Verisure

Digital indbrudsovervågning

‍

Vidste du, at der er en øget risiko for, at du får indbrud i dit hjem, hvis der har været et indbrud i dit nærområde inden for de seneste fire uger?

Det er en skræmmende statistik, som det godt kan betale sig at følge med i. Det giver dig nemlig mulighed for at tage dine forholdsregler og undgå at du selv bliver en del af statistikken.

‍

Udfordringen

Verisure er nordens største alarmselskab og specialister i sikring af private hjem. Med et ønske om, at øge bevidstheden om hvad man selv kan tage af forholdsregler for at sikre sig i mod indbrud, henvendte Verisure sig til vores gode venner hos Shape, der er nogle af de absolut bedste til at udvikle mobile apps i Danmark (og Schweiz).

Verisures idé var at lave en service der kunne samle data ind fra de lokale politikredse og derefter videreformidle informationen til brugerne af servicen.

Den idé var Shape helt med på og ideen blev suppleret med features som indrapportering af mistænkelig adfærd og et "indbrudskort", som kunne være et aktiv for folk på boligjagt.

Shape er som nævnt eksperter i at udvikle apps, men for at realisere Verisures ide skulle der samles en masse data ind fra alle de lokale politikredse. Og det var ikke bare sådan lige. Der skulle udvikles noget teknologi der kunne gennemgå politikredsenes rapporter, trække den relevante information ud og sende det videre til app'en. Alt sammen indenfor de juridiske retningslinjer der måtte være for brug af data hos udbyder.

Heldigvist vidste Shape, at vi er rigtig gode til den slags, og (endnu) et frugtbart samarbejde opstod.

‍

Løsning

Lookout er en gratis service (app) der kan vise dig hvad risikoen for indbrud er i dit lokalområde og advare dig når der har været et indbrud i nærheden eller en hvis en anden lokal bruger har set noget mistænkeligt.

Shape stod for selve app'en mens vi byggede det underliggende API og udviklede teknologien til at indsamle data.

De vigtigste datakilder er de lokale politikredses døgnrapporter, Facebooksider og Twitterprofiler. Til at indsamle dataen udvikledede vi en "scraper" som blev trænet til at afsøge og udvælge de relevante data i den konstante informationsstrøm.

‍