De Opdrachtgever

De initiele opdrachtgever was de gemeente Zaanstad. Inmiddels hebben 15 gemeentes er aan doorontwikkeld

De Challenge

Ondermijnende criminaliteit is een hot topic. De bestrijding ervan vraagt om een bestuurlijke aanpak, waarbij niet alleen politie en OM, maar ook de gemeente en Belastingdienst actief zijn. De challenge was hoe met hulp van een datagedreven aanpak zicht op ondermijning verkregen kon worden, specifiek gericht op het thema woon- en adresfraude.

De Aanpak

De datagedreven aanpak is het resultaat van meerdere Design Sprints waarin we in 5 dagen het prototype ontworpen hebben voor verschillende verschijningvormen van Ondermijnende Criminaliteit. Denk daarbij aan: uitbuiting, drugshandel in het buitengebied, woon- en adresfraude, vastgoedfraude, fraude in de horeca, etc.

Het Resultaat

Het resultaat is een signalen registratie + analyse oplossing geworden. Verschillende databronnen worden gepseudonimiseerd en vervolgens in de applicatie ingelezen. Met hulp van de signalen en de data analyse kunnen de OOVers bepalen waar ze controles willen gaan inplannen.

15

Gemeentes hebben een bijdrage geleverd

10

Indicatoren voor woon- en adresfraude

8

Databronnen die gepseudonimiseerd worden met behoud van logica

4

Al vier jaar in ontwikkeling

Maatschappelijk vraagstuk

Georganiseerde, ondermijnende criminaliteit bestaat uit veel soorten criminaliteit en activiteiten die daarmee samenhangen. Bij activiteiten maakt de georganiseerde criminaliteit gebruik van diensten uit de bovenwereld.  Criminelen schuwen het niet om legale partijen te beïnvloeden of te onderdrukken. Denk daarbij aan volksvertegenwoordigers, ambtenaren en onschuldige burgers. Daarbij passen criminelen soms ook zwaar geweld toe. Bovendien kent het vele verschijningsvormen.

Bij dit traject is er gekozen voor de focus op een specifiek fenomeen. De benoemde challenge van dit traject was: Kunnen we door bronnen en signalen te combineren woon- adresfraude en uitbuiting inzichtelijk maken en vandaar uit een effectieve aanpak ontwikkelen.

Enkele uitdagingen van dit traject:

  • Hoe kunnen we databronnen op een veilige manier gebruiken, rekening houdend met de privacy wet- en regelgeving?
  • Hoe kunnen we naast data-analyse ook signaalregistraties organiseren?
  • Gegeven signalen en registraties, hoe kunnen we op een correcte manier signalen beoordelen?
  • Hoe kunnen we structuren van schijnzelfstandigheid inzichtelijk maken ?

Meer informatie?

Bekijk het Webinar terug:



Het Resultaat

  • Signalenregistratie en beoordeling

    De toepassing maakt het mogelijk om signalen op een correcte manier te registreren en vast te leggen. Met hulp van de flexibele formulierenmodule kan het bovendien aangepast worden naar de eigen wensen. Met hulp van de Model Privacy Protocol kunnen de signalen bovendien op een correcte manier beoordeeld worden.

  • Data analyse op gepseudonimiseerde data

    Het systeem kan data pseudonimiseren en analyses doen op gepseudonimiseerde data. Hiermee kunnen analyses gedaan worden binnen alle wettelijke kaders. Zodra er onderzoekswaardige locaties gevonden zijn, kunnen die gedepseudonimiseerd worden.

  • Transparantie en verantwoording

    De applicatie geeft inzicht in welke algoritmes gebruikt zijn zodat het altijd transparant en inzichtelijk is. Bovendien worden de handelingen vastgelegd met hulp van de audit trail zodat ook achteraf altijd verantwoording kan worden afgelegd.

De Data

Bij de ontwikkeling van de Woon- en Adresfraude app  zijn onder andere de volgende bronnen gebruikt:

BRP data

Dit instrument maakt gebruik van de BRP data om te bepalen hoeveel (en welke) mensen er ingeschreven zijn op een adres.

WOZ

In de WOZ wordt gekeken naar het eigendom van een woning.

Mens Centraal

In Mens Centraal wordt gekeken of de personen en/of adressen bekend zijn bij het wijkteam en of er daar al zaken lopen.

Daarnaast zijn er de KVK, de BAG, WMO, DPH, en Kadaster als aanvullende data gebruikt, waarbij alles gepseudonimiseerd is voordat het de applicatie in gaat. Er is een officieel proces ontworpen om het te depseudonimiseren.