Slimme statistieken: sleutel tot het terugdringen van criminaliteit

Toen ze in 2007 de openbare aanklager van New Jersey werd, deed Anne Milgram al snel een aantal ontstellende ontdekkingen: niet alleen had haar team nauwelijks een idee van wie ze in de gevangenis zetten, ook hadden ze geen manier om te meten of hun beslissingen de samenleving daadwerkelijk veiliger maakten. En zo begon haar voortdurende, inspirerende missie om data- en statistische analyse in te voeren in het Amerikaanse strafrechtsysteem.

In 2007 werd ik hoofdaanklager

in de staat New Jersey.

Daarvoor was ik openbare aanklager,

eerst in Manhattan

en later bij het Ministerie van Justitie.

Toen ik begon als hoofdaanklager,

gebeurden er twee dingen die mijn beeld
van het strafrecht hebben veranderd.

Ten eerste stelde ik, in mijn ogen,
heel simpele vragen.

Ik wilde begrijpen wie we arresteerden,

wie we aanklaagden

en wie we opsloten in onze
huizen van bewaring en gevangenissen.

Ik wilde ook begrijpen

of we beslissingen namen
die onze veiligheid vergrootten.

Maar ik kon niet
aan deze informatie komen.

Het bleek dat de meeste grote instanties
binnen het strafrechtapparaat,

zoals de mijne,

belangrijke zaken niet bijhielden.

Na ongeveer een maand van grote frustratie

liep ik een vergaderzaal in

vol met rechercheurs

en eindeloze stapels dossiers.

De rechercheurs zaten notities te maken
in gele schrijfblokken.

Ze probeerden de informatie
te verzamelen waar ik naar zocht

door alle zaken van de afgelopen vijf jaar
stuk voor stuk door te nemen.

Zoals je je kunt indenken,

waren de uitkomsten
die we uiteindelijk vonden niet best.

Het bleek dat we ons vooral bezighielden
met een boel kleine drugszaken

op de straten in de buurt
van ons kantoor in Trenton.

De tweede belangrijke gebeurtenis

is dat ik een dag heb meegelopen
bij het politiebureau van Camden.

Op dat moment was Camden in New Jersey

de meest gevaarlijke stad van Amerika.

Dat was de reden dat ik leiding gaf
aan het politiebureau van Camden.

Ik liep een dag mee op het bureau

en werd meegenomen naar een kamer
met hoge politieambtenaren

die allemaal ontzettend hard werkten
om de misdaad in Camden terug te dringen.

Wat ik zag in die kamer,

terwijl we spraken
over criminaliteitbestrijding,

was een groep politieambtenaren
met een heleboel kleine geeltjes.

Ze namen een geeltje, schreven er wat op

en plakten het dan op een bord.

Een van hen zei:

"Er was twee weken terug een overval.
Er zijn geen verdachten."

Een ander zei: "We hadden
een schietpartij in de buurt vorige week.

We hebben geen verdachten."

Ons politiewerk was niet datagestuurd.

We probeerden in wezen
misdaad te bestrijden

met geeltjes.

Deze twee dingen deden me beseffen

dat we fundamenteel tekortschoten.

We wisten niet eens
wie er in ons strafrechtsysteem zaten,

we hadden geen gegevens
van de dingen die ertoe deden

en we deelden gegevens niet

en gebruikten geen analyses of tools

om ons betere beslissingen te helpen maken
en de misdaad terug te dringen.

Voor het eerst begon ik na te denken
over hoe we besluiten namen.

Toen ik assistent aanklager
en later federaal aanklager was,

keek ik naar de dossiers voor mij

en maakte ik meestal beslissingen
op basis van mijn intuïtie en ervaring.

Toen ik openbare aanklager werd,

kon ik het systeem als geheel bezien.

Het verraste me dat dat
precies was hoe we het deden

in het hele systeem --

bij de politie, bij justitie,

bij de rechtbanken en in gevangenissen.

Wat mij heel snel duidelijk werd,

is dat we geen goed werk leverden.

Dus ik wilde het anders doen.

Ik wilde data, analytics en
nauwgezette statistische analyse

invoeren in ons werk.

Kortom, ik wilde 'Moneyball'
toepassen op ons strafrecht.

Moneyball, zoals velen van jullie weten,
is wat de Oakland A's deden

toen ze slimme data
en statistieken inzetten

om spelers te kiezen
die ze wedstrijden zouden helpen winnen.

Ze gingen van een systeem
dat was gebaseerd op honkbalscouts

die spelers gingen bekijken

en hun intuïtie en ervaring gebruikten,

die van de scouts, dus,
om spelers te kiezen,

naar een systeem van slimme data
en grondige statistische analyse

om uit te vinden welke spelers
hen wedstrijden zouden helpen winnen.

Het werkte voor de Oakland A's

en het werkte in de staat New Jersey.

We haalden Camden uit de top van de lijst

als meest gevaarlijke stad in Amerika.

We verminderden het aantal
moorden met 41 procent,

wat betekent dat 37 levens werden gered.

En we verminderden de criminaliteit
in de hele stad met 26 procent.

Wij veranderden ook onze aanpak
van strafrechtelijke vervolging.

In plaats van op kleine drugsvergrijpen
in de omgeving van ons kantoor,

richten we ons op zaken
van belang voor de hele staat,

zoals het aanpakken
van de meest gewelddadige overtreders,

vervolging van straatbendes,

wapen- en drugshandel
en politieke corruptie.

Dit doet er allemaal zeer toe,

want openbare veiligheid is voor mij
de belangrijkste taak van de regering.

Als we niet veilig zijn,
kunnen we niet leren,

kunnen we niet gezond zijn,

kunnen we geen van de dingen doen
die we willen in ons leven.

We leven vandaag de dag in een land

met ernstige strafrechtelijke problemen.

We doen elk jaar 12 miljoen arrestaties.

De grote meerderheid van die arrestaties

is voor kleine vergrijpen,
zoals overtredingen,

70 tot 80 procent.

Minder dan 5 procent van alle arrestaties

is voor geweldsmisdrijven.

En toch we besteden 75 miljard,

dat is miljard, niet miljoen,

dollar per jaar aan staats-
en lokale gevangeniskosten.

Op dit moment zitten er 2,3 miljoen mensen
in huizen van bewaring en gevangenissen.

We staan voor enorme uitdagingen
op het gebied van veiligheid,

want we zitten met de situatie

dat twee derde van de mensen
in de gevangenis

in afwachting is van hun rechtszaak.

Ze zijn nog niet veroordeeld
voor een misdaad.

Ze wachten alleen tot ze
voor de rechter komen.

En 67 procent van die mensen komt terug.

Onze recidivecijfers behoren
tot de hoogste van de wereld.

Bijna 7 op de 10 mensen
die worden vrijgelaten,

worden weer gearresteerd,

in een voortdurende cyclus
van misdaad en opsluiting.

Dus toen ik bij de
Arnold Foundation ging werken,

keek ik opnieuw naar veel van deze vragen

en dacht ik terug aan hoe we
gegevens en analytics hadden gebruikt

om onze aanpak van het strafrecht
in New Jersey te hervormen.

Als ik naar het huidige
strafrechtsysteem in de VS kijk,

denk ik er exact zo over

als ik deed over de staat New Jersey
toen ik daar begon,

namelijk dat het absoluut beter moet

en ik weet dat we beter kunnen.

Dus ik besloot mij te richten

op het gebruik van gegevens en analytics

om het meest kritieke besluit
op veiligheidsgebied te helpen maken.

Dat besluit is de bepaling

of een arrestant een gevaar vormt
voor de openbare veiligheid

en moet worden vastgehouden,

of geen gevaar vormt
voor de openbare veiligheid

en moet worden vrijgelaten.

Alles wat er in een strafzaak gebeurt,

komt voort uit dit ene besluit.

Het beïnvloedt alles.

Het beïnvloedt de strafoplegging,

of iemand verslavingszorg krijgt,

het beïnvloedt misdaad en geweld.

Wanneer ik spreek
met rechters uit de hele VS,

wat ik nu de hele tijd doe,

zeggen ze allemaal hetzelfde,

namelijk dat we gevaarlijke mensen
in de cel stoppen

en dat we ongevaarlijke,
niet-gewelddadige mensen laten gaan.

Ze menen het en en ze geloven het.

Maar als je naar de data gaat kijken,

die de rechters trouwens niet hebben,

als we naar de data gaan kijken,

zien we keer op keer
dat dit niet het geval is.

Overtreders met gering risico,

die 50 procent van de totale
gevangenispopulatie vormen,

zitten in de cel.

Neem Leslie Chew, een Texaanse man

die vier dekens stal
op een koude winteravond.

Hij werd gearresteerd en vastgezet

met een borgsom van 3.500 dollar,

een bedrag dat hij niet kon betalen.

Hij zat acht maanden in de gevangenis

tot zijn zaak voor de rechter kwam,

ten koste van meer dan
9.000 dollar aan belastinggeld.

Aan de andere kant van het spectrum
leveren we even slecht werk.

De overtreders met het hoogste risico,

degenen van wie wij denken
dat de kans het grootst is

dat ze opnieuw een misdaad begaan,

van die mensen zien we landelijk
dat 50 procent wordt vrijgelaten.

Dat komt door de wijze
waarop we beslissingen nemen.

Rechters hebben de beste bedoelingen

als ze deze besluiten over risico nemen,

maar ze maken ze op subjectieve wijze.

Ze lijken op de honkbalscouts
20 jaar geleden,

die hun intuïtie en ervaring gebruikten

om te bepalen welk risico iemand vormt.

Ze zijn subjectief

en we weten wat er gebeurt
met subjectieve besluitvorming,

namelijk dat we het vaak verkeerd hebben.

Wat we hier nodig hebben,

zijn krachtige data en analytics.

Ik besloot op zoek te gaan

naar een krachtig programma voor
risicobeoordeling van data- en analytics.

Iets dat rechters zou helpen begrijpen,

op een wetenschappelijke
en objectieve manier,

welk risico werd gevormd
door de voorgeleide.

Ik zocht in het hele land

en ontdekte dat tussen de 5 en 10 procent
van alle rechtsgebieden

daadwerkelijk een programma
voor risicobeoordeling gebruikten.

Toen ik deze programma's bekeek,

begreep ik al snel waarom.

Ze waren ongelooflijk duur in beheer,

ze waren tijdrovend,

ze beperkten zich tot het rechtsgebied
waar ze waren gemaakt.

Ze konden dus niet worden aangepast

of overgedragen naar andere plekken.

Dus ik bouwde een fenomenaal team

van datawetenschappers,
onderzoekers en statistici

om een universeel
risicobeoordelingsprogramma te bouwen,

zodat elke rechter
in de Verenigde Staten van Amerika

kan beschikken over een objectieve,
wetenschappelijke risicomaatstaf.

In het programma dat we hebben gebouwd,

verzamelden we 1,5 miljoen zaken
uit heel de Verenigde Staten,

van steden, van county's,

van elke staat in het land,

de federale districten.

Met die 1,5 miljoen zaken,

thans de grootste set met gegevens
over voorarresten in de Verenigde Staten,

ontdekten we dat er meer dan
900 risicofactoren waren

die we konden bekijken om uit te vinden
welke het belangrijkst waren.

We ontdekten dat er
9 specifieke dingen waren

die er overal in het land toe deden

en die het risico het beste voorspelden.

Dus bouwden we een algemeen toepasbaar
programma voor risicobeoordeling.

Zo ziet het eruit.

Je ziet dat er vrij veel informatie
wordt weergegeven,

maar verder is het ongelooflijk simpel.

Het is makkelijk in gebruik.

Het richt zich op zaken
als eerdere veroordelingen,

of ze zijn veroordeeld tot een celstraf,

of ze ooit geweld hebben gepleegd,

of ze verstek hebben laten gaan
bij hoorzittingen.

Met dit programma
kunnen we drie dingen voorspellen.

Ten eerste of iemand
opnieuw een misdaad zal plegen.

Ten tweede, voor het eerst,

en ik vind dit heel erg belangrijk,

kunnen we voorspellen of iemand
een geweldsdaad zal plegen na vrijlating.

Dat is het allerbelangrijkste

volgens de rechters.

Ten derde kunnen we voorspellen

of iemand ter hoorzitting zal verschijnen.

Elke rechter in de VS kan het gebruiken,

omdat het is gemaakt aan de hand
van een universele gegevensset.

Wat rechters zien als ze
het programma uitvoeren,

is dit -- het dashboard.

Bovenaan zie je de kans op recidive-score,

met zes als hoogste score.

In het midden zie je
'verhoogd risico op geweld'.

Dat betekent dat deze persoon

een verhoogd risico van geweld heeft

en dat de rechter goed moet opletten.

Onderaan zie je de verstek-score.

Dat is de waarschijnlijkheid dat iemand
niet bij de hoorzitting zal verschijnen.

Nu wil ik iets heel belangrijks zeggen.

Ik vind niet dat we de intuïtie
en ervaring van de rechter

moeten uitsluiten bij dit proces.

Echt niet.

Ik denk dat het probleem dat we zien

en de reden dat wij deze
ongelooflijke systeemfouten hebben,

waar we niet-gewelddadige mensen
met een laag risico vastzetten

en gevaarlijke mensen
met een hoog risico vrijlaten,

is dat we geen objectieve
risicomaatstaf hebben.

Wat er moet gebeuren,

is dat we die datagestuurde
risicobeoordeling

combineren met de intuïtie
en ervaring van de rechter

om betere besluiten te nemen.

Het programma werd op 1 juli
in heel Kentucky gelanceerd.

We gaan ook live in een aantal
andere rechtsgebieden.

Ons doel is simpelweg dat elke rechter
in de Verenigde Staten

binnen vijf jaar een datagestuurd
risicoprogramma gebruikt.

We werken nu ook aan risicoprogramma's
voor aanklagers en politieagenten,

om een systeem dat vandaag de dag
net zo werkt als vijftig jaar geleden,

op basis van intuïtie en ervaring,

te veranderen in een systeem
dat werkt op gegevens en analytics.

Het goede nieuws van dit alles,

en we hebben nog veel werk te doen

en cultuur te veranderen,

maar het goede nieuws

is dat we weten dat het werkt.

Het is de reden dat Google Google is

en alle honkbalteams 'Moneyball' gebruiken
om wedstrijden te winnen.

Het goede nieuws voor ons
is dat het de manier is

om het Amerikaanse
strafrechtsysteem te hervormen.

Het is hoe we onze straten
veiliger kunnen maken,

onze gevangeniskosten kunnen verminderen

en ons systeem veel eerlijker
en rechtvaardiger kunnen maken.

Sommige mensen noemen het datawetenschap.

Ik noem het 'Moneyball' in het strafrecht.

Bedankt.

(Applaus)