De kern in het kort
- Brandweer Amsterdam-Amstelland won de Dutch BI Award 2013, zowel de juryprijs als de publieksprijs, met Brandweer Intelligence.
- Het initiatief kwam van de werkvloer: een paar slimme mensen zeiden dat ze op een kist informatie zaten waar nauwelijks iets mee gebeurde.
- Data-analyse liet zien dat keukenbrandjes zich in bepaalde wijken, buurten en straten vaker voordoen.
- Met die kennis richtte de brandweer een zeer efficiënte voorlichtingscampagne op die buurten.
- De managementles: geef medewerkers ruimte om hun ideeën uit te werken en onderschat je eigen BI-oplossing niet.
Een baanbrekende Business Intelligence-innovatie
Elie van Strien is commandant van Brandweer Amsterdam-Amstelland. In 2013 werd zijn korps gekozen tot Slimste Organisatie van Nederland, dankzij een baanbrekende BI-innovatie: Brandweer Intelligence. In 2015 nam Van Strien zitting in de jury van dezelfde verkiezing. De commandant voelt zich een jongetje in de speelgoedwinkel van BI.
‘De award heeft onze BI echt een boost gegeven’
Toen Elie van Strien hoorde dat zijn organisatie was genomineerd voor de Dutch Business Intelligence Award 2013, dacht hij eerst: ‘Zo groot is wat wij doen toch niet?’ Maar toen zijn korps de juryprijs én de publieksprijs in ontvangst nam, was zijn twijfel weg. ‘Zo bijzonder was het dus wel’, zegt Van Strien enthousiast. ‘En de award heeft onze BI echt een boost gegeven.’
Het BI-avontuur van de Amsterdamse brandweer
Het avontuur begon enkele jaren eerder, toen een paar slimme mensen in de organisatie opstonden en tegen de commandant zeiden: ‘We zitten op een kist informatie waar we veel te weinig mee doen.’ Van Strien: ‘Ze vroegen me de ruimte om er iets zinvols mee te doen. Ze hadden een slim idee en zijn er enthousiast mee aan de slag gegaan. Inmiddels heeft BI in het Amsterdamse brandweerkorps een serieuze plek verworven, die door onze organisatie wordt gekoesterd.’
Wat de award opleverde
Het winnen van de award verscherpte in de eerste plaats de interne focus op Business Intelligence. Van Strien: ‘De prijs was aanleiding om er veel over te vertellen. Het werd iedereen duidelijk dat het om serieuze en veelbelovende zaken ging.’ Met de prijs op zak werd het korps door andere partijen in één klap veel serieuzer genomen als BI-club. ‘Dat maakte het uitbouwen van ons netwerk een stuk makkelijker, belangrijk als je bijvoorbeeld voor databronnen afhankelijk bent van andere partijen.’
De prijs hielp ook het imago van de brandweer bij het publiek te verbeteren. Van Strien: ‘De brandweer wordt nog te vaak gezien als die mensen die met sirenes uitrukken als ergens brand is. Ik praat me de blaren op de tong om uit te leggen dat er veel meer bij komt kijken dan branden blussen alleen. We hebben slimme systemen nodig om in een split second de juiste beslissingen te nemen.’
Van blussen naar voorkomen
Jurylid Rens de Jong, presentator bij BNR, lichtte toe waarom de jury het werk baanbrekend vond: ‘Natuurlijk blussen ze branden, maar hun grote doel is het voorkomen van branden. Traditioneel gebeurt dat door brand- en rookmelders op te hangen en folders uit te delen, en daar is niets mis mee. Maar de Amsterdamse brandweer vond dat niet voldoende. Op de werkvloer ontstond het idee om alle beschikbare (big) data te gaan analyseren, op zoek naar nieuwe inzichten.’
‘Dat leverde op dat keukenbrandjes zich vooral in een bepaalde wijk, buurt of straat voordoen, meer dan elders. Gewapend met die kennis heeft de brandweer op die buurten een heel efficiënte voorlichtingscampagne gericht. Ik vind dat baanbrekend, en het krijgt een extra dimensie omdat je zou verwachten dat het bedrijfsleven vooroploopt met predictive analytics. Maar het is dus een overheidsinstantie, een brandweerkorps, en dat maakt het voor mij dubbel mooi.’
Traditionele versus datagedreven brandpreventie
Wat er in Amsterdam veranderde.
Traditioneel
Datagedreven
Doelgroep
Iedereen hetzelfde
Buurten met het meeste risico
Middelen
Rookmelders en folders
Gerichte campagnes per buurt
Basis
Ervaring
Analyse van alle beschikbare data
Effect
Moeilijk te meten
Branden bijna voorspelbaar
Branden bijna voorspellen
Het is bijna sciencefiction wat we met BI doen: we kunnen branden bijna voorspellen. (Elie van Strien, commandant Brandweer Amsterdam-Amstelland)
Als jurylid kijkt Van Strien nadrukkelijk naar hoe slim de BI-toepassingen zijn, en of organisaties de juiste voedingsbodem weten te creëren en medewerkers de ruimte geven om hun ideeën uit te werken. Zijn advies: ‘Onderschat je eigen BI-oplossing niet, zoals ik deed. Het is niet zomaar een prijs. Het heeft ons veel verder gebracht.’
Wat Diamond Decisions leert van de brandweer
De brandweer begon niet bij een tool maar bij een beslissing: waar zetten we preventie in? Dat is het decision-first-principe van Diamond Decisions. Met business modeling bepaal je de beslissing die ertoe doet, data analytics levert de patronen en de decision makers op de werkvloer doen de rest.
Verder lezen
- Predictive analytics
- Big data
- Blog: Case: Veiligheidsregio Noord-Holland Noord
- Blog: Als elke seconde telt: time is muscle
Over de auteur
Daan van Beek MSc is ondernemer, auteur, spreker en consultant op het gebied van datagedreven werken, BI en AI. Hij studeerde Bestuurlijke Informatiekunde aan de Open Universiteit en behaalde een Master of Science in Artificial Intelligence aan Middlesex University in Londen. Hij schreef diverse boeken over business intelligence, KPI’s en AI, waaronder De intelligente, datagedreven organisatie.
Over Diamond Decisions
Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.
Veelgestelde vragen
01
Wat is Brandweer Intelligence?
Het is de BI-innovatie van Brandweer Amsterdam-Amstelland: alle beschikbare data over incidenten en buurten analyseren om te ontdekken waar branden het meest waarschijnlijk zijn, zodat preventie gericht kan worden ingezet. Het won de Dutch BI Award 2013.
02
Kun je branden voorspellen met data?
Geen individuele branden, maar wel waar en onder welke omstandigheden het risico het hoogst is. De Amsterdamse analyse liet zien dat keukenbrandjes zich concentreren in bepaalde wijken en straten, en dat is genoeg om preventie te richten op waar die het meeste effect heeft.
03
Wat is het verschil tussen traditionele en datagedreven preventie?
Traditionele preventie benadert iedereen op dezelfde manier, met rookmelders en folders. Datagedreven preventie gebruikt analyse om de buurten en groepen met het hoogste risico te vinden en richt de inspanning daarop.
04
Wat kan een kleine organisatie van deze case leren?
Dat de beste ideeën vaak komen van medewerkers die de data kennen, en dat je eerder ruimte nodig hebt dan een groot budget. Vraag waar in jouw organisatie mensen op een kist informatie zitten waar nauwelijks iets mee gebeurt.
Op welke kist informatie zit jij?
Wil je weten welke beslissingen in jouw organisatie beter kunnen met de data die je al hebt? Neem contact op met Diamond Decisions.


