Project: Robust Estimation using Aggregated Data for Urban policy making  (READ-URBAN)

Big Data voor robuuste meting beleidsindicatoren

Het monitoren van indicatoren op verschillende beleidsterreinen zoals werkgelegenheid, bereikbaarheid, gezondheid en veiligheid behoort tot de standaardpraktijk van openbaar bestuur. Immers, beleid kan alleen worden gemaakt op basis van betrouwbare gegevens. Traditioneel worden veel van dergelijke gegevens verzameld via vragenlijsten. Deze aanpak kent nadelen: de meest recente cijfers lopen vaak flink achter op de actualiteit waardoor kwantitatieve analyses van interventies pas relatief laat beschikbaar komen. Bovendien is er altijd het risico op bias in steekproeven.

In een big data aanpak wordt in principe alle beschikbare informatie meegenomen in de analyse en kan er veel frequenter worden geactualiseerd. Een voorbeeld van een dergelijke aanpak is het via text mining technieken analyseren van open internet bronnen waaronder social media. Daarbij gaat het om technieken zoals entity herkenning, sentiment mining, event herkenning. Bedrijvensites kunnen worden geanalyseerd op kenmerken van vacature-aankondigingen tot beveiligingsmethoden tegen cybercrime. Andere voorbeelden van beschikbare big data bronnen zijn mobiele telefoongegevens om mensenmassa’s en -stromen in kaart te brengen; of verkeerslusdata en floating cardata voor verkeersstromen. Met deze bronnen is al ervaring beschikbaar die ingezet kan worden om toepassingen voor de grootstedelijke praktijk te ontwikkelen. Diverse andere bronnen kunnen geleidelijk worden meegenomen naarmate we toegang krijgen; denk aan financiële transactiedata,  smart meters, sensordata, of satellietfoto’s.

Plan is om in samenwerking met Center for Big Data Statistics (CBS, met o.a. UL en TNO) een methodiek te ontwikkelen om real-time beleidsindicatoren voor verschillende beleidsterreinen te realiseren voor stedelijke regio’s om te beginnen met Den Haag en MRDH. Vervolgvragen zijn gericht op i) de extractie van nieuwe typen informatie door koppeling met traditionele gegevensverzamelingen van CBS en Den Haag; ii) generalisering van de methodiek voor toepassing ander stedelijke regio’s in de EU. Het vaststellen van de robuustheid en validiteit van de indicatoren in integraal onderdeel van het plan.  Onderzoeksvoorstel sluit thematisch aan bij ‘Bold Cities’ in het kader van de LDE samenwerking.

In april 2017 is een start gemaakt met een eerste case studie, gericht op ondersteuning van gemeentelijk beleid met betrekking tot de “working poor”, een moeilijk te bereiken categorie huishoudens met een inkomen beneden het bestaansminimum. Een eerste stap is gericht op het in kaart brengen van deze categorie huishoudens, een tweede stap is gericht op het beter begrijpen van condities voor influx en outflux van deze populatie.

Betrokken vanuit LIACS: Wessel Kraaij, José Miotto

Betrokken vanuit FGGA: Sarah Giest