Data Science in de praktijk

We hebben met onze aanpak al meerdere succesvolle toepassingen gerealiseerd. Lees de praktijk cases voor meer informatie!

woonoverlast

Woonoverlast bestrijden

Iedere gemeente wil de leefbaarheid en veiligheid van de stad verbeteren. Al jarenlang zijn afdelingen actief bezig om dit doel te bereiken, veelal met traditionele methoden. Het zwaartepunt van het probleem zit in hoe de grote hoeveelheid binnenkomende signalen beoordeeld, geprioriteerd en geduid konden worden. De wens was om een beschrijvende analyse te maken en een ondersteunende applicatie ter bestrijding en presentie van woonoverlast. Lees verder…

Ondermijning en fraudebestrijding

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. Ondermijnende criminaliteit vele verschijningsvormen. Deze toepassing combineert verscheidene databronnen en bepaalt op basis van netwerkanalyses wat relaties zijn tussen verschillende personen en entiteiten om fraude en ondermijning inzichtelijk te maken. We combineren bestaande en nieuwe bronnen en kijken of er nieuwe patronen zichtbaar zijn. Lees verder…

Datagedreven milieutoezicht- en handhaving

De gemeente wilde onderzoeken of het mogelijk was om ‘onbekende’ bedrijven die een potentieel milieurisico vormen in kaart te brengen door slim gebruik te maken van data. Het betreft bedrijven die nu niet in het vergunningensysteem zitten. De toepassing combineert meerdere databronnen en bepaalt op basis van slimme algoritmes waar zich bedrijven bevinden met een potentieel milieurisico.  Lees verder…

Woningbouw voorspellen met predictive analytics

De gemeente wil een volledig inzicht in het verleden, het heden én de toekomst van de woningbouw en woningvoorraad van de stad. Dit inzicht is nodig om ervoor te zorgen dat het woningaanbod in de stad nu en in de toekomst aansluit op de behoeften van haar inwoners. De uitdaging is om een toepassing te ontwikkelen die het verzamelen van data makkelijker en sneller maakt en beter inzicht biedt aan bestuurders, beleidsmedewerkers en andere afdelingen van de gemeente. Lees verder…

Toetsen bouwinitiatieven met machine learning

De gemeente krijgt regelmatig (bouw)initiatieven binnen van burgers en bedrijven. Het toetsen kost doorgaans veel tijd. Meerdere experts van de gemeente zijn nodig voor de beoordeling. De uitdaging: kun je door slim gebruik te maken van data de experts helpen om sneller initiatieven te toetsen en terug te koppelen aan burgers en bedrijven. Lees verder…

Illegaal kamerverhuur en overlast bestrijden

Kunnen we door slim gebruik te maken van interne en externe databronnen zowel legaal als illegaal kamerverhuur in de gemeente Eindhoven inzichtelijk maken met als doel om woonoverlast tegen te gaan. Daarbij wordt gekozen voor een tweetrapsraket: Eerst wordt inzichtelijk gemaakt wat er intern bekend is bij de gemeente; daarna wordt gekeken welke externe bronnen gebruikt kunnen worden (zoals advertenties) om illegale kamerverhuur op te sporen..  Lees verder…

Verdachte loodsen opsporen

De gemeente gebruikt de toepassing voor datagestuurd milieutoezicht. Als uitbreiding daarop wilde de gemeente ‘verdachte’loodsen in kaart brengen. De toepassing combineert meerdere databronnen en bepaalt op basis van slimme algoritmes waar zich mogelijk verdachte loodsen bevinden Het systeem presenteert deze loodsen op een kaart en rangschikt ze op basis van de hoogte van het risico. Lees verder…

Geluidsoverlast monitoren met sensoren

De gemeente ligt dichtbij een vliegveld. Bewoners hebben last van geluid van vliegtuigen die relatief laag over delen van de gemeente vliegen. De uitdaging is om overschrijdingen van de geluidsnorm continue te monitoren en bij overschrijdingen direct en efficiënt een handhavingsverzoek in te dienen bij het ministerie. Lees verder…