Van datagestuurd naar waardegestuurd werken

Shintō Labs voegt met data waarde toe aan organisaties die bezig zijn met het oplossen van een maatschappelijk vraagstuk. Wat wij bedenken moet mensen scherper maken en een stap vooruit helpen in hun werk. Bij abstracte beleidsthema’s (zoals overlast) kan data analyse helpen bij de feitelijke onderbouwing van het probleem.

Data kan helpen om problemen te objectiveren om van daaruit prioriteiten te stellen over het oplossen daarvan. Maar begin bij het begin. Maak eerst een beschrijvende of descriptieve analyse om vervolgens te groeien naar een volgende stap. Het Gartner Analytic Ascendancy Model geeft een leidraad hoe die groei eruit kan zien. Het model biedt een raamwerk voor stapsgewijs ‘waardegestuurd’ ontwikkelen.

Datagestuurd werken begint bij het luisteren naar de mensen op de werkvloer en niet bij de data of de technologie. Waarmee kunnen we ze het beste helpen? Waar zit de grootste pijn? Een van de grootste uitdagingen van beleidsmedewerkers is het bij elkaar brengen van relevante data en het geautoriseerd toegang krijgen tot die data. Heel vaak zien we dat data is opgeslagen in Excel-bestanden van individuele medewerkers. Of bij andere afdelingen of zelfs ketenpartners. Het bij elkaar brengen van die data en overzichtelijk presenteren daarvan levert vaak al enorme winst op.

Begin dus bij een beschrijvende analyse maar zorg er ook voor dat je kan doorgroeien naar een hoger niveau. Naar een diagnosticerende of zelfs voorspellende analyse. De software die je daarvoor gebruikt moet dat kunnen ondersteunen. Je wilt immers niet weer opnieuw met andere technologie aan de slag als je naar een volgend niveau wil. Onlangs hebben we een Design Sprint gedaan rondom het thema ‘Woonoverlast’ voor de gemeente Eindhoven. Woonoverlast is een van de speerpunten van de afdeling Veiligheid. Op basis van interviews met bewoners in de wijk, bleek dat het gevoel van onveiligheid vaak zijn oorzaak vindt bij bepaalde woningen of panden. Van geluidsoverlast, veel auto’s voor de deur, onbekende mensen die gedurende de dag woningen in en uit lopen. Soms werd hiervan melding gedaan door bewoners maar soms ook niet.

Van 27 panden was actief melding gedaan, maar door alle data bijelkaar te brengen kwam men tot een lijst van 43 panden. Een van de databronnen was een Excel-lijst van een medewerker van de afdeling Vergunningen die zich bezig hield met illegaal kamerverhuur. Een andere context, een andere afdeling, maar wel waardevol voor het vraagstuk ‘Woonoverlast’.

Het is een voorbeeld van het inzichtelijk maken van een probleem door alle data – ook van verschillende afdelingen – in één platform onder te brengen. Hierdoor ontstaat inzicht. We helpen handhavers om dit soort panden gericht te controleren. En omdat we ze in staat stellen om na controle op een eenvoudige manier feedback te geven aan het systeem, kan het systeem ‘leren’ en steeds beter voorspellen waar mogelijk wat aan de hand is. In de praktijk blijkt tevens dat er bij controle van dit soort panden vaak meer aan de hand is dan alleen de overlast; van uitbuiting en vrouwenhandel, tot hennepteelt en drugscriminaliteit. En daar is het uiteindelijk om te doen: de wijk en de stad veiliger en een beetje mooier maken.

Wil je meer weten over het bestrijden van woonoverlast met data? Klik dan hier.

Leestip: lees ook het blog van Tom Pots, Senior informatiemanager bij de Gemeente Zaanstad waarin hij zijn kijk geeft op het Gartner model.