Wat is Zicht op Ondermijning?

De City Deal Zicht op Ondermijning is een landelijk samenwerkingsverband tussen de gemeenten Amsterdam, Breda, Den Haag, Eindhoven, Helmond, ‘s-Hertogenbosch, Rotterdam, Tilburg en Utrecht, de ministeries van Binnenlandse Zaken en Koninkrijksrelaties, Financiën en Justitie en Veiligheid, de Belastingdienst, het Openbaar Ministerie, de Nationale Politie en het Centraal Bureau voor de Statistiek. In 2019 hebben ook de gemeenten Almere, Groningen en Maastricht zich bij de City Deal aangesloten. De gemeenten Arnhem en Zwolle zijn in 2020 toegetreden.

Het doel van deze City Deal is om bij te dragen aan de preventieve aanpak van ondermijnende criminaliteit. De ambities daarbij zijn als volgt:

  • Inzichten verkrijgen in lokale en regionale patronen binnen georganiseerde ondermijnende criminaliteit;
  • Gelegenheidsstructuren en kwetsbare sectoren en branches herkennen;
  • Een (gebrek aan) maatschappelijke weerbaarheid onderkennen.

Middels deze patronen wordt het mogelijk om een effectieve(re) strategie te formuleren die gericht is op handhaving en preventie.

Klik hier voor een overzicht van updates aan dit dashboard.

Profiel naar wijk

Aandeel woningen van eigenaren die voldoen aan profiel, per gemeente en wijk

Loading...
Loading...

Omvang per profiel

Aantal woningen en WOZ-waarde waarvan eigenaar voldoet aan profiel, per gemeente
Loading...
Loading...
Loading...

Profielcombinaties

Combinaties van vastgoedprofielen, per gemeente en wijk


Loading...
Loading...

Onverklaarbare woningaankopen

Aandeel woningen gekocht met een onverklaarbare som geld en het gemiddelde bedrag, per gemeente, wijk en buurt

Loading...
Loading...
De volgende tabellen tonen hoe de berekening voor onverklaarbare woningaankopen is uitgevoerd. Deze tabel is op het niveau van huishoudens. De cijfers bovenaan de pagina op het niveau van aankopen. Klik op een titel om de tabel uit te klappen. De tabellen bevatten gemiddelde bedragen voor heel Nederland en veranderen dus niet als in de kaartjes een gemeente, wijk of buurt wordt geselecteerd.

Persoonskenmerken

Kenmerken van verdachten van drugsdelicten, per gemeente of RIEC-regio
Loading...
Loading...

Drugs referentiebeeld

Ontwikkeling drugsdelicten en -verdachten, per gemeente en RIEC-regio
Loading...
Loading...
Loading...

Drugsgebruik in Utrecht

Loading...
Loading...
Loading...

Vastgoed referentiebeeld

Ontwikkeling verkochte woningen en verkoopprijs, per gemeente
Loading...
Loading...

Loading...
Loading...

Profielen

Drugsverdachten naar drie onderscheidende profielclusters, heel Nederland

Geslacht

Loading...
Loading...
Loading...

Leeftijd

Loading...
Loading...
Loading...

Migratieachtergrond

Loading...
Loading...
Loading...

Plaats in het huishouden

Loading...
Loading...
Loading...

Sociaaleconomische categorie

Loading...
Loading...
Loading...

Type woning

Loading...
Loading...
Loading...

Woongemeente t.o.v. pleeggemeente

Loading...
Loading...
Loading...

Totaal aantal keer verdachte

Loading...
Loading...
Loading...

Familierelaties

Drugsverdachten in het familienetwerk van drugsverdachten, per gemeente

Loading...
Loading...

Vastgoed van familie

Vastgoed (niet eigen woning) in bezit van familieleden van drugsverdachten, per gemeente

Familieleden van drugsverdachten

Het aandeel drugsverdachten per relatie in het familienetwerk van een drugsverdachte.
Loading...

Woningen van familieleden van drugsverdachten

Het aandeel woningen in een gemeente dat in bezit is van familieleden van drugsverdachten, exclusief de eigen woning van die familieleden.
Loading...

Hennepkwekerijen

Kenmerken van inwoners van geruimde hennepkwekerijen, per gemeente
Loading...

Woon- versus pleeggemeente

Import en export van drugsverdachten, per gemeente

Loading...
Loading...
Loading...
Loading...

Technische toelichting algemeen

Technische toelichting analyses vastgoed

Technische toelichting analyses drugs

De analyse

Deze analyse beschrijft de persoonskenmerken van verdachten van drugsdelicten. Van elk van de zes gehanteerde delicten wordt voor alle deelnemende gemeenten aan de eerste fase van de City Deal Zicht op Ondermijning (gemeenten die deelnemen aan de City Deal en de RIEC-regio's) een aantal frequentietabellen gegenereerd over verschillende persoonskenmerken. Elk kenmerk kan tussen gemeenten of RIEC-regio's worden vergeleken op een drugsfeit, of kan binnen een gemeente of RIEC-regio tussen de drugsfeiten worden vergeleken. De volgende kenmerken zijn geanalyseerd:
  • Leeftijd
  • Geslacht
  • Migratie achtergrond
  • Generatie migratieachtergrond
  • Plaats in huishouden
  • Sociaaleconomische status
  • Type woning (koop of huurwoning)
  • Woonplaats

De populatie

De populatie voor deze analyse bestaat uit verdachten van de zes drugsdelicten die tussen 2012 en 2014 of tussen 2015 en 2018 in de politiesystemen zijn geregistreerd. Persoonskenmerken uit de BRP en SSB zijn gekoppeld aan de Basisvoorziening Handhaving (BVH) van de politie zodat een beeld kan worden geschetst van kenmerken van verdachten. Voor deze analyse is een filtering gemaakt op unieke verdachten in de periode 2012-2018. Als een verdachte meerdere keren voor hetzelfde drugsfeit in dezelfde stad staat geregistreerd, worden de kenmerken gebruikt van het meest recente delict.

Methode

De frequentietabellen zijn opgenomen voor elke gemeente-drugsfeit combinatie (bijvoorbeeld verdachten van bezit van harddrugs in Amsterdam) en voor elk van de kenmerken die hierboven zijn genoemd. Voor de meeste kenmerken hier genoemd, worden bestaande CBS categorieën gebruikt. De variabele leeftijd is in een aantal discrete categorieën opgedeeld. Voor woonplaats is de codering aangepast om weer te geven of de woonplaats van de verdachte overeenkomt met de gemeente waar het delict is gepleegd of dat de verdachte een andere woonplaats heeft.

Aandachtspunten

  • Deze analyse is uitgevoerd voor de periode 2012 tot en met 2018 en bevat alleen verdachten uit politie registraties. Dit betekent dat de persoonskenmerken niet de gehele groep van mensen betrokken bij drugscriminaliteit beschrijft.
  • De data bevatten voor een aantal verdachten onbekende gegevens. Niet alle kenmerken zijn altijd beschikbaar, bijvoorbeeld als een verdachte niet in Nederland woont.
  • In verband met risico op herleidbaarheid zijn sommige lage frequenties onderdrukt en worden deze niet in de grafiek getoond.

Bronbestanden

Er wordt voor deze analyse gebruik gemaakt van een maatwerkbestand met persoonskenmerken van alle verdachten van drugsdelicten in de periode 2012 tot en met 2018. Dit bestand is samengesteld uit de volgende bronnen:
  • Basisvoorziening Handhaving (BVH) van de politie;
  • Basisregistratie Personen (BRP) gemeenten;
  • Stelsel van Sociaal Statistische Bestanden (SSB).

De analyse

Het doel van de analyse is om de kenmerken van bewoners en huishoudens te identificeren die panden waarin een hennepkwekerij wordt aangetroffen onderscheiden van andere panden. De volgende kenmerken zijn geanalyseerd:
  • Leeftijd
  • Huwelijkse status
  • Opleidingsniveau
  • Huishoudsamenstelling
  • Bruto inkomen
  • Uitkering

Populatie

De analyse is gedaan met behulp van een bestand met de locaties van alle aangetroffen kwekerijen (hennepruimingen) in een aantal Nederlandse gemeenten over de periode 2012-2019. Iedere gemeente heeft eigen beschikbare data aangeleverd van hennepruimingen en de periodes verschillen daarom tussen gemeenten. Voor een aantal kleine Limburgse gemeenten zijn de gegevens samengevoegd zodat de aantallen groot genoeg zijn om in het dashboard te tonen. Aantallen kleiner dan 10 worden namelijk niet getoond in het dashboard. Hieronder staan alle Limburgse gemeenten genoemd die zijn meegenomen in de categorie “overig Limburg”:
  • Beesel
  • Landgraaf
  • Leudal
  • Meerssen
  • Mook en Middelaar
  • Nederweert
  • Peel en Maas
  • Venray
  • Voerendaal
  • Brunssum
  • Echt-Susteren
Naast de panden waar hennepkwekerijen zijn aangetroffen zijn alle overige woningen en hun bewoners in de desbetreffende gemeenten als controlegroep meegenomen in de analyse. Deze personen en huishoudens staan aangeduid als 'Bewoners algemeen' en worden vergeleken met bewoners van panden waar wel een hennepkwekerij is aangetroffen.

Leeftijd, huwelijkse status en opleidingsniveau zijn per bewoner geanalyseerd; huishoudsamenstelling, bruto inkomen en uitkeringen zijn op huishoudensniveau bepaald. Voor het kenmerk Leeftijd zijn alle bewoners van een pand meegenomen, ongeacht hun leeftijd; voor alle overige kenmerken zijn bewoners vanaf 16 jaar meegenomen.

Methode

Voor bewoners van de panden waar een hennepkwekerij is aangetroffen zijn de kenmerken meegenomen die in het jaar van aantreffen van toepassing waren. Hierdoor is voor deze groep telkens de stand van zaken op een bepaald moment tussen 2012 en 2019 beschikbaar. Om die panden/bewoners te vergelijken met bewoners van panden waar geen hennepkwekerij is aangetroffen, is er een controlegroep samengesteld van alle overige panden in de desbetreffende gemeenten. Voor deze panden zijn kenmerken van de bewoners in 2015 aangekoppeld. Aan deze bestanden zijn vervolgens de bestanden met de variabelen van de specifieke kenmerken gekoppeld.

Aandachtspunten

  • Nieuwbouwwoningen in de woningvoorraad op 1 januari 2019, kunnen toebedeeld zijn aan een jaar waarin ze nog niet bestonden, aangezien voor alle controlepanden bewoners/huishoudens en kenmerken uit 2015 zijn aangekoppeld. Hierdoor vallen deze woningen buiten de analyse.
  • Bewoners vanaf 16 jaar worden meegenomen in de aantallen bij het kenmerk Huwelijkse status. Het is dus mogelijk dat zowel de ouders als hun oudere thuiswonende kinderen mee worden geteld op een adres. Hierdoor kan het percentage ongehuwden hoger uitvallen dan verwacht.
  • Wanneer er in een woning meer dan één keer een hennepkwekerij is aangetroffen in de periode 2012-2019 wordt deze per jaar één keer meegenomen. Hetzelfde pand kan dus wel meerdere keren voorkomen, mogelijk met verschillende bewoners/huishoudens en bijbehorende kenmerken.

Bronbestanden

  • Maatwerkbestanden met locaties van alle hennepruimingen in verschillende gemeenten in Nederland;
  • Basisregistratie Personen (BRP) gemeenten;
  • Stelsel van Sociaal Statistische Bestanden (SSB).

De analyse

Om profielen van verdachten te bepalen op basis van kenmerken is een clusteranalyse uitgevoerd op de verdachtenpopulatie in Nederland. Een clusteranalyse classificeert groepen op basis van gelijke kenmerken. Deze kenmerken worden niet vooraf meegegeven, maar door de data bepaald. De statistische analyse gaat op zoek naar groepen van verdachten waarbij de verschillen binnen de groep zo klein mogelijk zijn en de verschillen tussen de groepen zo groot mogelijk. Het doel van het uitvoeren van de clusteranalyse is om subgroepen van verdachten te identificeren binnen een type drugsdelict. De analyse is uitgevoerd op hetzelfde databestand als waarop de beschrijvende analyse van persoonskenmerken is gedaan, op basis van persoonskenmerken van verdachten van verschillende drugsdelicten. De analyse is per drugsfeit uitgevoerd. De volgende kenmerken zijn meegenomen in de analyse:
  • Geslacht
  • Leeftijd
  • Plaats in huishouden
  • Sociaaleconomische status
  • Migratieachtergrond
  • Type woning
  • Woonplaats (ten opzichte van de pleegplaats van het delict)
  • Totaal keer verdacht van drugsdelicten in de gekozen periode

De populatie

De clusteranalyse is uitgevoerd op verdachten van bezit, handel in en vervaardiging van softdrugs of harddrugs. Deze populatie is op dezelfde manier tot stand gekomen als voor de beschrijvende analyse op persoonskenmerken. In deze analyse zijn unieke verdachten per drugsfeit meegenomen en de data voor heel Nederland is gebruikt. In de beschrijvende analyse is er gefocust op de verschillende steden van de City Deal, in deze analyse is breder gekeken naar heel Nederland. Verdachten die voor hetzelfde drugsfeit meerdere keren verdacht zijn geweest (onafhankelijk van de pleegplaats) zijn in deze analyse maar een keer meegenomen. Het meest recente delict is hierbij het uitgangspunt geweest.

Methode

Voor de clusteranalyse wordt er gebruik gemaakt van een k-prototypes algoritme. Dit algoritme combineert de methode om numerieke variabelen te clusteren (k-means) en de methode om categorische variabelen te clusteren (k-modes). De clusteranalyse berekent voor elke verdachte de afstand tussen de data van de verdachte en de andere verdachten in de dataset. Deze afstand geeft aan in hoeverre de verdachte op de verschillende variabelen veel lijkt op andere verdachten in de dataset. Op basis van deze afstanden worden er groepen gemaakt die dicht bij elkaar liggen en een grote afstand hebben tot de andere groepen. Voor de numerieke variabelen wordt de Euclidean distance maat gebruikt. Voor de categorische variabelen wordt de simple matching techniek gebruikt.

De analyse is uitgevoerd voor elk drugsfeit apart. Voor elk van deze drugsfeiten zijn drie clusters geselecteerd op basis van het aantal verdachten in het cluster, waarbij de grootste clusters zijn gekozen. Deze drie profielen worden gevisualiseerd in dit dashboard door de kenmerken van verdachten in elk profiel weer te geven. Het meest voorkomende kenmerk wordt in elk diagram uitgelicht.

Aandachtspunten

  • Een clusteranalyse is een unsupervised vorm van machine learning. Dit betekent dat er weinig sturing is op wat de uitkomst van het model is. De clusters die hier zijn geformuleerd zijn zo gekozen omdat ze uitlegbare profielen weergeven van verdachten. Er zijn meerdere profielen te formuleren vanuit de data en er is geen oplossing die als correct kan worden bestempeld. Interpretatie en bruikbaarheid zijn belangrijk bij een clusteranalyse.
  • Deze analyse is uitgevoerd op data die alleen verdachten uit politie registraties bevat. Dit betekent dat de persoonskenmerken niet de gehele groep van mensen betrokken bij drugscriminaliteit beschrijft. Niet-geregistreerde drugsdelicten blijven buiten beschouwing.
  • Omdat een aantal gegevens soms ontbreekt in de dataset is er bij de meeste drugsfeiten een cluster ‘onbekend’ gemaakt. Dit profiel bevat de verdachten waarbij veel gegevens onbekend zijn. De redenen dat de gegevens onbekend zijn, kunnen verschillen tussen bronnen en tussen verdachten, bijvoorbeeld omdat iemand in het buitenland woont. Deze onbekend-categorie wordt alleen gemaakt als deze minstens 5% van de groep verdachten omvat.

Bronbestanden

Er wordt voor deze analyse gebruik gemaakt van een maatwerkbestand met persoonskenmerken van alle verdachten van drugsdelicten in de periode 2012 tot en met 2018 (maatwerkbestand Analysebestand CD Drugs Persoonskenmerken 2012-2018). Dit bestand is samengesteld uit de volgende bronnen:
  • Basisvoorziening Handhaving (BVH) van de politie;
  • Basisregistratie Personen (BRP) gemeenten;
  • Stelsel van Sociaal Statistische Bestanden (SSB).

De analyse

Het doel van de analyse is het in kaart brengen van de familierelaties tussen drugsverdachten voor alle gemeenten in Nederland in de periode 2012-2018. Bij deze analyse wordt gekeken naar het aantal verdachten van vervaardiging van softdrugs en/of harddrugs en handel in harddrugs wiens familieleden ook verdacht zijn geweest van een van deze delicten in dezelfde periode.

Populatie

De analyse is uitgevoerd op basis van een bestand met daarin alle verdachten van druggerelateerde delicten die door de politie zijn geregistreerd in de periode 2012-2018. Dit bestand is samengesteld vanuit de Basisvoorziening Handhaving (BVH) van de politie, de Basisregistratie Personen (BRP) en het Stelsel van Sociaal Statistische Bestanden (SSB). Hierin zijn vervolgens de verdachten van vervaardiging van softdrugs, vervaardiging van harddrugs en handel in harddrugs geselecteerd. Om de familieleden van deze verdachten te identificeren is gebruikgemaakt van gegevens vanuit de BRP.

Methode

De basis voor deze analyse zijn alle verdachten van vervaardiging van softdrugs en/of harddrugs en handel in harddrugs in de periode 2012-2018. Voor deze personen zijn eerst de ouders geïdentificeerd op basis van gegevens over ouder-kindrelaties uit de BRP. Vervolgens zijn broers en zussen van de verdachten geïdentificeerd door te kijken welke andere kinderen van deze ouders in de BRP geregistreerd staan. Op dezelfde manier zijn vervolgens ook de kinderen, grootouders, ooms en tantes, en neven en nichten van verdachten geïdentificeerd. Binnen dit familienetwerk is gekeken welke personen zelf ook verdacht zijn geweest van vervaardiging van harddrugs en/of softdrugs en handel in harddrugs in dezelfde periode. De gegevens zijn vervolgens uitgesplitst naar de gemeente waar verdachten ten tijde van het plegen van het delict woonden. De familieleden van deze verdachten kunnen ook in andere gemeenten woonachtig zijn.

Aandachtspunten

Binnen het familienetwerk kunnen personen onder meerdere familierelaties voorkomen. Iemand kan bijvoorbeeld zowel een oom als een kind van verschillende verdachten zijn. Per familierelatie zijn personen echter maar een keer meegeteld.

In de analyse zijn alleen biologische verwanten van verdachten meegenomen. Aangetrouwde familieleden zijn buiten beschouwing gelaten. Ook overleden personen en personen die niet in Nederland geregistreerd staan ontbreken in deze gegevens. Voor een deel van de verdachten waren om die reden geen familierelaties vast te stellen.

Vanwege het risico op herleidbaarheid zijn percentages gebaseerd op aantallen kleiner dan 10 niet in de figuren opgenomen.

Bronbestanden

Er is voor deze analyse gebruikgemaakt van een microdatabestand met persoonskenmerken van alle verdachten van drugsdelicten in de periode 2012-2018. Dit bestand is samengesteld uit de volgende bronnen:
  • Basisvoorziening Handhaving (BVH) van de politie;
  • Basisregistratie Personen (BRP) gemeenten;
  • Stelsel van Sociaal-Statistische Bestanden (SSB) van het CBS.
Daarnaast is gebruikgemaakt van gegevens vanuit de BRP over ouder-kindrelaties.

Geraadpleegde bronbestanden

Begrippen

Afkortingen

Samenwerkingspartners

Contactgegevens

Heeft u vragen of opmerkingen over Zicht op Ondermijning, neem dan contact op met:
zichtopondermijning@ictu.nl