Data naar succes! Zicht op ondermijning

Ruben: Deze manier van samenwerken over bestuurslagen heen, dus gemeente, grote uitvoeringsorganisatie als Belastingdienst, Politie en ministeries en CBS. Dat lijkt toch wel een gouden greep te zijn. Robin: Welkom bij data voor succes! In deze serie onderzoek, ìk, Robin Rotman, de mogelijkheden van data gedreven werken door de overheid. Marc: We zien dat er sprake is van huizen die heel vaak van eigenaar wisselen en daar zitten soms schimmige constructies achter met niet natuurlijke personen, maar stichtingen die die huizen dan hebben. En we hebben daar niet een goed gevoel bij, vervolgens gaan we kijken. Hoe kun je daar een vraag van maken die je met behulp van data kunt onderzoeken? Robin: Dit is een podcastserie van de RijksAcademie voor digitalisering van het Ministerie van Binnenlandse Zaken. En vandaag hebben we het over Zicht op Ondermijning. Mijn gasten: Marc Noordhoek, beleidsverantwoordelijke voor de City Deal Zicht op Ondermijning. Zeg ik dat goed? Marc: Goed, klopt helemaal. Robin: En je werkt bij het Ministerie van Binnenlandse Zaken. En Ruben Dood, hij is Directeur Beleid, Statistiek en Data Services. Bij het Centraal Bureau voor de Statistiek. Marc, City Deal Zicht op Ondermijning, waar hebben we het over? Marc: Ja, we hebben het inderdaad over twee aspecten. City Deal, dat is een instrument van Binnenlandse Zaken. Dat is door agenda Stad in 2015 ontwikkeld, eigenlijk om innovatieve projecten op te starten in een samenwerking tussen het Rijk, verschillende ministeries en vooruitstrevende gemeenten, die een beetje willen experimenteren met een nieuw onderwerp. En Zicht op Ondermijning, dat is dan het onderwerp waar we het nu over hebben, is het onderwerp voor deze City Deal. En daarin hebben we in initieel met 6 gemeenten en later zijn daar nog een heleboel aan toegevoegd, een samenwerking opgestart met het CBS met J&V, met Minister van Financiën en BZK dus. Om te kijken of we met data-analyse een beter beeld konden krijgen op ondermijnende criminaliteit. Robin: Ja, want daar gaat deze serie ook over, hè? Hoe de overheid met data, in dit geval met het CBS, het beleid beter kan maken. Toch nog even die ondermijning. Wat is eigenlijk ondermijning? Het gaat over criminaliteit hebben we het? Ondermijnende criminaliteit? Marc: Klopt, ondermijnende criminaliteit is in deze kabinetsperiode een speerpunt geworden. J&V heeft ook in het regeerakkoord 100.000.000 opgenomen om extra plannen te maken om A: die ondermijnende criminaliteit aan te pakken. En wat je je moet voorstellen is dat de hoeveelheid geld die verdiend wordt met criminaliteit, ondermijnend werkt op de samenleving. Dus je ziet dat er heel veel geld wordt verdiend met drugscriminaliteit en je ziet dat dat eigenlijk de maatschappelijke structuren aantast. Mensen die geen belasting betalen en als andere mensen dan in de gaten hebben van goh, dat is wel heel makkelijk. Een heel makkelijk geld verdienen. Dan is de verleiding voor andere mensen die nu op het rechte pad zitten om daar naartoe af te glijden. En dat ondermijnt de maatschappelijk samenleving. En daarnaast zijn natuurlijk nog heleboel andere aspecten die effecten hebben van deze criminaliteit. En één van de zaken waar we naar kijken is bijvoorbeeld het bezit van vastgoed. En je kunt je voorstellen dat het onwenselijk is voor een gemeente om heel veel panden in het bezit te laten hebben van criminelen. Robin: Ja, maar toch nog even: is criminaliteit niet altijd ondermijnend? Marc: In principe wel. Robin: Het is een beetje definitiedingetje, maar het is misschien goed om even neer te zetten. Marc: Ja, het is, het is daar waar de onderwereld gebruik, daardoor dus ook misbruik maakt van de bovenwereld. En dan moet je voorstellen dat een crimineel, een stichting opzet om te verbloemen wat hij aan het doen is. En op die manier geld door te sluizen of een bedrijf opricht om daarmee geld wit te wassen. En eigenlijk gebruik maakt van legitieme structuren, daar ook een notaris voor inzet. En soms ook keurig door wit te wassen belasting afdraagt van crimineel verdiend geld. Robin: Oké, dus bij ondermijning is er sprake van een soort verwevenheid tussen de bovenwereld en onderwereld, waarbij een gedeelte van de bovenwereld misschien zelf niet eens op de hoogte is dat ze dat deel van uitmaken. Onbewust? Marc: Ik denk zelfs dat we voorzichtig kunnen stellen dat de overheid misschien zelfs wel de grootste facilitator is van ondermijning. En helaas ja, wij geven natuurlijk vergunningen uit. We geven allerlei mogelijkheden uit om te ondernemen en in die zin helpen overheidsorganisatie, waaronder ook gemeente, soms criminelen op die manier geld te verbloemen of op een andere manier in te zetten. Robin: En dan wil de overheid die wil dus criminaliteit aanpakken en die wil data gaan inzetten. En dan zit ik hier met de Directeur Beleid, Statistiek en Data Services van het Centraal Bureau voor Statistiek. En dan hoor je dat en dat maakt jouw hart een sprongetje? Yes! Ruben: Ja, dit is natuurlijk een ontzettend interessant onderwerp, vooral omdat criminelen zelf: die kloppen niet bij ons aan en zeggen moet je kijken wat ik doe, hè. De sporen van criminaliteit zie je niet zomaar overal in de data, dus als je gaat kijken naar ondermijnende effecten van criminaliteit, dan moet je eerst gaan nadenken. Welk effect zou je dan bijvoorbeeld kunnen zien? Wat zou een ondermijnend effect kunnen zijn dat je kan zien in de maatschappij? En dat kun je dan gaan toetsen? Zien we ook daadwerkelijk dat soort effecten en kun je op één of andere manier zien dat er ook een verband is met criminaliteit? Dat is buitengewoon interessant om te doen, ja. Robin: Ja, en dan krijgt het cijfer-nerd-werk, dat wordt ineens heel belangrijk en relevant bij de bestrijding van criminaliteit. Dat is toch supertof? Ruben: Ja, en niet direct bij de bestrijding van criminaliteit als in het oppakken van een misdadiger, maar wel zien hoe groot is het fenomeen. Hoeveel criminaliteit is er nu en hoe zouden we het beleid om de bestrijding van criminaliteit doen? Hoe kunnen we dat beter maken? Robin: Zullen we eens een concreet voorbeeld noemen, van hoe die samenwerking dan is? Bijvoorbeeld, hebben jullie een leuke idee? De doorsluishuizen of hebben jullie zelf nog een suggestie die goed illustratief is? Nou, doorsluishuizen? Moeten we ook eerst even gaan vaststellen waar hebben we het dan over: doorsluishuizen? Wie wil? Wie biedt. Marc: Nou, ik wil wel een voorzet geven. We hebben gekeken in de data van het Kadaster van de afgelopen 20 jaar naar alle transacties van woningen. Het aantal keren dat een woning verkocht wordt. En als je dan kijkt naar het gemiddelde aantal keren dat een woning verkocht wordt in 20 jaar, is dat ruim onder de vijf keer. Als je kijkt naar woningen die meer dan vijf keer verkocht worden, dan praat je over 0,1% van alle woningen. Ja, dus dat is vrij weinig. En 99,9% van al die andere woningen, die worden dus minder dan vijf keer verkocht in 20 jaar tijd. Als je nou gaat kijken waar zich dat voordoet, dan zie je dat vooral in de grote steden, dat wat vaker voorkomt. Dat is logisch, daar zijn meer huizen, wordt meer verhandeld. En daar is dezelfde definitie: vijf keer of meer, is daar 1%. Als ik het goed heb ongeveer, ik kijk even naar mijn buurman. Ruben: Ongeveer, ja. Marc: En als je dan vervolgens inzoomt op wijken, dan zie je dat bepaalde wijken in bepaalde gemeente daar dan weer substantieel van afwijken en soms 4% of 5% of 6% van die doorsluishuizen kennen. En dan denk je: goh als het nou landelijk 0,1% is, dus dat is echt weinig. En in sommige wijken is het meerdere procenten. Waar zit hem dat dan in? En dat zou je dan aan het denken moeten zetten, als gemeenteambtenaar, als beleidsambtenaar alvast misschien iemand van de belastingdienst. Wat is daar in deze wijk anders? Waarom het zo aantrekkelijk is om die die huizen zo vaak te verkopen kennelijk want dat is dus statistisch zo, dat is een feit. En op die manier kun je dus….. Robin: Maar dat zou dus een voorspeller voor criminaliteit kunnen zijn. Ruben: Ja, het hoeft niet hè. Je mag een huis zo vaak verkopen, als je wilt. Robin: Nee, ik kies mijn woorden zorgvuldig. Het zou een voorspeller voor criminaliteit kunnen zijn. Ruben: Het is opmerkelijk, het is een opmerkelijke afwijking van het gemiddelde. En concentraties in bepaalde buurten, zeker als het buurten zijn waar je ook al andere beelden bij hebt, hè. Want gemeenten hebben beelden van bepaalde buurten. Dan kan dit in combinatie met die andere informatie aanleiding zijn om eens te kijken.  Hebben we daar nu een verklaring voor? Robin: Ja, oké, dus de politie signaleert iets of die heeft het gevoel van: hé huizen die veel van de hand te gaan, daar zit misschien zwartgeld achter? Of er gebeurt iets geks. Of de gemeentes signaleert. Of jij zelf, weet ik veel, en die komen dan bij jou. Die komen dan bij jouw ploeg. Marc: We ovenleggen met gemeenten. Gemeenten, die komen met dit soort ideeën. Ze zien dat er sprake is van huizen die heel vaak van eigenaar wisselen, en daar zitten soms schimmige constructies achter met niet-natuurlijke personen, maar stichtingen die die huizen dan hebben. Maar we hebben er dan niet een goed gevoel bij. Die hebben een gevoel waarvan ze denken: hier is iets aan de hand. Vervolgens gaan we kijken, hoe kun je daar een vraag van maken die je met behulp van data kunt onderzoeken. En doorsluishuizen is dan een hele mooie, want je hebt het kadasterdata, waarin de verkoopdata van woningen staan en je kan ook de koper en verkoper zien. Dus dan kun je daarin gaan kijken van is hier inderdaad, een vreemd patroon. Is hier iets raars aan de hand? En als je dan op die doorsluishuizen gaat inzoomen, dan zie je dat bij een beperkt deel van die doorsluishuizen is weer de eigenaar niet een natuurlijk persoon, maar een stichting. En een stichting kan gewoon in vastgoed handelen, dat is niet ongebruikelijk. Een aantal van die stichtingen heeft dan maar één bestuurder. En dat is dan toch wel een beetje raar, want een stichting die in vastgoed handelt er maar één bestuurder heeft, waar is die stichting dan voor? En als je dan gaat inzoomen op dat gedeelte, dan heb je nog steeds over best een grote groep stichtingen en best een grote groep vastgoed. Dan kan je gaan kijken wat zijn dat voor bestuurders? Zijn dat bestuurders met bijvoorbeeld antecedenten in de criminele sfeer. En op die manier kun gaan afpellen tot je bij een verifieerbaar patroon komt waarvan je zegt: nou, het kan haast niet anders of er is hier sprake van enige band met criminaliteit. Dit is zo vreemd. Robin: Jullie komen met een rapport, jullie leveren dan een rapport aan Marc en zijn crew, denk ik dan maar. Ruben: Nou, we hebben dat eigenlijk initieel, wel zo gedaan. Toen waren we natuurlijk echt nog aan het verkennen en zaten we in de experimentele fase. Goh, we hebben een hypothese en kunnen we de hypothese op de één of andere manier onderbouwen. Toen we daarvan bedacht hadden dat dat zo was, toen zei het CBS. Ja, maar dan moeten we dat ook aan iedereen bekendmaken. Want als je met CBS data onderzoek doet, dan is dat niet alleen voor de onderzoeker, maar is dat in principe voor heel Nederland. Robin: Is gewoon openbare informatie, zeg maar. Ruben: Ja is openbare informatie. Ik zeg het goed? Marc: Ja, dat is correct: openbare informatie. Ruben: We hebben daar in het begin wel wat discussies over gehad, want dan heb je natuurlijk toch zoiets van goh. Als jij nou, ergens denkt van hier zien we iets. Willen we dan ook criminelen gaan vertellen dat we dat gezien hebben? We zijn na goeie discussies tot de conclusie gekomen, dat we dat inderdaad wereldkundig willen maken. Robin: Die openheid werkt, dat is eigenlijk wel wat je wil, een soort principezaak. Maar ik kan me ook voorstellen dat jullie wel, dat het gaat jeuken. Jullie gaan een beetje aan het Sherlock Holmes-en. Waar houdt jullie zoektocht op? Jullie komen natuurlijk van alles op het spoor, maar jullie zijn geen opsporing, jullie zijn geen FIOD, jullie zijn geen politie, jullie zijn geen rechercheurs. Marc: Nee, wij doen niet aan opsporing. Robin: Jullie zien wel dingen! Marc: Ja, af en toe zie je wel dingen, ja. En het is ontzettend leuk en heel erg interessant om die discussies met de gemeente, die ideeën te zien ontstaan. Van wat, zou nog meer sprake kunnen zijn van criminaliteit. Waar zien we nog meer vreemde dingen. En soms duik je in de data en dan kom je de conclusie. Hier zien we niet echt een duidelijk patroon. Misschien is er wel iets aan de hand, maar we kunnen het niet zien. Dat is dan jammer. Robin: Jullie kunnen het dan niet zichtbaar maken. Marc: Niet zichtbaar maken en soms zie je wel iets raars. En soms leidt ook het feit dat je iets raars ziet, leidt tot de volgende vraag en de volgende vraag en de volgende vraag. En zo krijg je een steeds breder beeld van het patroon en dat is absoluut heel erg interessant. Robin: Nou, laten we dit proces van die doorsluishuizen dan nog een stapje verder brengen. Dat komt dus bij jullie terecht? Of bij een opsporingsinstantie? Maar in ieder geval dat komt bij mensen die moeten hier iets mee. Zij leveren geen verdachten aan, ofzo, neem ik aan?  Misschien hooguit een verdachte situatie, maar geen verdachten. Wat gebeurt er dan? Marc: Nou, en ik denk dat het ook niet persé verdachten zijn, want ja, als je juridisch kijkt. Ik heb vorige week nog een kleine lezing gehad van de deelnemer van het openbaar ministerie. Het woord verdacht, dat moet je niet zomaar zonder meer gebruiken. Dan moet er echt een verdenking zijn, een juridische verdenking. Verdacht is natuurlijk ook een algemeen Nederlands woord, die je in andere context kunt gebruiken. Maar in juridische context moet je dat op die manier niet gebruiken. Het is een opmerkelijke afwijking. En wat wij doen, en dan zeg ik wij in de zin van de coalitie die dit samen heeft opgezet. En daar zitten dan vooral de gemeenten in aan tafel, die hebben beleidsdoelen om de leefbaarheid en de veiligheid in bepaalde wijken in hun hele gemeente beter te maken. En als je nu ziet dat er patronen zijn die duiden op toch opmerkelijke patronen, vreemde zaken, die misschien niet één op één verklaard kunnen worden. Dn gaan die gemeente aan de slag met dat beeld van een bepaalde wijk en gaan kijken wat weten we nog meer van deze wijk. En dat kan zijn dat ze dat in RIEK-verband doen. RIEK zijn de regionale informatie- en expertisecentra, is een samenwerking waarbij de Politie, het Openbaar Ministerie, de Belastingdienst, de gemeenten, samenwerken. Die mogen op casusniveau informatie uitwisselen, en die mogen heel gericht gaan kijken, willen we hier een interventie gaan plegen. Robin: Dus die duiken nog dieper deze informatie in en dan leidt het misschien wél tot verdachten of tot mensen die ze echt na willen trekken, verder onderzoek. Marc: Dat kan, daar hebben ze ook een onderbouwing voor nodig, als ze dat willen. En één van de aanleiding om een dieper onderzoek te gaan starten zou een beeld kunnen zijn wat uit Zicht op Ondermijning komt. Want als je inderdaad in bepaalde wijken iets weet wat hier uitkomt en dat kan duiden op mogelijk witwassen, dan zou je vervolgens in RIEK-verband kunnen kijken. Oké, als we dat nou vaak zien in een bepaalde branche, hoeveel organisaties werken er nou in die branche in deze wijk. En wat weten we daarvan? Robin: Kun je dat iets concreter maken, wat er dan aan de hand zou kunnen zijn? Je bent natuurlijk, je kiest worden voorzichtig. We hebben het niet altijd over verdachten, dat is gewoon hooguit de aanleiding voor nog meer onderzoek, hè? Maar als je het dan daadwerkelijk het bij het rechte eind hebt. Er is echt iets geks aan de hand: witwassen? Waar hebben we het dan eigenlijk over? Wat zijn dat dan voor een partijen, voor criminelen? Wat is dat dan? Kun je eens een voorbeeld geven, waar je dus op uit zou kúnnen komen? Zodat werkelijk Ruben en zijn team, daadwerkelijk raak hebben geschoten. Marc: Je kunt je voorstellen dat opeenvolgende transacties met vastgoed, een manier kan zijn om geld wit te wassen. Je koopt een woning voor een bepaald bedrag. Je verkoopt dat voor een hoger bedrag, het geld wat je daarop verdient. Dat geeft keurig aan bij de belastingdienst en heb je daar belasting over betaald. En dan is dat vervolgens verkregen via de verkoop van vastgoed. En het feit dat dat een vriendje is, of misschien iemand die je onderhands het geld gegeven hebt, om aan jou te betalen. Ja, dat staat niet in de boeken. Maar dat is wel een manier, als je geld op de één of andere manier aannemelijk kunt verkrijgen en daar dan op een nette manier belasting over betaald, is het vervolgens voor de voor de fiscus, is het wit. Want je hebt er belasting over betaald en je hebt aannemelijk gemaakt hoe je gekomen. Robin: Helder. Marc: Ja, dit is heel simpel voorbeeld en er zijn natuurlijk heleboel andere voorbeelden, maar ja, kan ik me niet te veel detail gaan opnoemen, want we willen ook geen mensen op ideeën brengen? Maar je kunt je voorstellen dat, ja geld witwassen is in principe geld in het legale circuit brengen door de belasting over te betalen. Robin: We willen mensen niet op ideeën brengen, Ruben. Maar wat voor het thema’s in de criminaliteit lenen zich nog meer echt voor een data-aanpak? Ruben: Nou, bijna alles waarbij er geld wordt gebruikt, want geld laat een spoor na en follow the money. Robin: Follow the money, juist. Ruben: Dus je kunt die sporen volgen. En dat maakt niet eens zo vreselijk veel uit of dat giraal geld is of cash geld. Overal waar geld wordt gebruikt en zeker bij transacties van de omvang van een woning dat laat sporen na in de databestanden. En die databestanden zijn vervolgens weer te gebruiken. Het is natuurlijk ook, bij huizen, is het ook interessant omdat huizen behoorlijk wat geld vertegenwoordigen, hè. Dus als je een criminele transactie wil maken waarbij je misschien wel honderdduizenden euro's aan elkaar wil overhandigen. Dan kun je ervoor kiezen of om met zeven boodschappentassen vol met briefpapier over straat te gaan. Of je kan het eigendomsbewijs van een stuk vastgoed gebruiken. Robin: Ja. Ruben: Hè, dus dit soort zaken zijn, denk ik, heel interessant voor criminelen om op die manier te gaan werken. Robin: Maar jullie zijn niet alleen maar vastgoed aan het doorlichten? Kunnen we wat voorbeelden geven om het een beetje, waar hebben we het nou eigenlijk verder nog over? Doorsluishuizen. Ruben: Nou, we hebben in de City Deal eigenlijk twee hoofthema’s. Het één gaat over vastgoed en alle transacties die daarmee samenhangen en het andere gaat over drugscriminaliteit. Robin: Ah, oké. Ruben: En drugscriminaliteit, daar heeft het CBS ook heel veel data over. Data van verdachten. Dat komt uit de politiebestanden. En veroordelingen, die komen van het Openbaar Ministerie. En we hebben beelden van, of we hebben heel veel data van panden waar bijvoorbeeld hennepplantages zijn geruimd of andere XTC-labs. Robin: En daar heb je natuurlijk, die verwevenheid is natuurlijk zo duidelijk. Die mensen wonen in huizen, die gebruiken stroom, die komen in winkels, dus heel die wijk wordt daar min of meer, al dan niet, bewust bij betrokken. Marc: Heel vaak hebben mensen in de buurt ook wel een idee dat er iets aan de hand is. Maar je weet het niet precies, dat is een woning en daar wordt verbouwd en al een poosje. En dan lopen mensen in en uit. Je weet het misschien niet eens. En soms weten mensen het ook eigenlijk dondersgoed wel, maar vinden ze het moeilijk om het aan te kaarten. Robin: Maar zou je nu bijvoorbeeld op basis van data een goeie inschatting kunnen maken, waar bijvoorbeeld hennepkwekerijen zouden kunnen zitten? Ruben: Nou niet op die manier. We kunnen niet zeggen van in dit pand zit waarschijnlijk een hennepkwekerij. Los van het feit dat de data die we gebruiken, die we hebben, gebruiken we nooit op die manier. We kijken alleen maar naar patronen. Dus je zou wel kunnen kijken van wat is nou typisch aan een huis waarin een hennepkwekerij zit? Nou, waarschijnlijk. Robin: Ruikt het naar wiet, maar ja. Marc: Of Glassex, heb ik altijd begrepen. Robin: Nee, oké dat haal je niet uit de data. Oké dat is flauw. Marc: Waarschijnlijk wordt er heel veel stroom gebruikt, maar die stroom wordt waarschijnlijk illegaal afgetapt, dus misschien wordt er juist wel heel weinig stroom gebruikt. Van wie is dat huis? Is dat huis van een gezin of is dit huis van een individuele persoon? Heeft de individuele persoon nog meer huizen? Heeft ie een duidelijke bron van inkomsten? Op die manier kun je een patroon maken van, met welk vastgoed is misschien iets vreemds aan de hand. En dat patroon, dat kun je weer verplaatsen naar wijken en buurten. Dus je kunt zeggen: nou, in deze buurt zien wij toch meerdere panden waarvan we denken: hier is iets niet helemaal goed. We kunnen dan niet zeggen welk pand, want dan zou het herleidbaar zijn naar een individueel pand en dat mag niet met de data van het CBS. Robin: Maar je zou het wel kunnen zeggen, je mag het alleen niet. Marc: Dat is correct, zou het wel kunnen, maar dat mag niet en dat doen we dus niet. Robin: Dan gaan we het zo nog, daar wil ik iets meer over weten. Maar goed, oké, ga door. Marc: En als je dan zie je dat er een bepaald patroon is, dan kun je natuurlijk ook kijken van nou: zie je dat patroon in andere steden ook? En is daar ongeveer hetzelfde aan de hand? Je zou kunnen gaan kijken naar wie hebben die huizen dan in bezit of in bezit gehad? En hebben die mensen op één of meer in verband met elkaar? Zijn ze bijvoorbeeld gelinkt door familie om iets te noemen? En zo kun je ook weer meerdere patroon in kaart brengen, op basis van verdachte panden. Ruben: Maar misschien concreet op dit punt – volgens mij is één van de voorlopige conclusies. Dat daar waar er een ruiming is van een hennepplantage, dat je aan de bewoning van die woning kunt zien, wat er zich daarvoor heeft afgespeeld. En we hebben een aantal woningen gezien die er gewoon keurig bewoond werden door een gezin met kinderen en niks aan de hand en een aantal jaren voordat er dan een ruiming plaatsvond, ging de bewoning over naar een groep individuen met verschillende achternamen in ongeveer dezelfde leeftijdscategorie. Dus vaak geen familie van elkaar en daarin waren nogal veel wisselingen van bewoners. Zag je mensen in- en uitschrijven en dat zie je dan keurig terug in de in de basisregistratie personen. En het patroon van een zeg maar stabiele bewoning in een bepaald pand, op één gevolgd door een, ja wat andere vorm. Robin: Dynamische variant op bewoning. Ruben: Een andere samenstelling van bewoning. Dan zie je dus dat er een meer dan gemiddelde correlatie is, met vervolgens het ruimen van een hennepplantage. Robin: Hoe hebben jullie dit altijd gedaan, zonder Ruben en z’n dreamteam? Marc: Nou ja, ik denk dat… we konden dit niet op deze manier, niet kwantitatief onderbouwen. En kijk, de wijkagent die door een buurt loopt, die ziet dat ook. Die ziet dan opeens allerlei auto’s voor de deur staan. En allemaal volwassenen op hetzelfde adres binnenkomen of de buren hebben dat in de gaten. Maar dan is het een onderbuikgevoel. En dan kun je daar ook niet altijd wat mee. Als je nu ziet dat er een echt een patroon is. En nogmaals ik ben wat voorzichtig in het uitdrukken, want dit is nog niet iets wat we volgens mij in het dashboard al gepubliceerd hebben. Maar het lijkt er dus op dat de samenstelling van bewoning voorafgaand aan een drugsruiming of een hennepplantage, een indicator kan zijn. En dat is interessant. En eentje, die ik toch aan toe wil voegen. Want we hadden het net over drugs en dat die staat wel al een poosje op het op het dashboard, dus die kan ik ook uitgebreid noemen. Personen die handelen in harddrugs daar kun je persoonskenmerken van….. we kijken of man of vrouw is en hoe oud ze zijn of ze thuis wonen, wat hun overige inkomsten zijn? Nou, wat we gezien hebben is dat in Utrecht, in afwijking tot de andere drie van G4, de leeftijdscategorie van handelaren in harddrugs, voornamelijk in de leeftijdscategorie 18 tot 25 jaar is. In de andere drie steden was dat 25 tot 35 jaar. Dus daar heb je ouderen gemiddeld gezien, handelaren in harddrugs. In Utrecht is er dus sprake van een substantieel jonger segment. En het was niet een beetje, maar het was bijna de helft als ik het, als ik me goed herinner. De helft van de handelaren in harddrugs zat in de leeftijdscategorie 18 tot 25 jaar. Als je daar preventief op wil gaan ingrijpen, dan moet je dus richten op een hele andere leeftijdscategorie, namelijk de schoolverlaters. Of de net bijna schoolverlaters en dan moet je andere kanalen gaan inzetten. Dus dat betekent wat voor je beleid. Hoe ga je die groep nou benaderen, als je wil voorkomen dat die gaan afglijden in harddrugs. Robin: Je bent me gelijk een stapje voor, Want dat was m’n vervolgvraag. Kun je een voorbeeld geven van hoe dit dan in concreet beleid uitwerkt, maar bijvoorbeeld in preventie? Ik heb dus daadwerkelijk, komt er iets uit in zo'n stad als Utrecht, dat zijn jonge gasten. Jonger dan je eigenlijk zou verwachten en dit komt er dan uit. Dan denk je van oké, kunnen we op de scholen iets doen? Kunnen we op straat, kunnen we meer doen? Ouders, misschien moeten daar de ouders wat meer doen. Want die jongens wonen misschien vaker thuis. Ik heb het nu over jongens…. Ruben: Het zijn overwegend toch ook wel een mensen van het mannelijk geslacht. Ja, helaas is dat is het ook wel een overduidelijk patroon. Maar één van de dingen die in Utrecht gedaan is. Een specifieke aanpak op jonge aanwas. Als je dan kijkt naar waar denk je dan aan? Ik ben bij een bijeenkomst geweest, en dat was een eigenaar van een sportschool. En die is een band gaan sluiten met een uitzendbureau. En die hebben geprobeerd jongens die rondhangen in de sportschool door te leiden naar een baan. Want als je een baan hebt, dan heb je wat meer zekerheid, en trouwens het hebben van een vriendin schijnt ook preventief te werken, dus. Robin: Kan ik mij iets bij voorstellen. Ruben: Nee, het schijnt dat jongeren op het criminele pad, die een vriendin hebben, ja toch wat meer terug neigen te gaan, dan degene die dat niet hebben. En een jongen die een baan heeft en daarmee een alternatief heeft voor het verdienen van geld. Robin: Maar dit is toch supertof dat het gewoon begint bij die nullen en énen en waar jullie zoveel verstand van hebben en dat het dan eindigt met dit soort beleid. Ruben: Dat is één van de redenen waarom dit een ontzettend leuk traject is, om aan mee te werken. Robin: Ja, ik heb straks een vraag voor jou. Eerst jij nog eventjes. Sorry, ik zit te wijzen. Marc: Dat zie je toch niet, hè. Ruben: Nee. Robin: Marc, preventie had je het over. Wat zijn nog meer vormen van beleid? Is dat je op andere manier met vergunningen om gaat of met bestemmingsplannen of zo? Is dat het vormen van beleid waar jij aan denkt? Of strategie van de politie misschien? Marc: Nou ja, vergunningen, bestemmingsplannen, dat zijn natuurlijk instrumenten die het lokaal bestuur tot z'n beschikking heeft, om in te grijpen in de bedrijvigheid en de samenstelling en de leefbaarheid in een bepaald gebied. Robin: Ja. Marc: En we waar we naar streven is, een samenleving die veilig is, waar het prettig is om te leven. Robin: Paradijs op aarde streven we naar toch? Marc: Ja en aangezien dat natuurlijk toch een mooi ideaal is, waarschijnlijk niet helemaal realistisch, moeten we proberen om daar zo veel mogelijk aan bijdragen. Robin: We doen ons best. Marc: Betekent dat je drempels opwerpt tegen gedrag wat je eigenlijk niet wil, en daar kun je dus interveniëren. Een vergunning voor het opstarten van een bepaalde zaak. Dat hebben we voor de horeca. We hebben een toets die heet Bibob. Dat is een toets om te zien of je een crimineel verleden hebt, voordat je een vergunning krijgt, om bijvoorbeeld in de horeca een zaak te beginnen. En dat zijn instrumenten, die zijn er al. En door deze data kun je die misschien ook gerichter inzetten in de buurten die nu oppoppen, vanuit het beeld van Zicht op Ondermijning. Ruben: Dat is bij bijvoorbeeld bij doorsluishuizen een mooie mogelijkheid, want je hebt vaak te maken met stichtingen met een enkele bestuurder die die huizen kopen en verkopen. Zal je nou voor een stichting met een enkele bestuurder, die in vastgoed wil gaan handelen, verplicht kunnen maken dat je bijvoorbeeld een verklaring omtrent gedrag moet hebben. Robin: Ja. Ruben: En dat is een hele kleine drempel, iemand die bonafide is en op die manier met een stichting denkt: ik kan geld verdienen en daarmee kan ik een goeie dingen doen. Daarvoor is een verklaring omtrent gedrag geen enkele drempel. Maar voor iemand die criminele activiteiten wil gaan doen, misschien wel. Het hoeft maar een kleine drempel te zijn. Maar je maakt het telkens weer een stukje moeilijker om slechte dingen te doen, met vastgoed. Marc: Aanvullend daarop, ik ben bij de Koninklijke Beroepsvereniging voor het Notariaat geweest en daar heb ik ook een keer een presentatie geven. En dat zijn bij uitstek de mensen die stichting oprichten en die hebben dan de persoon tegenover zich die zo een stichting op wil richten. En één van de mogelijkheden is dat je in een vinkje aan- of uitzet bij het verhandelen of het in bezit krijgen van vastgoed voor een stichting. Daar was volgens mij, als ik het goed begrepen heb, min of meer standaard dat dat mocht. En nu hebben ze besloten dat dat standaard niet mag, tenzij degene die de stichting op wil richten expliciet aangeeft dat hij dat graag wil en ook kan uitleggen waarom die dat wil. Maar dat is ook weer een heel klein drempeltje om te voorkomen dat het eigenlijk standaard heel makkelijk gemaakt wordt, naar iets waar je toch een klein beetje meer moeite voor moet doen. Robin: Dat zijn toch de beperkingen? Jij tikte hem net al een beetje aan: je kan niet alles. Je kan meer dan je mag. Zeg ik dat goed? Ruben: Ja, dat klopt. Robin: Ik denk als jullie alle data hebben, die jullie tot je beschikking hebben en dat goed aan elkaar koppelen. Dan kun je misschien wel gewoon op adresniveau pinpointen van ja, je zou daar eens moeten aanbellen jongens. Marc: Dat zouden wij kunnen doen in principe en het is niet toegestaan. We krijgen enorm veel data uit enorm veel registratie, administraties die bij de Rijksoverheid zijn of bij gemeentelijke overheden die data te krijgen we allemaal binnen. Dat is vaak op persoons- niveau, dus met een BSN eraan of een Kamer van Koophandel nummer of een naam en adres eraan. Dus dat is allemaal identificeerbare informatie. Wij maken die informatie in eerste instantie pseudoniem, dat wil zeggen dat het BSN eraf gaat. En er komt een betekenisloze code voor in de plaats, maar dat doen we zo dat het nog wel aan elkaar te koppelen is. Dus meneer x is in bestand 1, is hetzelfde als meneer x in bestand 3 en bestand 500. Dus je kunt heel goed, meneer x volgen. Officieel weet je niet meneer x is. Maar op het moment dat je er een adres aan kan koppelen. Of je kan een heleboel kenmerken van meneer x aan elkaar zetten, dan zal je best een gok kunt doen over, wie dat zou kunnen zijn. Robin: Maar nu snap ik heel goed dat dit uit privacyoverwegingen ontzettend onverstandig is en als burger geeft me dat een goed gevoel. En tegelijkertijd denk ik: het voelt ook een beetje geforceerd aan van ja, jongens, wat zitten we nou moeilijk te doen, dat zijn gewoon boeven, man! Marc: Daar hadden we ook in het begin van de City Deal hele stevige discussies over. Wat mogen we met de data doen? Robin: Ja. Ruben: Want als je ondermijnende effect van criminaliteit wil bestrijden dan in stap één bestrijdt, de criminaliteit pakt de misdadiger op en de ondermijning is weg. We hebben hele stevige discussies gehad over. Wat kun je wel met de data doen? Wat mag je wel met de data doen en waar houdt dat dan dus ook op. En uiteindelijk zijn we uitgekomen op. Als je de data wilt gaan gebruiken, dan moet je stoppen bij het aantonen van patronen. En met dat patroon kun je een beter beleid maken, kun je misschien een gerichter opsporingsbeleid maken. Maar het moet echt ophouden bij patronen. En dan weeg je de privacy en het recht op privacy weeg je af tegen veiligheid of ondermijning. Robin: Ja. Ruben: En daar hebben we de grens gelegd bij het zien van patronen en niet bij het opsporen van individuen. Robin: En uiteindelijk is het gewoon de Tweede Kamer die daar uiteindelijk over gaat, hè? Hoe ver of daar verruiming moet komen? Marc: Ja, ja, daar gaat dan denk ik toch wel wat discussie overheen. Want volgens mij, privacy is vastgelegd in de grondwet en als je die wil aanpassen, dat gaat niet alleen de Tweede Kamer daarover, maar volgens mij in ieder geval twee opeenvolgende kabinetsperiodes. Robin: Ja. Ruben: En dat is maar goed ook, want volgens mij is de data die wij als Nederlandse overheid in ons bezit hebben. Ja, die gaat over zoveel detail van alle burgers in Nederland. Daar wil je ook niet een big brother opzetten. We leven in een vrij land, gelukkig. En ik denk dat de wijze waarop we er hier mee omgaan, kunnen we de data gebruiken om opmerkelijke patronen boven tafel te halen. En vooral dingen die we misschien niet in de gaten hadden of niet wisten. Om vervolgens daarmee voor de juiste opsporingsinstanties, die daar iets mee kunnen of iets mee zouden willen. Een verkleining van het zoekgebied, als je nou echt iets wil aanpakken, dan zou ik dat hier doen. Of ik zou doen met deze en deze kenmerken, want daarvan is aangetoond, uit de data, dat het daarmee vaker voorkomt dan in al die andere gevallen. En dan kun je daar ook de proportionaliteit van je ingezette opsporingsmethode beter op afstemmen. Je gaat ook niet, de Nederlandse politiemacht mag mensen afluisteren, maar dat mag niet zomaar. Wij hebben toestemming nodig van het Openbaar Ministerie en dan moet er een gerede verdenking zijn, gerede twijfel zijn waarom. Dus een behoorlijk onderbouwde casus. Je gaat niet iedereen zomaar afluisteren in de hoop van nou, misschien vangen we wat op. Robin: Oké, en dan als het gaat over privacy en de AVG, dan valt altijd de term privacy by design, hè? Dus we gaan we het systeem, zeg maar zo optuigen dat de privacy gewoon ingebakken zit in hoe we werken. Hoe is dat? Kun je daar hier iets over zeggen? Is dat vooral in protocollen gevangen of is het ook in de techniek? Kun je dat in de techniek al inbouwen? Ruben: Het zit in protocollen, het zit in de techniek en het zit in ieder geval bij het CBS, heel erg ook in de cultuur. Het zit in de protocollen en in techniek, zoals ik zei. Je maakt iets een pseudoniem, hè. Dus je ziet meneer x, maar je weet niet precies wie meneer x is. Dat is echt techniek, dat is by design. Tegelijkertijd hebben we ook hele strenge regels over: wat mag je wel publiceren? Hoe moet je ervoor zorgen dat als je statistieken naar buiten brengt, dat die niet herleidbaar zijn tot een individueel persoon of een individueel huishouden. En zeker als je honderden statistieken maakt, over allerlei verschillende onderwerpen? Dan luistert het vrij nauw. En je kan je bijvoorbeeld indenken, we zeggen nooit iets over kleine groepen mensen. Tien is echt absoluut de ondergrens, tien mensen of tien organisaties of tien adressen. Maar vaak is het zelfs nog veel meer, ga je een klasse van 100 of 500. Daarnaast zit het bij het CBS ook heel nadrukkelijk in de cultuur. Iedereen die bij ons binnenkomt die je krijgt ook de eed en de gelofte, net als elke andere ambtenaar. Maar er wordt ook echt benadrukt dat we werken hier met héle privacygevoelige data en daar moeten we veilig informatie van maken. Dat is wat de kerntaak van het CBS is. We pakken, privacygevoelige data en daar maken we veilige informatie van, die voor iedereen beschikbaar is. Marc: Ja, en we hebben het niet alleen maar in protocollen en in de techniek, maar we het ook zo georganiseerd. Want de City Deal Zicht op Ondermijning is inmiddels een samenwerking tussen 14 gemeenten. En ik geloof in totaal 18 partijen. En in dat enorme samenwerkingsverband hebben we een groep van 12 mensen en die 12 mensen die mogen in de microdata van het CBS. En dat zijn mensen, die staan onder toezicht van een onderzoeksbureau. Die mensen hebben een data science achtergrond. Soms zijn ze ook daadwerkelijk werkzaam bij het CBS, we hebben een paar mensen van de universiteit. We hebben iemand van de Belastingdienst, we hebben een paar mensen van de gemeente, die allemaal een onderzoekachtergrond hebben. Dat zijn de enige mensen die in de in de data mogen kijken. Ik mag ook niet in de data kijken. Ik mag zelfs niet meekijken. Ruben: Ik ook niet, trouwens     Marc: Dus als die mensen bezig zijn…. Robin: Met wie zit ik hier dan aan tafel, jongens? Ruben: Wij regelen dat andere mensen het wel kunnen. Robin: Het is flauw. Ruben: Maar ik noem bijvoorbeeld een geheimhoudingsverklaring. En die wordt niet alleen door de persoon ondertekend, maar ook door hun eigen manager. En zo regel je dus ook, dat er niks naar buiten kan en mag. De data gaan dus ook niet naar de onderzoekers toe. De data blijven op de systemen van het CBS staan, dus mensen loggen in via een Virgil Private Network, dus via beveiligde verbindingen loggen ze in op de systemen van het CBS. Daar doe je het onderzoek en voordat de data naar buiten kan, voordat het van onze systemen af mag controleren we eerst of het veilig is op het gebied van privacy. Dus we controleren eerst of het niet herleidbaar is naar individuele personen of organisaties of adressen. Robin: Dit project, ik noem het maar een project, loopt tot 2021? En dan gaan we evalueren of jullie gaan evalueren. En dan verbreden? Marc: Het is goed, misschien even, we zijn begonnen in 2017. Toen hebben we het convenant ondertekend en toen dachten we in eerste instantie. Nou, laten we dat tot eind 2018 is doen. We hebben anderhalf jaar tijd, dan moeten we toch de hypothese: kunnen we met data gedreven werken een beeld krijgen, moeten we wel kunnen onderbouwen. Dat klopte. Maar toen we dat konden onderbouwen toen zei iedereen: ja, maar als dat kan, dan moeten we dat nu niet opheffen. Dus toen heeft elke deelnemer van het convenant heeft opnieuw z'n handtekening gezet. We verlengen het tot einde kabinetsperiode. Dan hebben we een goeie doorlooptijd om een aantal stevig analyse doen. Nou, die hebben we nu gedaan. Die worden gedeeld, onder andere in een strategisch beraad ondermijning met J&V. Robin: Het is één groot succes Marc. Marc Nou ja, sterker nog, we zijn zelfs genomineerd voor de Computable Award 2020. Ruben: Voor het dashboard. Robin: We gaan uitbreiden? Meer gemeentes, meer soorten criminaliteit onderzoeken. Ruben: Ik denk eerder meer soorten criminaliteit. Dan nu nog heel veel meer gemeenten, want je moet je indenken, dat de onderzoeksvragen moeten uit de gemeente komen. En we hebben nu 14- 15 gemeenten? Marc: 14 gemeenten. Ruben: Dat is een behoorlijke doorsnee van de Nederlandse samenleving. Als je daar 140 gemeenten van maakt, krijg je een hele moeilijke discussie. En de vraag is, komen er dan ook nog scherpere hypotheses uit? Marc: We hebben daar wel een model voor bedacht. De RIEKS die ik, al eerder noemde, dat zijn die tien regionale informatie- en expertisecentra die zijn vertegenwoordigd, zeg maar alle veiligheidsregio’s. En daarin vallen in principe alle gemeenten. Met uitzondering van Noord-Holland is elke RIEK-regio vertegenwoordigd in de City Deal. Ik heb vorige week op het hoofd RIEK-overleg ook een presentatie gehouden en we gaan nu met de RIEK-organisatiestructuur, deze informatie verbreden naar andere gemeenten. En andere gemeenten die binnen het RIEK vallen op te roepen om, als die ook vragen hebben. Daar, aan te geven, dan wordt het gekanaliseerd, komt het bij ons uit en dan kun je het weer afwegen. Robin: Ah, dus het druppelt wel door, het wordt wel breder uiteindelijk sowieso. Marc: Ja, dat is zeg maar de vraagsturing, maar het gebruik is nog belangrijker, want er zijn heel veel gemeenten die niet meedoen, maar voor wie dit wel buitengewoon interessante informatie is. Ruben: De resultaten zijn beschikbaar voor iedereen in Nederland, niet alleen voor gemeenten, maar ook gewoon voor jou en mij, en voor iedereen en de buurman. En die staan in een dashboard: City Deal Zicht op Ondermijning dashboard. En daar zijn alle resultaten van het onderzoek, die zijn er gewoon voor iedereen beschikbaar, dus ook voor gemeenten die niet meedoen. Robin: Zijn jullie al een eerste algoritme aan het trainen om, een algoritme erop te zetten om dat snuffelwerk te doen? Of is het echt mensenwerk? Ruben: Het is altijd beide, natuurlijk. Robin: Je begint een beetje te glimmen. Je kijkt een beetje guitig ineens. Wat is dit? Ruben: De term algoritme is heel ingewikkeld. Meestal denken mensen bij algoritme: nou, we hebben een bak met data en dan gaat er een volkomen geautomatiseerd artificial intelligence programma, die gaat automatisch….. Robin: De computer bepaald wie goed en fout is. Ruben: Ja, zo werkt het niet. We werken tot nu toe altijd met echt hypothese gedreven. We denken dat een bepaald patroon zichtbaar zou moeten zijn, omdat dat samenhangt met een bepaalde vorm van criminaliteit. En dan is het mensenwerk om te zeggen van nou: hoe zou je indicatoren kunnen maken die daarmee samenhangen? Het is ook mensenwerk om in de data op zoek te gaan naar die indicatoren, tot nu toe is dat echt mensenwerk. Maar je gebruikt wel statistische programmatuur en daarin maak je wel programma's en die programma's kun je overall weer een algoritme noemen. Dus het woord algoritme is iets te breed om te zeggen van we gebruiken het niet, maar het is ook heel raar om te zeggen we gebruiken wel algoritmes. Dat is ingewikkeld. Robin: Oké, nou ja. Marc: Het is het is ik denk het wel goed om aan te geven dat dat alles wat ze doen moet reproduceerbaar zijn, moet transparant zijn. En we maken geen gebruik van ja, wat dan ook wel genoemd, wordt een black box. Een black box, waarvan je geen idee hebt hoe die werkt. Je stopt er heel veel data in en er komt wat uit. Zo willen we niet werken, want we vinden dat we als overheid ook moeten kunnen uitleggen wat we met die data doen. En als iemand ons vraagt, hoe kom je daarbij? Nou zus en zo. Robin: Dan moet je dat uit kunnen leggen. Ruben: En bovendien wil je ook dat als er nieuwe data beschikbaar komt, nieuwe jaargangen van bepaalde administraties of registraties, dat je exact hetzelfde onderzoek, op precies dezelfde manier nog een keer kan doen, zodat je een patroon over de tijd kan zien. Neemt het toe, neemt het af? Marc: Ook dat is een heel interessante waarneming. Ruben: Het zou interessant zijn om te kijken of het gaat verschuiven ook, inderdaad, ja. Dat we bepaalde dingen hebben ontdekt, en dan zie je dat het dat het op de dingen die we hebben ontdekt dat het terugloopt. Dan kun je echt zien of het effect heeft gehad. Robin: Ja, maar die die analyse komt nog dan. Marc: Nee dat klopt. Je vroeg net naar een evaluatie. Bij elke City Deal is, aan het einde van de periode, gaat er een reportage naar de Tweede Kamer. En schrijven we keurig op wat we ontdekt hebben, wat onze uitgangspunten waren en wat we zijn tegengekomen. We hebben al een tussenrapportage gestuurd, dat was in 2018. En we gaan nu begin volgend jaar een reportage schrijven over de hele periode en daar komen we ook met aanbevelingen. En waar we tot nu toe naar aan het kijken zijn, is van goh. Deze manier van samenwerken over bestuurslagen heen, dus de gemeente, grote uitvoeringsorganisatie als Belastingdienst, Politie en ministeries en het CBS. Dat lijkt toch wel een gouden greep zijn. En op de één of andere manier moeten we daar lering uit trekken over hoe we dat gaan continueren. En we gaan er een aantal scenario’s in uitwerken en die leggen we dan voor aan onze stuurgroep. En daar zit een burgemeester uit Tilburg als voorzitter: Theo Weterings, en die zal daar hele slimme dingen over vinden. Robin: Ruben tot slot. Zin in? Ruben: Ja, absoluut dit is ontzettend leuk onderzoek, waar héle interessante dingen uit komen. Robin: Marc Noordhoek en Ruben Dood, dank jullie wel. Ik wens jullie veel succes met het mooie project. En wie weet, kunnen wij ook nog eens een keer gaan evalueren. Marc: Heel graag gedaan. Robin: Luister ook de andere afleveringen van Data naar succes terug. En Marc, als mensen naar meer willen weten over dit project waar, moeten ze zich dan melden? Marc: Dan kunnen ze kijken op de website: www.zichtopondermijning.nl. Robin: Dank je wel.