Tag Archief van: data

Het is weer zover: de halfjaarlijkse woningbouwuitvraag

Het is weer zover.

In veel gemeenten en provincies wordt op dit moment hard gewerkt aan de landelijke uitvraag van woningbouwgegevens. Een periodiek moment waarop de voortgang van de woningbouwopgave en bijbehorende knelpunten, zoals financiering en netcongestie, in kaart worden gebracht.

Die uitvraag is de afgelopen periode intensiever geworden. Waar dit voorheen jaarlijks gebeurde, is inmiddels sprake van een halfjaarlijkse cyclus. Met vaste meetmomenten in het voor- en najaar proberen Rijk en provincies sneller inzicht te krijgen en bij te sturen op de doelstelling van 100.000 woningen per jaar.

Dat helpt om beter zicht te krijgen op de opgave. Tegelijkertijd legt het ook steeds meer druk op de manier waarop we data verzamelen, controleren en uitwisselen.

Het helpt om beter zicht te krijgen op de opgave

Een herkenbaar proces

De praktijk ziet er vaak ongeveer hetzelfde uit.

Projectinformatie wordt verzameld uit verschillende bronnen. In de praktijk worden alle projectleiders en woningcorporaties gevraagd om een update over hun projecten te geven: vaak een groot Excel-vergelijkings-circus en een intensief traject met veel overleg en afstemming. Cijfers worden vervolgens gecontroleerd en vergeleken met eerdere aanleveringen. Er ontstaan vragen over definities, fasering of totalen. Soms moeten gegevens opnieuw worden aangeleverd of aangepast.

Daarna volgt afstemming tussen gemeente en provincie. Wat is de juiste stand van zaken? Welke versie is leidend? En hoe sluiten de cijfers aan op eerdere rapportages? Het zijn geen grote problemen op zichzelf. Maar bij elkaar opgeteld zorgen ze voor veel extra werk, afstemming en onzekerheid.

Figuur: Zo ziet het proces er in de praktijk vaak uit

Waar het echt schuurt

Wat opvalt, is dat deze terugkerende inspanning vaak wordt gezien als onderdeel van de uitvraag zelf.

Maar in de praktijk zit het probleem meestal eerder in de keten.

Niet omdat mensen hun werk niet goed doen, maar omdat gegevens op verschillende momenten worden vastgelegd, definities net anders worden geïnterpreteerd en controles pas plaatsvinden wanneer de data al gedeeld moet worden.

In de praktijk zien wij dat inconsistenties in definities, fasering en totalen vaak ontstaan bij handmatige aanlevering en interpretatie van data. Dat vraagt niet om nóg een controle aan het einde, maar om structurele validatie en ondersteuning eerder in het proces.

In de praktijk zit het probleem meestal eerder in de keten

De keten achter de cijfers

De woningbouwmonitoring is geen losse rapportage, maar een keten.

Gemeenten registreren projecten. In veel regio’s, zoals in Brabant, Limburg, maar ook in Gelderland, Overijssel en Zuid- en Noord-Holland, werken gemeenten daarbij samen in regionaal verband aan de woningbouwopgave. Provincies controleren en verrijken deze informatie, waarna landelijke partijen de data bundelen en rapporteren.

Juist die regionale laag speelt in de praktijk een belangrijke rol. Hier worden afspraken gemaakt, cijfers vergeleken en verschillen zichtbaar. Tegelijkertijd is dit ook een punt waar interpretaties uiteen kunnen gaan als definities en werkwijzen niet eenduidig zijn ingericht.

Zolang deze stappen niet goed op elkaar aansluiten, blijft de uitvraag een momentopname die veel handmatig werk vraagt.

En dus herhaalt hetzelfde proces zich ieder jaar opnieuw.

Wat er verandert als je het anders organiseert

We zien in de praktijk ook dat het anders kan.

Wanneer projectdata één keer wordt vastgelegd op basis van gedeelde definities, en vervolgens doorstroomt naar andere bestuurslagen, verandert de dynamiek.

Controles verschuiven naar voren in het proces. Verschillen in interpretatie worden eerder zichtbaar. En de uitvraag zelf wordt minder een apart traject, maar meer een logisch moment in een doorlopende informatiestroom.

Dat betekent niet dat er geen afstemming meer nodig is. Maar wel dat die afstemming plaatsvindt op inhoud, in plaats van op het reconstrueren van cijfers.

Wie het goed organiseert, merkt dat het vanzelf een stuk eenvoudiger wordt

Figuur: Zo werkt het wanneer de keten goed is ingericht

Wat wij doen om dit proces te verbeteren

In de praktijk zien we dat het verbeteren van dit proces niet begint bij rapportages, maar bij de inrichting van de onderliggende data.

In onze trajecten werken we met een flexibel datamodel, waarin ruimte is voor lokale en regionale verschillen, maar altijd binnen duidelijke kaders. Denk daarbij aan landelijke afspraken zoals de Basisset, aangevuld met provinciale of regionale uitvragen. Zo zijn er gemeenten die een wat afwijkende prijsklasse opdeling hanteren dan wat er op landelijk niveau als norm is vastgesteld. Ook zijn er variaties in planologische procesfasen die niet altijd 1-op-1 te vertalen zijn naar naar de landelijke Basisset.

Die combinatie van flexibiliteit en begrenzing zorgt ervoor dat gemeenten hun eigen praktijk kunnen blijven volgen, terwijl de uitwisseling van data tussen bestuurslagen wel consistent blijft.

Daarnaast besteden we veel aandacht aan het proces rondom de data. We organiseren ondersteuningssessies met gemeenten om de registratie goed neer te zetten en sluiten aan bij structureel overleg met provincies en regio’s om definities, validaties en werkwijzen op elkaar af te stemmen.

Juist die combinatie van datamodel, validatie en afstemming in de keten maakt dat het proces niet alleen technisch werkt, maar ook organisatorisch beheersbaar blijft.

Tot slot

Zolang woningbouwdata vooral wordt verzameld rond uitvraagmomenten, blijft het ieder jaar een intensief proces.

De vraag is niet zozeer hoe we de uitvraag efficiënter maken, maar hoe we ervoor zorgen dat de data daarvoor al op orde is.

Wie dat goed organiseert, merkt dat de uitvraag vanzelf een stuk eenvoudiger wordt.

Zie ook

Webinar

Whitepaper

Blogs

Nieuws

Illustratie van woningbouwmonitoring met dashboard, woningiconen en datakwaliteitscontroles

Een toekomstbestendige woningbouw monitor begint bij definities en datakwaliteit

De woningbouwopgave wordt steeds nadrukkelijker landelijk gemonitord. Realisatiecijfers, plancapaciteit, regionale voortgang en prestaties per sector vormen de basis voor bestuurlijke afspraken en parlementaire verantwoording. Die ontwikkeling is logisch. De opgave is groot, de ambities zijn concreet en publieke middelen zijn schaars. Transparantie en voortgangsinzicht zijn randvoorwaarden voor sturing. Maar goede monitoring begint niet bij dashboards. Goede monitoring begint bij definities — en bij datakwaliteit.

Waarom verschillen in cijfers onvermijdelijk zijn

In de praktijk bestaan er meerdere bronnen voor woningbouwcijfers. Denk aan:

  • Registraties op basis van de BAG
  • Verantwoordingsinformatie van corporaties
  • Regionale woondealmonitoring
  • Gemeentelijke projectadministraties

Elke bron heeft een eigen doel, eigen systematiek en eigen definities. Dat is logisch. Een statistische registratie meet voorraadmutaties. Een verantwoordingssystematiek meet productie-inspanningen. Een bestuurlijke afspraak meet realisatie ten opzichte van ambitie. Verschillen in uitkomsten zijn dan niet per definitie een fout. Ze zijn het gevolg van verschillende meetdoelen. Het vraagstuk is niet of verschillen bestaan. Het vraagstuk is of ze uitlegbaar, reproduceerbaar en bestuurlijk consistent zijn.

Landelijke monitoring vraagt om volwassen datagovernance

Naarmate monitoring een steviger rol krijgt in nationale sturing, worden drie vragen relevanter:

  1. Welke definitie hoort bij welk beleidsdoel?
    Monitoren we voorraadontwikkeling, productie, plancapaciteit of afgesproken prestaties?
  2. Welke bron is leidend in welke context?
    Is dat een statistische registratie, een verantwoordingsdataset of een bestuurlijke projectadministratie?
  3. Wordt die keuze consequent toegepast over bestuurslagen heen?
    Of ontstaan er verschillende waarheden per rapportage?

Zonder expliciete keuzes verschuift het debat van voortgang naar definities. Dat is bestuurlijk onwenselijk, zeker wanneer monitoring onderdeel wordt van nationale afspraken en meerjarige programma’s. Landelijke monitoring vereist daarom niet alleen data, maar een samenhangende datagovernance.

Datakwaliteit is een voorwaarde voor bestuurlijke betrouwbaarheid

Datakwaliteit wordt vaak gereduceerd tot volledigheid of actualiteit. In werkelijkheid omvat het meer:

  • Definitie-eenduidigheid
  • Consistentie tussen velden
  • Herleidbaarheid naar bron
  • Reproduceerbaarheid van uitkomsten
  • Geschiktheid voor rapportage op meerdere schaalniveaus

Wanneer deze dimensies niet expliciet zijn geborgd, ontstaat het risico dat verschillende rapportages verschillende uitkomsten geven — zonder dat duidelijk is waarom. Dat ondermijnt niet alleen vertrouwen in cijfers, maar ook in de monitoring als instrument.

Van registratie naar actieve kwaliteitsborging

De volgende stap in woningbouwmonitoring is daarom niet “meer data verzamelen”, maar actief kwaliteitsbeheer in de keten.

Dat betekent onder andere:

  • Logische controles tussen velden
  • Rekenkundige consistentiechecks
  • Signalen bij ontbrekende rapportagevelden
  • Vergelijking met externe bronnen zoals de BAG
  • Toetsing aan een gedeelde taxonomie

Datakwaliteit moet zichtbaar, meetbaar en bestuurbaar zijn. Niet als sluitstuk van een rapportage, maar als integraal onderdeel van de registratie.

De rol van een gedeelde taxonomie

Een toekomstbestendige monitorinfrastructuur vraagt om een expliciet begrippenkader. Een taxonomie legt vast:

  • Wat wordt verstaan onder plancapaciteit
  • Wanneer is een project in uitvoering
  • Wat telt als gerealiseerd
  • Welke woningcategorieën worden onderscheiden
  • Hoe aggregatie plaatsvindt naar regio of landelijk niveau

Zonder zo’n gedeelde structuur blijft monitoring afhankelijk van impliciete aannames. Met een expliciete taxonomie worden verschillen verklaarbaar en discussies inhoudelijk. Voor landelijke monitoring is dit essentieel. Niet om uniformiteit af te dwingen, maar om vergelijkbaarheid en transparantie te waarborgen.

Naar een toekomstbestendige monitorinfrastructuur

De komende jaren zal de behoefte aan landelijke voortgangsinformatie alleen maar toenemen. Monitoring wordt steeds meer gekoppeld aan:

  • Prestatieafspraken
  • Regionale woondeals
  • Financiële inzet
  • Publieke verantwoording

Dat vraagt om systemen die:

  • Definities expliciet maken
  • Bronverschillen inzichtelijk houden
  • Datakwaliteit actief ondersteunen
  • Over bestuurslagen heen consistent functioneren

Niet als tijdelijk rapportage-instrument, maar als structurele informatie-infrastructuur.

Tot slot

Monitoring is geen optelsom van cijfers. Het is een bestuurlijk instrument. Wanneer definities helder zijn, bronnen transparant en datakwaliteit geborgd, ontstaat een stevig fundament voor sturing. Zonder die basis verschuift de aandacht van voortgang naar interpretatie. De woningbouwopgave vraagt om ambitie. De monitoring ervan vraagt om precisie.

En precisie begint bij definities.

Wilt u verder dan alleen cijfers verzamelen en écht grip krijgen op uw woningbouwopgave in 2026? In ons webinar laten we zien hoe heldere definities, consistente datamodellen en structurele datakwaliteit samenkomen in een toekomstbestendige woningbouwmonitor. We delen praktijkvoorbeelden, laten zien hoe provincies en gemeenten dit organiseren en gaan in op de rol van landelijke monitoring.

Schrijf u in voor het webinar Grip op woningbouw in 2026 en ontdek wat dit concreet betekent voor uw organisatie. Inschrijven kan via deze link.

Zie ook

Webinar

Whitepaper

Blogs

Nieuws

Gemeente Kampen kiest voor Juno

De gemeente Kampen heeft onlangs besloten om de woningbouwopgave te gaan monitoren met Juno van Shintō Labs. Met Juno (voorheen Woningbouw Monitor) wil de gemeente de monitoring van de woningbouwopgave efficiënter ter hand nemen.  De gemeente Kampen is de hiermee de eerste gemeente in Overijssel die kiest voor Juno.

Juno is een software-oplossing ontwikkeld met en voor gemeenten en provincies. De kern van de oplossing bestaat uit het beheer en de visualisatie van data over de woningproductie, zoals de status van de projecten, de aantallen en soorten woningen per project. Met handige filters krijg je in één oogopslag inzicht in de gevraagde gegevens. Juno wordt inmiddels gebruikt door meer dan 100 gemeenten, provincies en regio’s.

Meer weten?

Heb je belangstelling voor de Juno? Wil je zien hoe deze werkt? Neem dan contact met ons op!

Zie ook

Whitepaper

Webinar

Nieuws

Blogs

Foto credits: Claudia Schillinger via Flickr

Metropoolregio Eindhoven versterkt regionale aanpak woningbouwopgave met de implementatie van de Woningbouw Monitor

Eindhoven, 19 juni 2023 – Shintō Labs, een innovatief softwarebedrijf dat zich richt op datagedreven oplossingen, heeft aangekondigd dat alle 21 gemeenten in de Metropoolregio Eindhoven (MRE) hebben besloten om de Woningbouw Monitor te gaan gebruiken. Deze belangrijke stap markeert een nieuwe mijlpaal in het bevorderen van effectief woonbeleid en het aanpakken van het groeiende woningtekort in de regio.

De Woningbouw Monitor is een krachtige datagedreven applicatie die beleidsadviseurs, woningbouwregisseurs en programmamanagers wonen in staat stelt om zicht te houden op de woningproductie en de woningvoorraad in hun gemeenten. Door middel van geavanceerde analyses en rapportages kunnen zij de voortgang van woningbouwprojecten, het aantal nieuwe woningen, locaties en andere relevante statistieken nauwkeurig volgen.

Van Stedelijk Gebied naar Metropoolregio

De afgelopen jaren maakten de negen gemeenten van het Stedelijk Gebied Eindhoven al met tevredenheid gebruik van de Woningbouw Monitor. Nu hebben alle 21 gemeenten in de Metropoolregio Eindhoven besloten om ook deze innovatieve applicatie te omarmen. Dit betekent dat alle beleidsadviseurs en programmamanagers wonen in de regio kunnen profiteren van gestandaardiseerde en uniforme gegevensanalyse, wat leidt tot een betere regionale samenwerking. Ook de Provincie-Noord Brabant stimuleert de ontwikkeling van deze monitor. Niet alleen als input voor de Brabantse monitor, maar ook als voorbeeld naar andere regio’s om te gaan werken met regionale datamonitoring.

Het besluit van de wethouders Wonen in de Metropoolregio Eindhoven om de Woningbouw Monitor op regionaal niveau te implementeren, benadrukt het vertrouwen dat zij hebben in de mogelijkheden en effectiviteit van deze datagedreven applicatie. “Door het gebruik van de Woningbouw Monitor wordt informatie-uitwisseling tussen gemeenten gestimuleerd en kan er een gecoördineerde regionale aanpak worden gerealiseerd om het woningtekort aan te pakken”, aldus Suzan van de Goor, vicevoorzitter van het portefeuillehoudersoverleg Wonen MRE.

Monitoren voortgang woondeals

Met de de Nationale Woon- en Bouwagenda wil minister De Jonge het landelijk woningtekort aanpakken. Deze agenda kent een regionale vertaling in zogeheten woondeals. Dit zijn afspraken tussen de betrokken partijen om de woningbouwopgave in 35 regio’s in Nederland aan te pakken. De Metropoolregio Eindhoven is één van deze regio’s. De Woningbouw Monitor gaat helpen om de specifieke afspraken en doelstellingen in de woondeal te monitoren en hierover te rapporteren.

“We zijn verheugd dat alle 21 gemeenten in de Metropoolregio Eindhoven hebben gekozen voor de Woningbouw Monitor“, aldus Bart Rossieau, directeur van Shintō Labs. “Dit getuigt van de sterke samenwerking en het gemeenschappelijke doel om de uitdagingen op het gebied van de woningbouwopgave aan te pakken. We zijn ervan overtuigd dat de Woningbouw Monitor een waardevol instrument zal zijn om de regionale ontwikkeling te bevorderen en de woningbouwactiviteiten in de Metropoolregio Eindhoven beter te stroomlijnen.”

Meer weten?

Heb je belangstelling voor de Woningbouw Monitor? Wil je zien hoe deze werkt? Neem dan contact met ons op!

De Metropoolregio Eindhoven bestaat uit de gemeente Asten, Bergeijk, Best, Bladel, Cranendonck, Deurne, Eersel, Eindhoven, Geldrop-Mierlo, Gemert-Bakel, Heeze-Leende, Helmond, Laarbeek, Nuenen, Gerwen en Nederwetten, Oirschot, Reusel-De Mierden, Someren, Son en Breugel, Valkenswaard, Veldhoven en Waalre.

Zie ook

Webinar

Whitepapers

Nieuws

Blogs

Masterclass – Het opsporen van verdachte netwerken in gemeentelijke data

Deze maand zijn we gestart met een serie video’s waarin we onze kennis delen onder de noemer: Shintō Labs Masterclass. In iedere editie komt een expert aan het woord om over een specifiek onderwerp zijn of haar kennis te delen. We gaan in op verschillende vraagstukken rondom datagedreven werken en data analytics in de overheid. Onderwerpen kunnen variëren van innovatie methodiek, privacy, ethiek maar ook meer technische onderwerpen als text analytics en graph databases.

Het opsporen van verdachte netwerken in gemeentelijke data

In deze editie vertelt data scientist Wesley Brants over over het opsporen van verdachte netwerken in gemeentelijke data. Aanbod komen onderwerpen zoals netwerktheorie, netwerk analyse, crime scripts en organized crime lab. Naast uitleg over de werking van graph databases worden ook voorbeelden uit onze praktijk besproken zoals de case Ondermijning & Fraude bij de gemeente Zaanstad en onze Risico Radar Ondermijning.

Vragen en feedback

Heb je een vraag of opmerkingen over de vodcast van Wesley? Laat het ons dan weten via onderstaand formulier!


Abonneren

Wil je automatisch op de hoogte blijven van nieuwe edities van de Shintō Labs Masterclass? Abonneer je dan op ons Youtube kanaal of stuur ons bericht via bovenstaand formulier en vink de ‘blog’ optie aan!

De slides

Master-Class-Netwerkanalyse

Relevante links

Andere masterclasses

Whitepapers

Productinformatie

Nieuws

Blogs

Webinars

Praktijkcases

Research

Masterclass – Hoe voorkom ik bias in algoritmes

Deze maand zijn we gestart met een serie video’s waarin we onze kennis delen onder de noemer: Shintō Labs Masterclass. In iedere editie komt een expert aan het woord om over een specifiek onderwerp zijn of haar kennis te delen. We gaan in op verschillende vraagstukken rondom datagedreven werken en data analytics in de overheid. Onderwerpen kunnen variëren van innovatie methodiek, privacy, ethiek maar ook meer technische onderwerpen als netwerkanalyses en graph databases.

Correctie van bias-versterkende feedbackloops

In deze editie vertelt CTO en Co-founder Eric van Esch over de rol van bias (onbewuste vooroordelen) in algoritmes, of zoals hij dat liever noemt: algoritmische systemen, en wat je daar tegen kunt doen.  Naast theoretische kennis worden ook voorbeelden uit onze praktijk besproken zoals de Milieu Navigator en onze Risico Radar Ondermijning.

Vragen en feedback

Heb je een vraag of opmerkingen over de vodcast van Eric? Laat het ons dan weten via onderstaand formulier!


Abonneren

Wil je automatisch op de hoogte blijven van nieuwe edities van de Shintō Labs Masterclass? Abonneer je dan op ons Youtube kanaal of stuur ons bericht via bovenstaand formulier en vink de ‘blog’ optie aan!

De slides

webinar-bias

 

Relevante links

Andere masterclasses

Blogs

 

Hoe je als gemeente kan vernieuwen met data en technologie in 5½ tips

Naast haar werk voor Shintō Labs, verdedigt Mignon Wuestman op 26 juni a.s. haar proefschrift over de evolutie van innovaties voor de Universiteit Utrecht. Zij deed vier jaar lang onderzoek naar de ‘stambomen’ van (wetenschappelijke) innovaties, en werkte op het raakvlak van onder andere complexiteitstheorie, economische geografie en sociologie. In deze blog deelt ze een aantal inzichten uit haar promotieonderzoek en gerelateerde onderzoeken, specifiek binnen de context van de lokale overheid.

Innovatie is een belangrijke drijvende kracht achter bedrijven, overheden en andere maatschappelijke spelers. Het helpt namelijk om maatschappelijke en technische problemen op te lossen, productiekosten te verlagen, je te onderscheiden van anderen, of nieuwe markten aan te boren. Daarnaast speelt innovatie natuurlijk een enorme rol in de wetenschap en in de kunst.

Het bedenken van nieuwe ideeën, het selecteren van goede ideeën, en het daadwerkelijk tot uitvoering brengen van die ideeën is echter niet eenvoudig. Dat komt doordat innovatie per definitie onzekerheid met zich meebrengt. De (maatschappelijke) problemen die we willen oplossen zijn over het algemeen namelijk zo complex dat het onmogelijk is om ze volledig te overzien. Daarnaast kunnen we niet in de toekomst kijken om goed te beoordelen wat het effect van een bepaalde innovatie zal zijn. Het gevolg daarvan is dat het vaak niet mogelijk is om volledig rationele beslissingen te maken, zoals vaak door economen wordt verondersteld. Om ondanks deze onzekerheid toch te kunnen innoveren is dus een belangrijke vraag: hoe kunnen overheden het beste omgaan met de onzekerheid van innovatie?

Innovatie is staan op de schouders van reuzen

In het kort zijn innovaties op de markt gebrachte inventies. Het kan daarbij gaan om producten die je vastlegt in patenten en in een winkel verkoopt, maar ook om wetenschappelijke ontdekkingen die opgeschreven en gepubliceerd worden, of bijvoorbeeld nieuw beleid dat ingevoerd wordt.

Figuur 1: stamboom van innovaties

Het ontstaan van innovatie wordt vaak vergeleken met de evolutie van planten en dieren. Net als in de biologie, zijn termen als ‘mutatie’, ‘fitness’, en ‘selectieomgeving’ ook relevant bij innovaties. Net als in de biologie, is het ook bij innovaties zo dat je verschillende generaties kan onderscheiden, en wordt er informatie doorgegeven van generatie op generatie. In de biologie heb je het dan over DNA, in de innovatietheorie gaat het bijvoorbeeld om producteigenschappen. Waar je in de biologie dus met stambomen, of ‘genealogieën’ kan werken om deze ontwikkeling te visualiseren, kan dat met innovaties dus ook (figuur 1). In het kort geldt voor dat soort netwerken:

  • Ieder bolletje stelt een idee (een innovatie) voor. Zo’n idee kan zijn vastgelegd in een patent, een wetenschappelijk artikel, een beleidsstuk of het brein van een slimme uitvinder of het collectieve brein van een team
  • Ieder lijntje staat voor het erven van bepaalde eigenschappen van idee naar idee
  • Ideeën kunnen eigenschappen erven van meerdere bestaande ideeën. Dat noemen we ‘recombinatie’.
  • Door dit proces ontstaan er paden die divergeren en convergeren, en die daarmee iets zeggen over de evolutie van ideeën.

Precies dit soort netwerken vinden we terug onder wetenschappelijke artikelen en patenten (figuur 2), teams van jazzmuzikanten (figuur 3), en in het geval van mijn thesis, wiskundigen (figuur 4). Naast netwerken van patenten, papers, teams of individuen zijn dit dus ook netwerken van innovaties.

Figuur 2: Citatienetwerk van Ethernet-patenten 1977-2002 (Fontana et al., 2009)

Figuur 3: Netwerk van steden verbonden door jazzmuzikanten-mobiliteit (Phillips et al., 2011)

Figuur 4: Mentorschapsgenealogie van Nederlandse wiskundigen (Wuestman et al., 2020)

Er zijn veel voorbeelden te geven van overheidsprocessen die de recombinatorische aard van innovatie illustreren. Kruisbestuivingen tussen verschillende lokale overheden, afdelingen of teams zijn een goed voorbeeld. Individuele werknemers nemen ook ideeën mee uit eerdere projecten of banen.

Nu je weet dat innovaties voortkomen uit het recombineren van eerdere innovaties, is het niet moeilijk om je voor te stellen hoeveel innovaties er mogelijk zijn. In theorie kan ieder ‘bolletje’ gecombineerd worden met ieder ander bolletje. We kunnen er echter niet vanuit gaan dat ieder van die combinaties ook een goed idee oplevert (of, in evolutionaire termen: een hoge ‘fitness’ heeft). Sterker nog, dikke kans dat de overgrote meerderheid geen goed idee is. Als innovator ben je dus op zoek naar een speld in een hooiberg. Hoe voorkom je dat je je blind staart op het hooi, en zo snel mogelijk die speld vindt?

1. Bepaal je doel

Er zijn verschillende types innovaties. Grofweg onderscheiden we er twee: incrementele en radicale innovaties.

Incrementele innovaties zijn kleine veranderingen die ons idee over ‘hoe de wereld in elkaar steekt’ in stand houden. Het zijn verbeteringen aan bestaande eigenschappen die bijvoorbeeld de gebruiksvriendelijkheid vergroten of het productieproces versnellen. Als we incrementele innovaties bekijken vanuit het evolutionaire perspectief dat ik hierboven heb uitgelegd, kun je incrementele innovaties vaak zien als recombinaties van ideeën die op elkaar lijken. Combineer bijvoorbeeld de goede eigenschappen van bolletje #9 met de goede eigenschappen van bolletje #10 met elkaar. In lokale overheden komen natuurlijk veel innovaties voor, waaronder veel incrementele innovaties. Zo kan een gemeente bijvoorbeeld de aanpak van een andere gemeente overnemen, maar deze aanpassen naar de lokale omstandigheden.

Radicale innovaties zijn grote veranderingen die wel onze aannames over de wereld op het spel zetten. Radicale innovaties leiden tot nieuwe paradigma’s. Vanuit evolutionair perspectief kan je zeggen dat radicale innovaties tot belangrijke nieuwe vertakkingen in een netwerk van ideeën leiden. Vaak zijn radicale innovaties tot stand gekomen door recombinaties van heel diverse ideeën: bolletjes die in het netwerk heel ver uit elkaar liggen, zoals bolletjes #10 en #16. Natuurlijk komen ook radicale innovaties voor in de overheid. Dit gebeurt bijvoorbeeld wanneer een overheidsorganisatie methoden uit de start-up wereld gebruikt om toe te passen op overheidsproblematiek.

Incrementele innovaties komen dus vaak tot stand door recombinaties van ideeën die op elkaar lijken, terwijl radicale innovaties recombinaties zijn van ideeën die niet op elkaar lijken. Dit gegeven kan je gebruiken wanneer je wil innoveren. Het kan nuttig zijn om jezelf af te vragen of je uit bent op een kleine verbetering of op een rigoureuze doorbraak. Zoals ik eerder zei, kan je je het netwerk van ideeën namelijk ook voorstellen als een netwerk van mensen. Als je het zo bekijkt, zou je kunnen concluderen dat incrementele innovaties vaak bedacht worden door teams van mensen die op elkaar lijken, zoals experts op het product dat verbeterd moet worden, terwijl radicale innovaties vaak bedacht worden door diverse teams die in staat zijn inzichten uit verschillende werelden te combineren.

Tip 1: radicale innovaties vragen om diversere ‘inputs’ dan incrementele innovaties.

Een consequentie van het combineren van ideeën die ver uit elkaar liggen is niet alleen dat ze een grotere kans hebben om tot een doorbraak te leiden. Ideeën die zo ver uit elkaar liggen zijn namelijk waarschijnlijk veel moeilijker te combineren dan ideeën die op elkaar lijken. Dat kan komen doordat niemand eerder zoiets geprobeerd heeft, of omdat de ideeën zo verschillend zijn dat ze nauwelijks compatibel zijn. Het is daarom aannemelijk dat incrementele innovaties tot een relatief kleine opbrengst leiden, maar ook minder risicovol zijn, terwijl radicale innovaties een enorme opbrengst kunnen leveren, maar ook een grotere kans hebben om op niks uit te draaien. Ook dat is iets om rekening mee te houden wanneer je wil innoveren!

Tip 2: diversiteit aan inputs is ‘high risk, high gain, dus kies waar je voor wil gaan.

Survival of the fittest bij start-ups en spin-offs

Neem bijvoorbeeld het concept van ‘spin-offs’. Spin-offs zijn kleine, nieuwe bedrijven die ontstaan vanuit grotere, gevestigde bedrijven. Vaak is het zo dat een werknemer bij een gevestigd bedrijf vertrekt omdat zij een idee heeft dat niet past binnen het gevestigde bedrijf, en besluit haar eigen bedrijf te beginnen. De kans is groot dat zij daarbij toch een aantal aspecten van het gevestigde bedrijf zal meenemen, zoals de kennis die zij daar heeft opgedaan. Deze kennis ‘erft’ het nieuwe bedrijf dus van het oude bedrijf. Niet alle spin-offs zullen lang blijven bestaan: alleen die spin-offs die het lukt om zich zo te ontwikkelen dat zij goed aansluiten bij de markt en relevante productieketens zal het lukken om succesvol te zijn. In andere woorden: die bedrijven die zich het best weten aan te passen aan hun selectieomgeving. U ziet het al aankomen: survival of the fittest.

2. Fail fast

Om snel tot dat ene goede idee tussen de 99 slechte ideeën te komen is het natuurlijk belangrijk om zo min mogelijk tijd, geld en frustratie te besteden aan ideeën die uiteindelijk niet blijken te werken. Dat is natuurlijk behoorlijk intuïtief, maar er is ook een innovatietheoretische reden om niet te veel te investeren in ideeën die zichzelf nog niet bewezen hebben. Dat heeft te maken met ‘padafhankelijkheid’.

Padafhankelijkheid betekent dat wanneer we eenmaal een bepaalde route zijn ingeslagen in het netwerk van innovaties, het heel lastig is om nog van die route af te wijken. Daar zijn een aantal redenen voor. Ten eerste is het door de recombinatorische aard van innovaties zo dat onze opties op dit moment worden bepaald door onze keuzes uit het verleden. Je kan immers alleen combinaties maken van ideeën die er al zijn. Als je veel investeert in een bepaald pad, vorm je daarmee dus een belangrijk deel van je bibliotheek aan ideeën. Ten tweede raken we vaak ‘locked-in’ in ideeën waar we als maatschappij veel in geïnvesteerd hebben. Ter illustratie: in tegenstelling tot u misschien denkt is ons QWERTY-toetsenbord helemaal niet ontworpen om zo snel mogelijk te kunnen typen. Het QWERTY toetsenbord komt uit de tijd van de typemachines, en is zo ontworpen dat lettercombinaties die vaak voorkomen ver uit elkaar geplaatst zijn, zodat de hamertjes van de typemachine niet in de knoop raken. Het toetsenbord is voor ons dus suboptimaal en helpt ons niet om snel te typen. Het lukt ons echter niet om over te stappen naar een sneller of ergonomischer toetsenbord, want probeer maar eens opnieuw te leren typen. Iets soortgelijks geldt ook voor de overstap van benzine- en dieselauto’s naar elektrische auto’s, waarvoor er nog niet zo’n gedegen infrastructuur bestaat als voor benzineauto’s. Nationale en lokale overheden hebben bij uitstek te maken met dit soort ‘interdependencies’, omdat zij verantwoordelijk zijn voor het beheer van hele systemen en niet, zoals vaak in de bedrijfswereld voorkomt, van individuele producten.

Het gevolg van padafhankelijkheid is dat het belangrijk is om veel te leren over verschillende alternatieve oplossingen voor een probleem, zodat je kan voorkomen dat je je committeert aan een suboptimale oplossing. Lock-ins kan je niet helemaal voorkomen omdat je niet kan weten of een optimale oplossing op dit moment in de toekomst nog steeds de beste oplossing is, maar het helpt zeker om op de hoogte te blijven van nieuwe ontwikkelingen en gekozen oplossingen altijd te blijven valideren. Investeer dus niet te veel in die 99 slechte ideeën. Zet in op leren, en wees bereid om van richting te veranderen als dat nodig is.

Tip 3: voorkom dat je vastzit in een suboptimale oplossing door veel te experimenteren

Tip 4: begin vroeg met valideren, en blijf valideren.

3. Denk modulair

Maatschappelijke en technische problemen zijn vaak niet alleen complex in de zin van ‘ingewikkeld’, maar ook in de zin van ‘complexe systemen’. Complexe systemen zijn systemen die bestaan uit heel veel kleine, relatief eenvoudige, onderdeeltjes. Door de interactie tussen die onderdeeltjes ontstaan patronen die bijna niet te verklaren zijn. Denk bijvoorbeeld aan het dansen van een zwerm spreeuwen, auto’s die files vormen, onze hersenen en de zenuwcellen daarbinnen, of het ecosysteem in een bos. Het ingewikkelde daaraan is dat je bij een complex systeem nooit helemaal kan overzien wat de gevolgen van een interventie zijn. Als je te veel zwijnen in een bos uit zou zetten, zou er door de interactie van die zwijnen met andere onderdelen van het systeem zomaar een onvoorziene insectenplaag kunnen ontstaan. Bij innovatie in onze maatschappij werkt het net zo: wanneer je één onderdeel van de maatschappij verandert, zou dat kunnen betekenen dat een heel ander onderdeel niet meer werkt of anders werkt.

Stambomen van gereedschappen

Over de hele wereld worden de meeste antropologische musea ingericht per bevolkingsgroep of werelddeel. Het Pitt Rivers Museum in Oxford, waar ik vaak kwam toen ik voor mijn promotieonderzoek een paar maanden te gast was aan de universiteit, besloot het anders aan te pakken. Meneer Rivers hield bij zijn (enigszins omstreden) collectie gebruiksvoorwerpen geen geografische indeling maar een evolutionaire indeling aan. Hij verzamelde bijvoorbeeld alle knuppels die hij had, en vormde hiermee een soort stamboom. In het plaatje hieronder is prachtig te zien hoe het ontwerp van de knuppel varieerde van plek tot plek, en door de tijd heen steeds verder divergeerde. Dat is op zich niet gek, want knuppels zijn een cultureel product dat door mensen wordt gemaakt en wordt aangepast aan hun lokale omgeving. Dat is toch fascinerend?

Figuur 5: Evolutionaire indeling knuppels (Pitt Rivers Museum Oxford)

In de wereld van de criminaliteitsbestrijding is er bijvoorbeeld sprake van het ‘waterbedeffect’: wanneer er druk wordt uitgeoefend op een vorm van criminaliteit op een bepaalde plek, zoals witwassen in een specifieke gemeente, kan dat als gewenst gevolg hebben dat die vorm van criminaliteit afneemt. Een onvoorzien bij-effect kan echter zijn dat er een toename ontstaat van criminaliteit op een andere plek, of van andere soorten criminaliteit, omdat de criminele activiteit zich verplaatst.

Soms kan dit soort complexiteit verholpen worden door het probleem op te delen in verschillende geïsoleerde modules. In dat geval spelen de complexe afhankelijkheden alleen binnen een module, en niet tussen modules onderling. Dan kunnen modules afzonderlijk geoptimaliseerd worden, en dat is veel makkelijker dan het optimaliseren van het hele systeem. In onze complexe samenleving is dat helaas makkelijker gezegd dan gedaan. In zo’n geval geldt: wees je bewust van de complexiteit van het probleem dat je probeert op te lossen. Staar je niet blind op een specifiek voorval, maar bestudeer de context waarin dit voorval plaatsvindt en verken welke mogelijke bij-effecten kunnen optreden bij een interventie.

Tip 5: denk en experimenteer op onderdelen, en niet op het geheel.

Tip 5: als Tip 5 niet lukt, wees je dan tenminste bewust van complexiteit.

Vodcast

Zie ook de vodcast van Mignon over dit onderwerp:

Relevante links

Credits

Photo by Diz Play on Unsplash

 

Masterclass – Innovatietheorie voor de datagedreven overheid

Deze maand zijn we gestart met een serie video’s waarin we onze kennis delen onder de noemer: Shintō Labs Masterclass. In iedere editie komt een expert aan het woord om over een specifiek onderwerp zijn of haar kennis te delen. We gaan in op verschillende vraagstukken rondom datagedreven werken en data analytics in de overheid. Onderwerpen kunnen variëren van innovatie methodiek, privacy, ethiek maar ook meer technische onderwerpen als netwerkanalyses en graph databases.

Innovatietheorie voor de datagedreven overheid

In deze editie vertelt data scientist Mignon Wuestman over haar onderzoek naar innovatietheorie en de toepassing daarvan voor de datagedreven overheid. Naast theoretische kennis wordt onze Design Sprint aanpak benoemd als voorbeeld en de Woningbouw Monitor ter illustratie van een modulair systeem.

Vragen en feedback

Heb je een vraag of opmerkingen over de vodcast van Mignon? Laat het ons dan weten via onderstaand formulier!


Abonneren

Wil je automatisch op de hoogte blijven van nieuwe edities van de Shintō Labs Masterclass? Abonneer je dan op ons Youtube kanaal of stuur ons bericht via bovenstaand formulier en vink de ‘blog’ optie aan!

De slides

Innovatietheorie_MLW_v2

 

Relevante links

Andere masterclasses

Blogs

 

Masterclass – Text Analytics en Machine Learning in de overheid

Deze maand starten we met een serie video’s waarin we onze kennis delen onder de noemer: Shintō Labs Masterclass. In iedere editie komt een expert aan het woord om over een specifiek onderwerp zijn of haar kennis te delen. We gaan in op verschillende vraagstukken rondom datagedreven werken en data analytics in de overheid. Onderwerpen kunnen variëren van innovatie methodiek, privacy, ethiek maar ook meer technische onderwerpen als netwerkanalyses en graph databases.

Text Analytics en Machine Learning in de overheid

In deze editie vertelt data scientist Martijn Heijstek over een toepassing van Text Analytics en Machine Learning in de overheid. Hij behandelt de case waarin content automatisch wordt geclassificeerd in het verlengde van een zaaksysteem: in dit geval Djuma van Visma|Circle.

Vragen en feedback

Heb je een vraag of opmerkingen over de vodcast van Martijn? Laat het ons dan weten via onderstaand formulier!


Abonneren

Wil je automatisch op de hoogte blijven van nieuwe edities van de Shintō Labs Masterclass? Abonneer je dan op ons Youtube kanaal of stuur ons bericht via bovenstaand formulier en vink de ‘blog’ optie aan!

Relevante links

Andere masterclasses

Blogs

 

 

Tag Archief van: data

Niets gevonden

Uw zoekopdracht leverde helaas geen artikelen op