Asielzoekers beoordelen met Facebook
Over Big Data en het gebruik daarvan gaan duizenden blogs en websites. Eigenlijk gaan die nooit over hoe Big Data kunnen worden ingezet voor actuele problemen. Bijvoorbeeld voor de grote toestroom van vluchtelingen naar Nederland en Duitsland op dit moment. Je ziet dat er veel cijfers gebruikt worden om te duiden wat het voor de samenleving betekent, maar eigenlijk niet om te bepalen wie er worden toegelaten. Hoe zouden analytics daarbij kunnen helpen?
Bij een data-analyse gaat het erom dat er gegevens beschikbaar zijn. En als we het hebben over Big Data dan gaat het in wezen om alle zijdelings of direct relevante informatie die er is. Bijvoorbeeld in het geval van cijfers over asielzoekers: de standaard gevraagde gegevens zoals land van herkomst, reden van aanvraag, persoonsgegevens, geloof, etc.
Interessanter wordt het als we het Data Lake vullen met gegevens van Facebookaccounts en -interacties, DNA-gegevens, belgegevens, Skypeaccounts en -gebruik, eventuele registers van moskeeën en kerken over bezoek, lidmaatschappen, reisroutes, merk schoenen en al het andere dat relevant kan zijn.
Mijn stelling is dat je op basis van dit soort gegevens een zelflerende computer of Cognitive Computing een 99%-inschatting kan geven of asielzoekers a) de juiste gegevens verstrekken, b) een grote kans hebben om mee te kunnen draaien in de samenleving, c) moeilijkheden zullen hebben mee te draaien in onze samenleving, d) verkeerde intenties hebben.
Het aardige van zelflerende systemen is dat ze vlot doorhebben wie er probeert de boel te bedonderen
Het aardige van dit soort zelflerende systemen is dat ze vrij vlot doorhebben wie er probeert de boel te bedonderen. Mensen zijn namelijk nogal voorspelbaar en het opzetten van bijvoorbeeld een “vals” Facebookaccount is heel simpel, maar dit jarenlang bijhouden alsof het je eigen account is, is tamelijk ingewikkeld. Hetzelfde geldt voor bellen. Het is relatief eenvoudig om bestanden van boefjes te koppelen aan dit soort gegevens en vervolgens de gemene deler van fraudeurs eruit te halen en patronen te herkennen.
Ofwel: als we ons niets aantrekken van de privacywetgeving en politieke bezwaren, combinaties maken van DNA, Facebook, belregisters en allerhande andere gegevens kunnen we snel (druk op de knop), accuraat (beter dan nu vermoedelijk) en goedkoop (eenmalig investeren en daarna zijn de kosten erg laag) een label plakken op iemand die asiel komt aanvragen.
Elke categorie zou je dan een andere behandeling kunnen geven: groen – binnenlaten, rood – niet, oranje – verder onderzoek nodig. Uiteraard kunnen mensen bezwaar maken en wellicht zijn er redenen om te frauderen met belgegevens, Facebookgebruik of andere informatie, maar als je Nederland in wil begint het toch met eerlijkheid.
Klinkt gemakkelijk? Ik denk dat het technisch en organisatorisch ook vrij eenvoudig is. We durven het alleen niet, omdat we bang zijn fouten te maken en blijkbaar in de illusie leven dat fouten nu niet gemaakt worden. Een goede beroepsprocedure -dat wil zeggen goed, maar kort- zou vermoedelijk een hoop politieke weerstand wegnemen. De mensen die beoordelen doen dat dan in ieder geval op basis van objectieve informatie en leugens zullen we sneller ontdekken.
Overigens kan uw bank dezelfde technologie gebruiken om te beoordelen of ze u een krediet of hypotheek gaan geven. Daarover een volgende keer.
Over de auteur
- Vraagt zich vooral dingen af en verwondert zich over technologie, innovatie en samenleving. Werkt bij een overheid.
Recent gepubliceerd
Economie18 mei 2019Straks deel je al je bankgegevens voor een Pizza Pepperoni
Innovatie&Techniek20 februari 2019Drie basisregels voor gebruik sociale media
Economie4 januari 2019We moeten weer dijkenbouwers worden met ambitie en visie
Migratie5 september 2018De Mensenleven Indicator