Brandweer gebruikt predictive analytics bij inzet spuitwagens

We spraken met Guido Legemaate, Coördinator van de afdeling informatiemanagement bij Brandweer Amsterdam-Amstelland over predictive analytics en de ontwikkeling die zij doormaakte. Zijn organisatie realiseerde als één van de eerste Nederlandse korpsen een datagestuurd brandrisicoprofiel en werkt nu aan een algoritme dat de meldkamer adviseert over de dekking van spuitwagens. Je leest hoe de brandweer een datagedreven organisatie werd en wat ze hebben geleerd in dit proces.

Software introduceren in nieuwe omgevingen en processen

Als zoon van een techneut – zijn vader had een elektrotechnische groothandel – kreeg de in Zeeland opgroeiende Guido Legemaate op woensdagmiddag vaak een soldeerbout en een kapotte videorecorder in zijn handen gedrukt. De videorecorder werd later een computer en hij leerde zowel soft- als hardware van binnen tot buiten kennen. Tijdens zijn studie verpleegkunde kwam die kennis goed van pas:

“Na mijn dienst al verpleegkundige was ik op een zaal bezig om alle patiëntendossiers, dat waren er 10, misschien 15, met de hand bij te werken. Ik moest noteren wat er gebeurd was, tabellen met koortsverloop maken en dacht alleen maar: ‘als we dat nou eens in de computer kloppen?’. Dan is het namelijk snel klaar, makkelijk te delen en je kan er analyses op doen. Dat is nu heel vanzelfsprekend maar dat was toen echt not done. Ik besloot dat dit het onderwerp werd van mijn afstudeerscriptie. Hét argument om de examencommissie te overtuigen was dat verpleegkundigen dan meer tijd hadden om aan het bed te staan. Daar gingen ze uiteindelijk in mee maar ze vonden het gek dat een verpleegkundige over computers wilde schrijven.”

Brandweer wordt een datagedreven organisatie

Zeeland werd al snel te klein en Guido besloot naar Amsterdam te verhuizen en verder te studeren, gezondheidswetenschappen. Hij werkte ondertussen bij de meldkamer van de GG&GD en hielp mee aan de ontwikkeling van een meldkamer systeem. Ook toen hij na het afronden van zijn studie bij de brandweer aan de slag ging bemoeide hij zich al snel met het informatiemanagement:

“Een van mijn eerste taken was het herschrijven van korps specifieke leerboeken. Deze waren verouderd en ik zag dit als de kans om ook een niveau dieper te gaan en mensen te vertellen wat ze ongeveer konden verwachten wat betreft incidenten en dergelijken. Hoeveel incidenten zijn er van elk type, hoeveel grote branden zijn er en ga zo maar door. Maar daar kreeg ik geen antwoord op terwijl ik uit mijn tijd op de meldkamer wist dat de informatie er was. Die informatie was lastig boven water te krijgen.

Omdat ik vastliep ben ik, gesteund door mijn manager, aan de slag gegaan met een Business Intelligence-tool (BI), Pentaho, en ben ik zelf informatie gaan samenbrengen. Het had heel wat voeten in aarde om toegang te krijgen tot de verschillende databases maar na ongeveer een jaar is dat gelukt. De kennis die toen samenkwam kon natuurlijk veel breder toegepast worden en hebben we gebruikt om diverse dashboards te creëren. Dat was eigenlijk de aftrap voor informatiegestuurd werken bij de brandweer en met deze aanpak wonnen we in 2013 ook de Dutch BI Award.”

Informatie gebruiken voor predictive analytics: fireSCore

De afgelopen tijd werkt Guido aan de volgende stap, fireSCore, een hulpmiddel waarmee de brandweer ervoor kan zorgen dat hun dekking -hoe snel is een bluswagen bij een incident ter plaatse- ook bij grote incidenten goed blijft.

“Stel; er is een incident in het Westelijk Havengebied waar 12 spuitwagens naartoe moeten dan berekent dit systeem hoe wij de overgebleven wagens over de kazernes of regio moeten verdelen voor een optimale dekking.

De eerste laag van het systeem draait om responstijd, hoe snel kunnen we bij een melding in een bepaald gebied zijn. Voorheen was dit puur de kennis op de meldkamer maar met deze tool hebben we een live kaart waarop met kleuren te zien is hoe lang het duurt voor een wagen in elk gebied is. Dat is handig, totdat er een groot incident is en een heel aantal wagens in gebruik zijn. Dan ziet de kaart er ineens niet meer zo mooi uit, hoe moet je de wagens verdelen om een zo goed mogelijke dekking te bieden?

Samen met het Centrum voor Wiskunde & Informatie (CWI) hebben we daarom een algoritme (zg. learning algorithm) ontwikkeld dat op basis van een heel aantal factoren bepaalt hoe je de resterende eenheden kan neerzetten. In dit systeem combineren we allerlei soorten data uit verkeerssystemen en historische gegevens om zo snel en adequaat mogelijk te reageren op de situatie. Dit systeem wordt op dit moment geïntroduceerd en de eerste reactie van de mensen is erg goed.”

Brandweer Amsterdam-Amstelland – fireScore in beeld

De Brandweer heeft de afgelopen jaren een grote verandering doorgemaakt, het is steeds meer een datagedreven organisatie. Dat gaat uiteraard niet vanzelf, en nog steeds werken we hier hard aan door.

“We begonnen met werken op de standaard, voor ons bekende manier. Dat betekent: grote projecten, veel gedoe, lange doorlooptijden, aan het begin niemand vragen en pas aan het eind wat laten zien. Regelmatig was het net weer anders dan verwacht of gewenst. We werkten toen niet in korte sprints en stonden ver af van onze vraagsteller. Inmiddels hebben we wel geleerd dat een meer lean aanpak met sprints vol energie waar partijen nauw bij betrokken worden de beste aanpak is. In ieder geval voor mijn team en dat besef begint zich ook steeds verder in onze organisatie te verspreiden. We vermaken ons een deel van de tijd met hackathons, wat vaak hele andere – maar zeer bruikbare – resultaten geeft!”

Drempels bij predictive analytics

Belangrijke uitdagingen waar je als organisatie volgens Guido rekening mee moet houden als je verschillende informatiebronnen samen gaat brengen:

Toegang krijgen tot data

Met de komst van de AVG is het grappig genoeg makkelijker geworden, nu zijn er regels waaraan een organisatie zich moeten houden. Maar voorheen was de belangrijkste kwestie: wie heeft er de autoriteit om die data vrij te geven?

Houdt rekening met bureaucratie

Mensen die zich bezighouden met innovatie zijn van nature progressief, anders begin je hier niet aan. Maar het ambtelijke apparaat, en dat werkt in mijn ervaring hetzelfde bij bedrijven, is vaak stroef. Er kan veel maar dat vraagt wél om ondernemersschap.

Onverwachte complexiteit

Toegang krijgen tot meldkamer gegevens bleek voor ons de belangrijkste drempel. Alle data zat namelijk in één database en we konden geen gedeeltelijke toegang krijgen. Dat betekent dat wij ook van politie en ambulance toestemming moesten krijgen. Hierdoor duurde het anderhalf jaar tot wij toegang kregen tot dit systeem.

Data terugkrijgen van leveranciers

Leveranciers van databases zijn er vaak niet om ingesteld om data weer terug te geven. Waar moeten bepaalde uren terecht komen, wiens verantwoordelijk is het en ga zo maar door. Dit alles betekent dat je veel moeite zult moeten doen om jouw eigen data boven water te halen. Daar kan je natuurlijk vooraf wél rekening mee houden maar in ons geval is dat wijsheid achteraf.

“We zien, in de hele samenleving, dat informatie gemeengoed is geworden. Je moet als organisatie daarin meebewegen en veel meer gebruik maken van informatie bij besluitvormingsprocessen. En tevens die kennis gebruiken om producten en dienstverlening te verbeteren.

Guido Legemaate, Coördinator afdeling informatiemanagement Brandweer Amsterdam-Amstelland”

Ook stappen zetten naar een datagedreven organisatie?

Veel bedrijven beschikken over een schat aan informatie die, als deze op de juiste manier ontsloten wordt, een positieve impact kan hebben op het primaire proces. Tegelijkertijd zijn er veel drempels te overwinnen voordat dit mogelijk is. Wil jij eens sparren met specialisten die jou kunnen informeren over de kansen van predictive analytics? Ambrero verkent graag samen met jou de mogelijkheden en behoeftes van jouw organisatie.