PRODUCTBELEID LOKALE OVERHEID 2017 | 2018

Open data, big data, bots en artificiële intelligentie

In de toekomst publiceren overheden steeds meer open data. Volgens onderzoek van de Europese unie vertegenwoordigen de open data van overheden nu al een waarde van 27 miljard euro. De voordelen zijn er dan ook naar: zowel binnen als buiten de organisatie zorgt goed toegankelijke open data voor meer transparantie en voorkomt het onnodig uitzoekwerk.

Eind 2015 heeft de Open State Foundation onderzoek gedaan naar de beschikbare open data van gemeenten. Op dat moment was er nog maar weinig open data beschikbaar op het open data-portaal van de overheid. Er waren op dat moment 141 datasets van 13 gemeenten te vinden.

Het publiceren van open data regelen alle overheden ieder voor zich. Ze vinden allemaal opnieuw het wiel uit. Dergelijk maatwerk vergt veel beheer en brengt daarnaast risico’s met zich mee voor de kwaliteit van de data. Bovendien duurt het op deze manier lang voordat open data beschikbaar komt.

Dit kan en moet slimmer: door samen te werken. Door bijvoorbeeld vanuit toepassingen gestandaardiseerde datasets te publiceren kan veel meer schaal en uniformiteit in data worden gerealiseerd. Naast meer open data van overheden op open dataplatforms, komen ook interne datasets dichter bij elkaar. Met de opkomst van SaaS-diensten en private en publieke clouds, ontstaan bovendien grote interne en externe dataverzamelingen.

Door deze data te combineren en te analyseren, ontstaan tal van nieuwe mogelijkheden voor de overheid. Een aansprekend voorbeeld is het adviseren van inwoners over hun verhuizing, op basis van data en de juiste algoritmen. Geen algemene vuistregels, maar individueel advies voor inwoners toegespitst op hun specifieke wensen. Met gebruik van big data van het KNMI en Rijkswaterstaat realiseerden wij vorig jaar de app ‘Hier wil ik wonen’, een app die inwoners helpt te bepalen of zij er met een verhuizing op vooruitgaan. Anderen – de overheid zelf of commerciële partijen – kunnen deze dienst op hun beurt inbedden om daarmee toegevoegde waarde te leveren.

Een ander goed voorbeeld is ons big data-project met een beheerder van het hoogspanningsnet voor elektriciteit in Nederland en daarbuiten. Zij levert een betrouwbare en ononderbroken elektriciteitsvoorziening aan tientallen miljoenen eindgebruikers.
Een belangrijke rol hierbij speelt de verwachting van verbruik en opwekking van elektriciteit. Door de opkomst van hernieuwbare bronnen, zoals zonne- en windenergie. Deze opwekking daarvan vindt echter vaak plaats op andere, decentrale locaties en is daarbij ook volatieler in vergelijking met de grote en relatief stabiele conventionele installaties.

In vier stappen onderzochten wij het verschil tussen de gerealiseerde en de verwachte opwekking van elektriciteit uit windenergie in Nederland:

  1. Verzamelen en opschonen van data
  2. Duiding en samenvoegen
  3. Analyseren
  4. Visualisatie van de data en resultaten

Hiervoor gebruikten wij verschillende big data-tooling, zoals R, KNIME en IBM Watson Analytics. Inderdaad bleek de data een interessante correlatie te vertonen: wij vonden dat offshore opwekking altijd wordt onderschat en onshore altijd overschat. Met verder onderzoek worden de voorspellingsmodellen bijgesteld en verder verbeterd.

Slechts een handvol overheden heeft al de eerste stappen gezet naar big data, bots en artificiële intelligentie. Voor de komende jaren verwachten wij veel initiatieven op dit vlak. Met deze vervolgstap in de data-evolutie kunnen we niet alleen analyseren, maar gedrag en ontwikkelingen in de samenleving bovendien betrouwbaar gaan voorspellen. Die voorspellende waarde helpt gemeenten hun beleid in de toekomst nog gerichter en effectiever in te zetten en definitief de stap te zetten naar een regisserende en informatie-gedreven overheid.