Od situačního přehledu ke strategickému plánování - hledání vzorců ve stávajících datech

Vyšší efektivita: skryté přínosy dat, která už máte

Policejní složky zavádějí inteligentní analytiku, aby zlepšily svůj přehled o situaci v reálném čase. Tato upozornění podporují rychlou a poučenou reakci, což je pro veřejnou bezpečnost dobrá zpráva. Data zachycená kamerami a dalšími senzory se však dají využít i řadou dalších způsobů. Při analýze trendů dokážou ukázat, co se ve vašem obvodu nenápadně děje už měsíce – a umožní složkám předvídat a plánovat, co může přijít dál.

Trendy a data: cesta k proaktivnímu zpravodajství

Analýza trendů a rozpoznávání vzorců podporují proaktivní přístup k veřejné bezpečnosti i chytré a účinné dlouhodobé plánování. Nasazení řízené daty pomůže policistům při široké škále úkolů, jako je prevence kriminality, zadržení podezřelých nebo zajištění bezpečnosti na akcích. Efektivnější využití finančních i lidských zdrojů znamená, že rozpočty vystačí na víc, a to s lepšími a měřitelnějšími výsledky.

Metadata, která vytváří analytika na hraně sítě – opatřená časovou značkou i údajem o poloze a vyhledatelná – jsou přesně tím materiálem, jaký analýza trendů potřebuje. Začátek proto nevyžaduje velkou investici do nové infrastruktury.

Nástroje pro vizualizaci, agregaci, prozkoumání a analýzu toho, co senzory generují, jsou pravděpodobně už součástí vašeho ekosystému. Software pro správu videa (VMS), software pro správu důkazů (EMS) a další technologické platformy v rámci střediska Real-Time Crime Center (RTCC) agregují metadata z analytiky na hraně sítě a zobrazují je v podobě dashboardů, teplotních map a přehledů vzorců. Vedoucí pracovníci, analytici i velící štáb tak získávají využitelné poznatky, díky nimž mohou postupovat proaktivněji.

Důkaz z praxe: příklady analýzy trendů v akci

Data rozhodnutí podporují, nedělají je za vás. Jsou poklepáním na rameno, které člověka nasměruje ke správnému kroku. Provozní dopad analýzy trendů na jednotlivé pracovníky se promítá do celého spektra veřejné bezpečnosti a umožňuje složkám signalizovat problémy dřív, než z nich budou mimořádné události.

• Příklad: organizovaná trestná činnost v maloobchodě

Recidivisté se obvykle drží předvídatelných vzorců. Skupiny páchající organizované krádeže v obchodech si například typicky vybírají konkrétní lokality a systematicky mezi nimi rotují. Agregací dat z rozpoznávání registračních značek (LPR) z předchozích případů mohou policejní složky identifikovat vozidla a způsoby obhlídky spojené s dřívějšími krádežemi, což umožní cílenější zásah i prevenci opřenou o zpravodajské poznatky.

• Příklad: řízení davu a zabezpečení akcí

Velké akce představují pro městskou infrastrukturu specifickou výzvu. Pohledem na data z předchozích ročníků mohou útvary odhalit jevy jako nárůst kriminality v okolí akce i to, kde přesně obvykle vznikají dopravní zácpy. To umožňuje efektivně rozmístit policejní síly, lépe nastavit intervaly semaforů a rozestavit policisty ještě předtím, než dorazí první návštěvník.

• Příklad: kvalita života a veřejná prostranství

Jevy jako vandalismus nebo opakované rušení nočního klidu se řeší obtížně, protože nejsou vždy nahlášené, což ztěžuje strategické rozdělování zdrojů. Analytika postávání, analytika obsazenosti a audioanalytika umožňují sbírat data, která ukážou, kdy a kde tyto problémy kulminují. To otevírá prostor pro časově vymezená nasazení opřená o doložené vzorce, takže se zdroje neplýtvají na opakované reaktivní hlídky.

Audioanalytika navíc pomáhá složkám zachytit zvuky, které mohou signalizovat závažnější incidenty. Dokáže například detekovat výkřiky, tříštění skla a další zvukové anomálie. V delším časovém horizontu tato data odhalí, kde a kdy k incidentům dochází nejčastěji.

Vyšší výkon díky datům napříč útvary

Když útvary sáhnou po svých historických datech, otevírá se další vrstva přínosů. Ve spojení s daty jiných útvarů mohou vzniknout nové poznatky, z nichž těží obě strany. Spolupráce napříč útvary navíc otevírá dveře společným investicím a sdílení zdrojů, díky nimž funguje celá obec hospodárněji a efektivněji.

• Příklad: doprava a policie

Odbor dopravy využívá svá data o dopravních tocích jako doplněk k policejním kamerám, aby vznikl úplnější obraz o kongescích ve městě. V kombinaci s policejními daty o incidentech a době dojezdu lze zkoumat, zda průměrné reakční časy policistů kolísají v závislosti na předvídatelné sezónní nebo akcemi vyvolané dopravní zácpě.

• Příklad: správa parků a policie

Propojení dat o využívání a údržbě parků z kamer správy zeleně s audioanalytikou a analytikou postávání z policejních kamer pomáhá oběma útvarům hospodárněji nakládat se zdroji. Tato data mohou například pomoci určit, zda investice města do rekreačních ploch souvisejí s poklesem rušení v okolí. Oběma útvarům zároveň poskytují doložené podklady pro rozpočtová rozhodnutí.

Změna přichází: proč se vyplatí být připraven

Zavádění analýzy trendů a rozpoznávání vzorců na základě dat je proces, který vyžaduje soustředěné úsilí napříč útvary. Nečinnost má ale svou cenu, která se nenápadně kumuluje: pomalejší reakční časy, přehlédnuté vzorce a zdroje nasazované podle instinktu, ne podle důkazů. Řada organizací si dnes klade otázku, zda potenciální přínosy stojí za překonání překážek. Ty úspěšné odpovídají „ano" – a hned nato se ptají: „Kde začít?"

Krátký seznam: Co je nutné 

Každá složka čelí vlastním výzvám a má vlastní požadavky, může se však bezpečně držet několika základních principů.

• Flexibilita: Senzory schopné pojmout vyvíjející se analytiku vám umožní přizpůsobit se lépe než jednoúčelové zařízení.
• Interoperabilita: Otevřené standardy jsou tím, co umožňuje kombinovat data napříč útvary bez nákladné integrace na míru.
• Spolupráce a sdílená infrastruktura: Federované kamerové sítě a dohody o sdílení dat mezi organizacemi rozšíří datovou základnu, aniž by se investice zdvojovaly.

Klíč k budoucnosti s analýzou trendů

Všechny uvedené principy mají něco společného: vyhýbají se technologickým i útvarovým silům. Klíčová je spolupráce a otevřenost v každém smyslu. Roztříštěné systémy nezpomalují jen reakci v reálném čase; znemožňují i tak bohatou analýzu, jaká je potřeba k odhalení vzorců a trendů.

Otevřené standardy umožňují jednotlivým útvarům kombinovat a propojovat své zdroje. Zároveň zajišťují maximální volnost při zavádění nové analytiky, dashboardů a dalších nástrojů v budoucnu. A umožňují širokou spolupráci i na straně dodavatelů – Axis například spolupracuje s dalšími předními firmami v oboru, aby mohl nabídnout širokou škálu řešení šitých na míru konkrétním potřebám.

Přinášet hodnotu: od dnešních rozhodnutí k lepším výsledkům zítra

Složky veřejné bezpečnosti, které dnes budují strategické a kvalitní datové ekosystémy, mají největší šanci zítra doložit měřitelné zlepšení výkonu a provozní účinnosti. Když jsou rozpočty pod tlakem, není těžké odhadnout, kdo bude při rozpočtových jednáních v nejlepší pozici k získání potřebných prostředků.

Realistické posouzení rizik: jasný pohled na to, co je potřeba

Složky, které o datové infrastruktuře uvažují strategicky už dnes, mají také lepší výchozí pozici k tomu, aby skončily s nástroji podporujícími integrovaná řešení, jako jsou RTCC, operační střediska krizového řízení (EOC) nebo i digitální dvojčata (digital twins), která se v nadcházejících letech pravděpodobně stanou pilířem veřejné bezpečnosti. Naopak odkládání strategických debat může složky později přijít draho, až budou muset hledat prostředky na náhradu zastaralých nebo nekompatibilních systémů.

Nakonec platí, že složky, které z metadat a analytiky získávají nejvíc, nutně nevytvářejí nová data. Kladou lepší otázky datům, která už mají, a získané informace využívají k lépe podloženým rozhodnutím. Pro první kroky to může být opravdu tak jednoduché.