoe je dat vertaalt naar de toekomst, naar de volgende tyfoon”

Fout opgemerkt of meer nieuws? Meld het hier

Partner Content