Befolkningsprognoser med Machine Learning – kan man det?

Session

Ledelsesinfo

Abstract

Befolkningsprognoser danner grundlag for en lang række beslutninger i kommunerne. Derfor er det en årligt tilbagevendende opgave i mange kommuner at udarbejde en prognose. Der er løsninger på markedet, som bygger på en række parametre som fertilitet, mortalitet, samt til- og fraflytning.

Hvad sker der, hvis vi i stedet for at vægte og vurdere subjektivt på disse parametre bruger Machine Learning til at blande kortene og give os et bud på resultatet? Måske gør vi det helt uden, at vi bagefter præcist kan sige hvordan og hvorfor prognosen blev sådan? Og tør vi det?

Oplægget vil beskrive den proces, vi som kommune har været igennem fra det tidlige forår og frem til timerne før Kortdage 2020. Hvilke overvejelser har vi gjort undervejs, og hvilke udfordringer giver Machine Learning? Hvordan bliver resultaterne modtaget? Hvordan har vi undervejs vurderet og justeret? Og hvor bidrager geodata og GIS-analyser?

Målgruppe

Målgruppen for foredraget er kommunale GIS- og analysemedarbejdere, samt ledere.

Yderligere uddybning af abstract

Befolkningsudviklingen har stor indflydelse på en kommunes økonomi. Budgetter på dagpasning, skoler og ældreområdet er bundet op på antallet af borgere i en given aldersgruppe og på en geografisk inddeling, fx skoledistrikter.

Giver en boligudbygningsplan behov for en ny skole og dermed investeringer på 3-cifrede millionbeløb? Hvad er befolkningsudviklingens indflydelse på den mellemkommunale udligning?

Flere leverandører har løsninger, hvor kommunerne enten selv eller med konsulentbistand danner prognosen på grundlag af en række parametre.

Men hvad nu, hvis parametre som fertilitet, mortalitet, til- og fraflytning, eller ind- og udvandring blev erstattet af Machine Learning på kommunens borgere og befolkningsudvikling? Får vi så et mere ”rent” produkt?
Er datagrundlag og Machine Learning stærkt nok til at kunne forudsige hvor mange, der bliver født flere år frem i tiden?

Hvordan bidrager geodata til befolkningsprognosen og ikke mindst til forståelsen af den?

Befolkningsprognoser med Machine Learning – kan man det?
Guldborgsund Kommune