Po co w ogóle porównywać Krajową Mapę Zagrożeń z zagranicznymi systemami
Krótka charakterystyka Krajowej Mapy Zagrożeń Bezpieczeństwa
Krajowa Mapa Zagrożeń Bezpieczeństwa (KMZB) to internetowe narzędzie Policji, w którym mieszkańcy mogą zgłaszać zauważone zagrożenia w swojej okolicy. Zgłoszenia trafiają na mapę w postaci ikon odpowiadających konkretnym kategoriom, takim jak: spożywanie alkoholu w miejscach niedozwolonych, przekraczanie prędkości, akty wandalizmu, dzikie wysypiska, nielegalne rajdy samochodowe, żebractwo, nieprawidłowe parkowanie, czy zakłócanie ciszy nocnej.
System jest dostępny online, bez konieczności logowania. Użytkownik wybiera miejsce na mapie, wskazuje kategorię i dodaje krótki opis. Zgłoszenie powinno zostać zweryfikowane przez policjantów w określonym czasie, a efektem może być np. dodatkowy patrol, kontrola drogowa czy kontakt dzielnicowego z mieszkańcami.
KMZB jest narzędziem stricte prewencyjnym: nie służy do zgłaszania pilnych interwencji (te nadal wymagają telefonu na 112 lub 997), ale ma pomóc w identyfikowaniu „gorących punktów” i problemów przewlekłych. W założeniu uzupełnia klasyczne statystyki przestępczości o „miękkie”, subiektywne dane od mieszkańców.
Dlaczego posiadanie narzędzia nie wystarczy
Sam fakt, że istnieje krajowa mapa zagrożeń bezpieczeństwa, nie gwarantuje jeszcze realnej poprawy bezpieczeństwa. System informatyczny to tylko opakowanie – liczy się, co dzieje się z danymi: jak są analizowane, czy przekładają się na decyzje, i czy mieszkańcy widzą jakikolwiek efekt. Jeżeli KMZB jest traktowana jedynie jako projekt „żeby było” i „bo Unia/ministerstwo wymagało”, kończy w praktyce jako ładna wizualizacja, która niewiele zmienia w codziennej pracy patroli.
Bez mierników efektywności, porównania z innymi źródłami danych (statystyki, raporty dzielnicowych, monitoring miejski) oraz bez cyklicznych korekt, system nawet dobrze zaprojektowany szybko traci sens. W skrajnym przypadku przestaje być używany przez mieszkańców, bo nie widzą reakcji, albo jest nadużywany przez wąskie grupy, które „zaspamowują” mapę swoimi konfliktami sąsiedzkimi.
Po co sięgać po porównania międzynarodowe
Porównanie KMZB z zagranicznymi systemami analizy ryzyka i mapowania przestępczości to skrót do gotowych rozwiązań. Wiele dużych miast i policji krajowych na Zachodzie przeszło już drogę od prostych map zdarzeń do zaawansowanych systemów predictive policing, a część z nich zdążyła się z tych „nowinek” wycofać, po zderzeniu z rzeczywistością i problemami prawnymi.
Analiza ich doświadczeń pozwala:
- unikać kosztownych ślepych uliczek, jak wdrażanie drogiego oprogramowania, które nie przynosi proporcjonalnej poprawy wyników;
- wybrać proste, sprawdzone praktyki, które realnie podnoszą efektywność patroli i jakość informacji;
- lepiej uargumentować zmiany w polskim systemie, odwołując się do przykładów z innych demokracji;
- dostosować ambicje do realnych możliwości budżetowych i kadrowych policji oraz samorządów.
Różne warunki, podobne problemy
Każdy kraj ma inne prawo, kulturę prawną, poziom cyfryzacji i zaufania do instytucji. Mimo to problemy, które stoją za krajową mapą zagrożeń bezpieczeństwa i zagranicznymi systemami analizy ryzyka, są zaskakująco podobne:
- ograniczona liczba funkcjonariuszy w stosunku do liczby zgłoszeń;
- konieczność lepszego planowania patroli i służb dyżurnych;
- presja opinii publicznej na transparentność działań policji;
- konflikt między efektywnością operacyjną a ochroną prywatności obywateli.
Dlatego warto patrzeć na wspólne wzorce: jak inni łączą dane od obywateli z analizą statystyczną, jak dzielą informacje z samorządami, a co okazało się ryzykowne (np. automatyczne profilowanie dzielnic czy grup społecznych).
Jak działa Krajowa Mapa Zagrożeń – mocne i słabe strony
Źródła danych, kategorie zgłoszeń i mechanizm weryfikacji
KMZB opiera się na dwóch głównych źródłach danych: zgłoszeniach obywateli oraz uzupełniających wpisach funkcjonariuszy (np. dodanie własnych punktów lub korekta istniejących). Najważniejszy element to jednak ruch oddolny – mapa ma aktywizować mieszkańców, aby sami wskazywali miejsca i zjawiska wymagające interwencji.
Zgłoszenia przypisuje się do z góry zdefiniowanych kategorii. Taki katalog upraszcza analizę i wizualizację, ale ma też ograniczenia – część problemów „nie mieści się” w żadnej z kategorii, a użytkownicy nadużywają najbardziej pasującej opcji. Do tego dochodzi prosty formularz opisu i możliwość dodania np. przybliżonej pory występowania zagrożenia.
Policja deklaruje, że każde zgłoszenie jest weryfikowane: poprzez patrol, kontakt z dzielnicowym, analizę monitoringu lub inne działania. Efektem jest oznaczenie zgłoszenia jako potwierdzone lub niepotwierdzone, co wpływa na jego widoczność i „wagę” w systemie.
Zalety KMZB z perspektywy efektywności i kosztów
Największą siłą krajowej mapy zagrożeń bezpieczeństwa jest stosunkowo niski koszt pozyskiwania informacji. Mieszkańcy sami wykonują dużą część pracy: opisują problem, lokalizują go na mapie i aktualizują zgłoszenia, jeśli zagrożenie utrzymuje się w czasie. W porównaniu z rozbudowanymi systemami analitycznymi, które wymagają licencji, serwerów i wyspecjalizowanych analityków, KMZB jest rozwiązaniem relatywnie tanim w utrzymaniu.
Dodatkowy atut to przejrzystość dla obywateli. Każdy może zobaczyć, co zgłaszają inni mieszkańcy w okolicy, jaki jest status zgłoszenia i gdzie kumulują się problemy. Transparentność, nawet jeśli nie jest idealna, podnosi zaufanie do policji i zmniejsza poczucie „robienia czegoś po cichu”.
Mapa pozwala też dość szybko wychwycić „gorące punkty” na poziomie ulicy lub osiedla, co ułatwia planowanie patroli prewencyjnych. Nie trzeba tworzyć skomplikowanych raportów: funkcjonariusz dyżurny lub dzielnicowy, patrząc na mapę, widzi, gdzie mieszkańcy sygnalizują najwięcej kłopotów.
Ograniczenia: subiektywność, luka analityczna i izolacja danych
Kluczowe ograniczenie KMZB to subiektywność zgłoszeń. Mieszkańcy nie zawsze rozróżniają między wykroczeniem, przestępstwem, a po prostu irytującym zachowaniem sąsiada. Konflikt sąsiedzki o miejsce parkowania może skutkować serią zgłoszeń typu „nieprawidłowe parkowanie”, choć realna skala naruszeń ruchu drogowego jest niewielka.
Obecna architektura KMZB w ograniczonym stopniu integruje się z innymi źródłami danych: statystykami przestępczości, systemami GIS miast, danymi komunikacyjnymi czy monitoringiem. To w praktyce osobna warstwa informacji, którą trzeba ręcznie łączyć z innymi raportami. Brak też rozbudowanej analityki predykcyjnej: mapa z natury rzeczy pokazuje głównie to, co już zostało zauważone, a nie to, co dopiero może się wydarzyć.
Oznacza to, że KMZB jest przede wszystkim narzędziem sygnalizującym nastroje i subiektywne odczucie bezpieczeństwa, a nie kompletną platformą analizy ryzyka. To nie jest wada sama w sobie, ale trzeba mieć świadomość, że oczekiwanie od niej tego, co robią drogie systemy predictive policing, skończyłoby się rozczarowaniem.
Przykład rozjazdu między mapą a statystyką
Wyobraźmy sobie dzielnicę, w której mieszkańcy regularnie zgłaszają „zakłócanie porządku publicznego” pod jednym z bloków. Na mapie tworzy się gęste skupisko ikon, sugerujące, że jest to szczególnie niebezpieczne miejsce. Tymczasem oficjalne statystyki przestępczości pokazują, że w tej dzielnicy praktycznie nie ma poważnych zdarzeń: brak rozbojów, włamań czy napaści.
Źródłem napięcia jest grupa nastolatków spotykających się wieczorami na ławce. Głośno rozmawiają, słuchają muzyki, ale nie popełniają czynów karalnych. KMZB zarejestruje serię zgłoszeń, co może prowadzić do intensywnych patroli, rozmów wychowawczych i wielu interwencji, które pochłaniają czas policjantów. Tymczasem inne rejony miasta, z realnym wzrostem włamań, nie są aż tak widoczne na mapie, bo ich mieszkańcy nie korzystają z narzędzia lub mają niższe zaufanie do policji.
Ten przykład pokazuje, że bez powiązania KMZB z innymi danymi i bez analizy kontekstu można łatwo przeinwestować siły w miejsce o wysokim poziomie irytacji, a niskim poziomie realnego ryzyka.
Koszty utrzymania i rozwoju KMZB
KMZB nie jest systemem „za darmo”, ale w porównaniu z komercyjnymi platformami analitycznymi koszty są umiarkowane. Główne wydatki to:
- utrzymanie infrastruktury IT (serwery, bezpieczeństwo, kopie zapasowe);
- aktualizacje oprogramowania i poprawki bezpieczeństwa;
- adaptacja interfejsu do nowych wymogów (RODO, dostępność cyfrowa);
- szkolenia funkcjonariuszy z obsługi i interpretacji danych;
- ewentualne integracje z innymi systemami (np. miejskimi GIS).
Największym, ukrytym kosztem jest czas funkcjonariuszy potrzebny na weryfikację zgłoszeń. Jeżeli napływa dużo informacji niskiej jakości (spam, konflikty sąsiedzkie), każda jednostka musi poświęcać dziesiątki godzin miesięcznie na działania, które nie przekładają się wprost na bezpieczeństwo. Dlatego jakość zgłoszeń i sprawne filtrowanie są równie ważne, co sama technologia.
Przegląd zagranicznych podejść do analizy ryzyka i zgłaszania zagrożeń
Trzy podstawowe modele systemów bezpieczeństwa miejskiego
Z perspektywy krajowej mapy zagrożeń bezpieczeństwa zagraniczne rozwiązania można podzielić na trzy główne kategorie:
Systemy crowdsourcingowe podobne do KMZB
To różnego rodzaju portale i aplikacje, w których mieszkańcy zgłaszają problemy w przestrzeni publicznej. Skupiają się nie tylko na przestępczości, ale też na usterkach infrastruktury: dziurach w drodze, zepsutym oświetleniu, nielegalnych wysypiskach czy aktach wandalizmu. Przykłady to m.in. SeeClickFix w USA czy FixMyStreet w Wielkiej Brytanii.
Policyjne systemy analizy danych i mapowania przestępczości
To narzędzia skoncentrowane na danych z wewnętrznych systemów policji: zgłoszeniach na numery alarmowe, raportach patroli, statystykach zdarzeń. Klasyczne przykłady to CompStat w Nowym Jorku czy lokalne systemy GIS w policjach miejskich w Ameryce Północnej i Europie. Tu obywatel jest bardziej odbiorcą informacji (np. publiczne „crime maps”) niż ich głównym źródłem.
Hybrydowe platformy integrujące wiele źródeł
To najbardziej zaawansowana kategoria: systemy łączą dane policyjne, zgłoszenia obywatelskie, dane miejskie (transport, oświetlenie, monitoring), a czasem także dane z sektora prywatnego (np. ochrona osiedli, monitoring centrów handlowych). Są typowe dla krajów nordyckich i niektórych dużych metropolii, gdzie istnieje rozwinięta infrastruktura cyfrowa i silne ramy prawne ochrony danych.
Przykłady z USA, Wielkiej Brytanii i krajów nordyckich
W USA klasycznym systemem, od którego zaczęły się nowoczesne analizy przestępczości, jest CompStat z Nowego Jorku. To nie tylko oprogramowanie, ale proces: cotygodniowe lub comiesięczne spotkania, podczas których komendanci rejonowi prezentują dane o przestępczości na mapach i odpowiadają za wyniki. Nacisk kładzie się na szybkie reagowanie na trendy, a nie tylko raportowanie statystyk „po fakcie”.
W Wielkiej Brytanii funkcjonują publiczne mapy przestępczości (np. police.uk), które prezentują dane o zgłoszonych przestępstwach w formie mapy z kategoriami. Obywatele nie dodają własnych punktów, ale widzą, co dzieje się w ich okolicy. Równolegle policje wykorzystują narzędzia oceny ryzyka przy pracy z osobami narażonymi na przemoc (np. w sprawach przemocy domowej).
Kraje nordyckie (Szwecja, Norwegia, Dania, Finlandia) częściej inwestują w integrację danych niż w futurystyczne algorytmy. Przykładowo, dane policyjne łączy się tam z informacjami z transportu publicznego, monitoringu miejskiego, systemów oświetlenia ulicznego i statystyk socjalnych. Kluczowe jest jednoczesne zapewnienie przejrzystych zasad ochrony prywatności, z jasno określonymi celami przetwarzania danych.
Rozwiązane problemy i nowe zagrożenia
Zagraniczne systemy analizy ryzyka i zgłaszania zagrożeń wprowadzono po to, by rozwiązać kilka konkretnych problemów:
- chaos informacyjny – dziesiątki źródeł danych niespójnych ze sobą;
- reaktywny charakter pracy policji – działanie głównie „po fakcie”;
- trudności z rozliczaniem komendantów z wyników na ich terenie;
- niskie zaufanie mieszkańców do służb i poczucie braku wpływu.
- brak spójnego podejścia do priorytetów – każdy szczebel organizacji miał własne kryteria „ważności” spraw;
- ograniczony feedback do obywateli – zgłoszenia znikały w systemie bez widocznego efektu.
Wraz z rozwojem tych rozwiązań pojawiły się jednak nowe napięcia. Predictive policing w USA czy zbyt „agresywne” wykorzystanie statystyk przestępczości doprowadziły do zarzutów o wzmacnianie uprzedzeń, nadmierną koncentrację patroli w biedniejszych dzielnicach i traktowanie danych jak niepodważalnej prawdy. W praktyce algorytm często tylko powielał uprzednie decyzje i historie zgłoszeń, przez co rejony o słabszym zaufaniu do służb pozostawały mniej widoczne, a te z częstymi interwencjami były jeszcze mocniej „doświetlane”.
Kolejny problem to przeładowanie informacją. Zaawansowane pulpity, kilkanaście warstw map, prognozy, alerty – wszystko to robi wrażenie na prezentacji, ale w codziennej pracy policjanta terenowego liczy się prosty komunikat: gdzie dziś trzeba być i dlaczego. Tam, gdzie zabrakło dobrego przełożenia danych na czytelne zadania i odpowiedzialność konkretnych osób, nawet drogie systemy kończyły jako „zaawansowane arkusze Excela”, z których korzysta wyłącznie wąska grupa analityków.
Do tego dochodzą koszty stałe: licencje, utrzymanie, wyspecjalizowani analitycy, audyty algorytmów, obsługa prawnicza ochrony danych. Dla wielu średnich miast zachodnich to akceptowalny wydatek; dla budżetu wojewódzkiej komendy w Polsce – już niekoniecznie. Ta skala inwestycji ma znaczenie, gdy porównuje się, czy lepiej „dopalić” KMZB dodatkowymi funkcjami, czy kupować pełne rozwiązania klasy enterprise.
W tle pojawia się także kwestia zaufania społecznego. W krajach nordyckich integracja danych przechodzi łatwiej, bo obywatele mają stosunkowo duże zaufanie do instytucji i silne poczucie kontroli nad własnymi danymi. W państwach, gdzie historia nadużyć służb jest świeższa, każdy ruch w stronę „systemu, który sam coś przewiduje”, wywołuje naturalną podejrzliwość. Dlatego część policji na Zachodzie wraca do bardziej przejrzystych, mniej „magicznych” narzędzi – z mocnym naciskiem na otwarte wskaźniki i jasne reguły wykorzystania danych.
Crowdsourcing zagrożeń – Polska vs proste aplikacje miejskie na świecie
Różne cele: bezpieczeństwo vs utrzymanie infrastruktury
KMZB koncentruje się na szeroko rozumianym bezpieczeństwie, podczas gdy wiele popularnych aplikacji miejskich za granicą (jak SeeClickFix czy FixMyStreet) służy przede wszystkim do zgłaszania usterek: dziur w ulicy, uszkodzonych ławek, nielegalnych śmieci. To pozornie drobna różnica, ale pociąga za sobą inne oczekiwania wobec systemu i inne kryteria sukcesu. W aplikacjach infrastrukturalnych kluczowe są proste statusy: „zgłoszono – zaplanowano – naprawiono”. W KMZB interwencja nie zawsze oznacza „usunięcie problemu” w sensie fizycznym, lecz np. serię patroli, rozmów, działania profilaktyczne.
Ta odmienność wpływa też na poziom konfliktowości danych. Zgłoszenie „dziura w chodniku” rzadko rodzi spór o interpretację. Przy wskazaniu „grupa pijących pod blokiem” łatwo o napięcia między mieszkańcami, stygmatyzację konkretnego miejsca i dyskusję, czy to realne zagrożenie, czy tylko uciążliwość. Zachodnie aplikacje miejskie często omijają te tematy, zostawiając sprawy bezpieczeństwa policji i dedykowanym kanałom alarmowym.
Prostota obsługi i „widoczny efekt” zgłoszenia
Największą przewagą prostych aplikacji miejskich nad KMZB jest bardzo czytelny łańcuch: zgłoszenie – przypisanie do jednostki – realizacja – zdjęcie po naprawie. Użytkownik widzi, że jego kliknięcie zamieniło się w konkretną robotę w terenie. Ten mechanizm „widocznego efektu” buduje nawyk korzystania z systemu przy minimalnym nakładzie pracy po stronie miasta. W KMZB droga od zgłoszenia do efektu jest znacznie mniej namacalna, a część działań (np. wzmożone patrole) trudno pokazać w postaci jednego zdjęcia „przed i po”.
Da się to jednak częściowo nadrobić tanimi środkami. Wystarczy prosty mechanizm krótkich komunikatów zwrotnych, np. „w tym rejonie wprowadzono dodatkowe patrole w godzinach 18–22 przez najbliższe 2 tygodnie” albo „przeprowadzono rozmowę z administracją budynku, monitoring obejmuje wskazane miejsce”. Nie wymaga to nowego systemu klasy enterprise, tylko dopracowania standardów odpowiedzi i krótkich szablonów, które funkcjonariusz może uzupełnić w minutę. Dla mieszkańca to sygnał, że ktoś realnie zajął się sprawą, a nie tylko zmienił jej status w tabelce.
Jawność danych i lokalna „presja na działanie”
W wielu zagranicznych aplikacjach zgłoszenia są z założenia publiczne: każdy widzi, ile spraw pojawiło się w danej dzielnicy, ile czeka w kolejce i co już naprawiono. Tworzy to miękką presję na służby i jednostki miejskie, ale też na samych mieszkańców – jeżeli w okolicy rośnie liczba zgłoszeń o bałaganie, łatwiej uruchomić rozmowę w radzie osiedla czy z administratorem. KMZB funkcjonuje bardziej jako kanał komunikacji „mieszkaniec → policja”, z ograniczoną możliwością społecznej kontroli postępów.
Pełne otwarcie wszystkich danych z KMZB nie jest ani tanie, ani bezproblemowe prawnie. Da się jednak wprowadzić pośrednie rozwiązania: publiczne, zanonimizowane zestawienia typów zagrożeń w skali gminy, proste mapy z zagregowanymi kategoriami czy cykliczne raporty PDF dla rad osiedli. To niski koszt w porównaniu z wdrażaniem kolejnego systemu, a jednocześnie krok w stronę modelu, w którym mieszkańcy widzą, że ich zgłoszenia składają się na szerszy obraz potrzeb bezpieczeństwa w okolicy.
Moderacja, nadużycia i „koszt społeczny” zgłoszeń
Proste aplikacje infrastrukturalne mają stosunkowo niski koszt społeczny błędnego zgłoszenia: w najgorszym razie ktoś pojedzie sprawdzić nieistniejącą dziurę w jezdni. W KMZB błędne lub złośliwe zgłoszenie może oznaczać skierowanie patroli na niepotrzebny interwencyjny tor, a czasem napięcia sąsiedzkie, jeżeli miejsce zostanie zbyt łatwo powiązane z konkretną osobą lub lokalem. Stąd większy nacisk na weryfikację, co z kolei zwiększa koszt obsługi każdego zgłoszenia.
Tu przydają się proste reguły filtrujące, które nie wymagają skomplikowanej sztucznej inteligencji: automatyczne łączenie seryjnych zgłoszeń z identycznym opisem, priorytety dla kategorii realnego zagrożenia życia, czy wreszcie lokalne procedury „miękkiego” kontaktu z osobami składającymi wyjątkowo dużo zgłoszeń o niskiej istotności. To tańsze niż rozbudowany moduł moderacji algorytmicznej, a w praktyce ogranicza wysiłek po stronie dyżurnych i patroli.
Co można „podejrzeć” od prostych aplikacji, nie tracąc charakteru KMZB
Najbardziej opłacalne inspiracje to te, które nie wywracają całej logiki KMZB. W praktyce oznacza to trzy kierunki: uproszczony panel statusów widoczny dla mieszkańca, kilka prostych wskaźników efektywności (np. średni czas reakcji na daną kategorię w powiecie) oraz okresowe, bardzo krótkie raporty graficzne dla samorządów. Technologicznie to relatywnie tanie dodatki, a z punktu widzenia zaufania i „poczucia wpływu” – spory skok jakościowy.
Drugim obszarem do skopiowania jest prosty, publiczny przegląd „co się dzieje w mojej okolicy” bez wchodzenia w szczegóły operacyjne. Może to być zwykła mapka z kilkoma kategoriami zbiorczymi i przedziałami czasowymi, a nie rozbudowany portal analityczny. Z punktu widzenia mieszkańca liczy się szybka odpowiedź na dwa pytania: czy ktoś oprócz mnie zgłasza podobne problemy oraz czy lokalne służby reagują na nie szybciej, wolniej czy podobnie jak gdzie indziej. Takie „lekkie” okno na dane daje część korzyści z zagranicznych platform partycypacyjnych, bez ryzyka nadmiernej ekspozycji pojedynczych adresów czy osób.
Trzeci element to bardziej ludzki język komunikatów. W wielu zagranicznych aplikacjach miejskich odpowiedzi są krótkie, konkretne i pisane w pierwszej osobie, a nie urzędniczym żargonem. Da się to wprowadzić także przy KMZB, choćby poprzez kilka standardowych wzorów odpowiedzi, które dyżurni modyfikują minimalnie. Zamiast „zgłoszenie zweryfikowano negatywnie”, prostsze „patrol był na miejscu, w czasie kontroli nie potwierdziliśmy wskazanego zachowania”. Koszt wdrożenia to dosłownie godzina warsztatu i drobna zmiana instrukcji, efekt – mniejsza frustracja zgłaszających i mniej telefonów z pretensjami „co z moją sprawą”.
Na koniec dochodzi kwestia integracji z lokalnymi partnerami. Proste aplikacje miejskie często automatycznie przekazują część zgłoszeń do zarządców dróg, spółdzielni, firm sprzątających. W realiach KMZB nie ma sensu tworzyć skomplikowanych integracji systemowych, ale można wprowadzić jasną ścieżkę „przekazano do…” z krótką etykietą partnera: straż miejska, gmina, zarządca terenu. Mieszkaniec widzi wtedy, że policja nie ignoruje problemu, tylko kieruje go do właściwej instytucji. Dla komend to również argument w rozmowach z samorządem o wspólnym finansowaniu rozwiązań naprawczych.
Jeżeli Krajowa Mapa Zagrożeń ma realnie konkurować o uwagę mieszkańca z prostymi, zachodnimi aplikacjami miejskimi, nie potrzebuje rewolucji technologicznej ani algorytmicznego fajerwerku. Znacznie więcej przyniesie kilka oszczędnych w kosztach korekt: czytelniejsze statusy, odrobinę jawności danych i bardziej przejrzystą komunikację. Zestawione z rozsądnie używanymi narzędziami analizy ryzyka – od prostych statystyk po inspiracje z CompStat czy modeli skandynawskich – dają szansę na system, który nie tylko zbiera punkty na mapie, lecz faktycznie wspiera codzienne decyzje o tym, gdzie i jak zadbać o bezpieczeństwo przy ograniczonym budżecie.
Zaawansowane systemy analizy ryzyka – CompStat, predictive policing, modele skandynawskie
CompStat – od tablicy korkowej do „dashboardu” dla komendanta
CompStat w klasycznej, nowojorskiej wersji to mniej cudowny algorytm, bardziej twardy rytuał zarządczy oparty na danych. Klucz to cykliczne spotkania, na których dowódcy rejonów tłumaczą, co dzieje się w ich obszarze i jakie działania podjęli. Dane są tylko paliwem: mapy zdarzeń, trendy tydzień do tygodnia, prosty podział na kategorie przestępstw. Rdzeń systemu to presja na szybką reakcję i konkretne decyzje, a nie graficzne fajerwerki.
Dla KMZB najcenniejszy nie jest cały „opakowany” CompStat, tylko kilka elementów, które można przenieść małym kosztem. Pierwszy to stały rytm: raz w tygodniu lub co dwa tygodnie prosta odprawa, gdzie oprócz statystyk przestępstw pojawia się choćby jedna strona z danymi z Mapy. Drugi – koncentracja na kilku wskaźnikach, których da się bronić przed liniowymi policjantami: liczba zgłoszeń w kluczowych kategoriach, czas reakcji, udział zgłoszeń, które przerodziły się w interwencje lub działania profilaktyczne.
Na początek wystarczy bardzo ubogie narzędzie: arkusz kalkulacyjny, dwie mapki z darmowego GIS-u, wydrukowany wykres słupkowy. Istotniejsze od cyfrowego „blasku” jest to, by każda komórka organizacyjna wiedziała, że dane z KMZB pojawią się na odprawie i ktoś zada proste pytanie: co z tym robiłeś przez ostatnie dwa tygodnie. Dopiero kiedy taki rytm się przyjmie, ma sens inwestowanie w rozbudowane panele i integracje.
Predictive policing – obietnice, mity i koszty uboczne
Systemy predykcyjne, takie jak PredPol czy HunchLab, budziły ogromne emocje, bo obiecywały „prognozę przestępczości” na poziomie kilkudziesięciu metrów kwadratowych i konkretnych przedziałów czasu. W praktyce ich skuteczność okazała się mocno zależna od jakości danych wejściowych, a także od tego, ja