Esittelimme pelastustoimen johdon ja asiantuntijoiden vuotuisessa foorumissa Palopäällystöpäivillä Alueelliset ennustemallit ja pelastustoimen tulevaisuuden suorituskyky -hankkeen tuloksia, ja erityisesti sitä, miten digitaalista väestökaksosta kyetään käyttämään tietoperäiseen päätöksenteon tukeen ja palvelukyvyn arviointiin. 
Väestömallinnuksen avulla pyritään ennakoimaan muun muassa palvelutarpeen, kustannusten ja henkilöstötarpeen muutoksia sekä optimoimaan toimintaa asetettujen tavoitteiden mukaisesti. Data tekee turvallisuudesta mitattavaa ja ennakoitavaa.

• Väestöllisen digikaksosen keskeinen rooli: Analyysiemme ytimessä on väestöllinen digikaksonen, johon yhdistetään paikkatietoa sekä kontekstuaalista dataa, kuten Pronto-järjestelmän tietoja. Tämä integroitu väestö- ja aluemalli linkittää onnettomuudet väestöön ja sen rakenteeseen, mikä mahdollistaa riskien alueellisen arvioinnin.
• Kokonaistaloudellisten kustannusten arviointi: Yhdistämällä Sosped säätiön kehittämä kustannus- ja vaikuttavuuslaskennan menetelmä väestö- ja aluemalliin, muodostuu järjestelmä, joka mahdollistaa onnettomuuksista (kuten asuntopaloista, liikenneonnettomuuksista ja metsäpaloista) aiheutuvien yhteiskunnallisten kokonaiskustannusten erittelyn ja laskennan. Laskennassa kustannuskehitys jaetaan seurauksien maksajien mukaan, jolloin taloudelliset vaikutukset esimerkiksi hyvinvointialueille, valtiolle, kunnille tai Kelalle kyetään arvioimaan.
• Skenaariotyöskentely ja vaihtoehtojen simulointi: Malli sisältää kyvyn väestömuutosten ennustamiseen ja se tuottaa väestöön kytkeytyvien alueellisten onnettomuusriskien muutosennusteita joustavasti aina korttelitasolle saakka. Ennustemallia voidaan hyödyntää myös strategisen tason skenaarioiden muodostamiseen: Sillä voidaan analysoida muun muassa paloaseman lakkauttamisen, uuden perustamisen tai ennaltaehkäisevään toimintaan panostamisen vaikutuksia alueelliseen turvallisuuteen ja kustannuksiin.
• Datarakenteen siirrettävyys ja integraatio: Koko väestö- ja aluemalli datoineen muodostaa yhtenäisen tietokannan, joka on muunnettavissa standardoituun paikkatietomuotoon (GeoJSON). Tämä arkkitehtuuri varmistaa tiedon siirrettävyyden sekä hyödyntämisen muissa analyysiympäristöissä ja tekoälyratkaisuissa.