DataFryslan Data Expo 2024

Transcript

1. Hoe DataFryslân regionale AI inzet in het openbaar bestuur en bij energiearmoede Edwin Elferink, Community manager
2. Agenda Over DataFryslân, haar structuur en haar leden Best practice energiearmoede Hoe gaan we verder en nabrander
3. DataFryslân is een coöperatie waarin Friese overheden, kennisinstellingen en private partijen strategisch samenwerken aan de digitale transformatie van de provincie Fryslân. We innoveren en verbeteren de publieke dienstverlening, baseren bestuur en besluitvorming op objectieve data, algoritmes en kunstmatige intelligentie en maken ons er sterk voor dat iedereen in de provincie eigenaar blijft van zijn eigen data.
4. Agenda Over DataFryslân, haar structuur en haar leden Best practice energiearmoede Hoe gaan we verder en nabrander
5. HET VERHAAL VAN DATAFRYS LÂN
9. /PODIUM /LAB /HUB
25. AUTORI TEiT AI Architect uuR Agendase
26. Agenda Over DataFryslân, haar structuur en haar leden Best practice energiearmoede Hoe gaan we verder en nabrander
28. Vraagstukken Op wat voor manier kan energiearmoede zo gedetailleerd mogelijk in beeld worden gebracht? Om wie gaat het? Wat zijn de kosten en baten van het verduurzamen van niet-energetische woningen? Wat zijn potentiële scenario’s om rekening mee te houden? “ ”
29. Energiearmoede definitie Laag Inkomen Hoge Energierekening Lage Energetische Kwaliteit Woning Dit zijn huishoudens met een • laag inkomen • woonachtig in een huis waar ze relatief veel kwijt zijn aan de energierekening • of in een slecht geïsoleerde woning leven (lage energetische kwaliteit waar ze normaliter veel kwijt zijn aan energie
30. 1. Waar energiearmoede wordt ervaren 2. Welke kenmerken hieraan bijdragen 3. Om wie gaat het 4. Wat zijn de kosten en baten van verduurzaming 5. Hoe de toekomst eruit kan zien Ten behoeve van gerichte interventies Doel van het onderzoek
31. • 899 buurten, 580 buurten zijn er <10 huishoudens met energiearmoede  Minimum aantal waarnemingen = 10 (beveiligingsrichtlijnen)  Gevolg = lege vlekken op kaarten en geen data Vanuit data naar voorspelmodel • Voorspellen op huishoudensniveau • Schatting moet betrouwbaar en accuraat zijn • Hoe? Matchen van data in de beveiligde omgeving van het CBS met de schatting • Machine learning (98% correct in voorspellen energiearmoede)
32. Noodzaak voor een voorspelmodel— Hoe? • Daarom hebben wij geschat aan de hand van diverse indicatoren of huishoudens energiearmoede ervaren Huishouden # Energiearmoede Geschatte energiearmoede (0 of 1) (0 of 1) Huishouden A 1 1 Huishouden E Huishouden Y 0 0 0 0 Huishouden Q Huishouden D 1 0 Huishouden R 0 0 Huishouden … … … 1 1 0
34. Agenda Over DataFryslân, haar structuur en haar leden Best practice energiearmoede Hoe gaan we verder en nabrander
35. Hoe wij verder gaan Volgende stappen: • Gebruiker implementeert ‘eigen’ scenario’s in digital twins • Prompts everywhere • Closed data, input (ethiek, filtering) • Regionale context data
37. Hoe DataFryslân regionale AI inzet in het openbaar bestuur en bij energiearmoede Edwin Elferink, Community Manager edwin.elferink@datafryslan.nl