Datagestuurdwerken in het sociaal domein
Data-gedreven werken, Data-gestuurd werken, Informatie-gestuurd werken, Inzicht-gestuurd werken, Artificial Intelligence. Allemaal termen die in de praktijk worden gehanteerd. Wat zijn de overeenkomsten en wat zijn de verschillen? En wat kunnen gemeenten met data en inzicht doen? Wij delen graag de praktijkbeelden die we in de Sociaal Domein Monitor zien.
Op 7 februari 2018 heeft Berenschot haar rapport 'Datagedreven sturing bij gemeenten' aangeboden aan haar opdrachtgever de VNG. Berenschot constateert in het rapport niet alleen dat er diverse termen voor hetzelfde idee worden gebruikt, maar dat bij dezelfde termen ook verschillende beelden bestaan in de praktijk. We adviseren daarom ook duidelijk met elkaar te bespreken wat de rol van data is in de eigen praktijk en welke verwachtingen partijen hebben. In de bijlage bij dit artikel hebben we het Berenschot/VNG rapport toegevoegd.
Terminologie en betekenis
Allereerst wordt in de theorie onderscheid gemaakt in data en informatie, waarbij veel definities van informatie in dezelfde richting wijzen, namelijk dat informatie geordende data is, waaraan betekenis kan worden toegekend. Data is dus input voor een verder veredelings- of verwerkingsproces. De tweede verbijzondering die wij in de praktijk graag toevoegen is het handelingsperspectief, waarin informatie een rol speelt. Wij zijn geneigd om te zeggen dat indien er in de besluitvorming of in het handelen geen veranderingen ontstaan door toevoeging van informatie, dat die informatie dan weinig tot geen toegevoegde waarde heeft. Er is veel data en met de dag groeit de hoeveelheid beschikbare data (zie onderstaande grafiek), maar de verbetering van ons stuurvermogen vertoont niet hetzelfde verloop. De hoeveelheid data die niet (zinvol) kan worden gebruikt is enorm en blijft toenemen.
Wat verwachten we van de inzet van data?
We zien partijen zoektochten in de data ondernemen naar verscholen 'inzichten'. Er is uiteraard niets op tegen om in de data te zoeken naar verbanden en correlaties. We zien echter in de praktijk dat het rendement (baten minus offers) van projecten zonder goed omschreven doel en verwacht rendement vaker ongunstig dan gunstig is. Er schuilt eveneens een gevaar in deze handelswijze, namelijk dat de 'gevonden' correlaties niet juist worden geduid of selectief (ten dienste van de 'wens') worden ingezet en daardoor tot interventies leiden, die weinig effect hebben of soms zelfs schade aanbrengen.
Gebruik data gericht op informatie en inzichten waaraan een verwacht effect en handelingsperspectief is gekoppeld. We zien in de huidige praktijk daarvan het meeste rendement. Plaats leren en exploreren in een ontwikkelperspectief met de juiste inzet en verwachting.
Data als 'glazen bol' versus 'beter begrijpen'
Vanuit de sociaal domein monitor hebben we ervaring opgedaan met het beter duiden van ontwikkelingen middels datagedreven inzichten en beschikbare (wetenschappelijke) kennis. Wat is het 'echte' vraagstuk? Hoe vaak komt het voor? Hoe omvangrijk zijn de kosten? Wat zijn de verwachte verbeteringen? Hoe loopt het verbeterproces en welke mate van effect wordt verwacht en gerealiseerd? Het succesvol inzetten van data bij het voorspellen van ontwikkelingen in het sociaal domein zien we nog niet vaak. Dat is vanuit de systeemtheorie ook niet zo vreemd, omdat het sociaal domein een complex adaptief systeem is, hetgeen impliceert dat er een relatief hoge mate van interactie tussen actoren is en er (mede daardoor) een lagere voorspelbaarheid bestaat van uitkomsten van interventies in het stelsel (emergentie).
Ondersteuning bij keuzen en monitoring van implementatie en effect
We zien dat toegevoegde waarde wordt verkregen als data wordt ingezet om meer inzicht te verkrijgen in specifieke vraagstukken, waarbij de informatie wordt ingezet om beter te kunnen duiden, interventies beter te implementeren en achteraf beter te kunnen meten welk rendement is behaald. Gartner plaatst dit gebruik in haar groeimodel in de eerste twee fasen. Wat is er gebeurd? en Waarom is het gebeurd? Zie nevenstaande model van Gartner.
Conclusie
De sociaal domein monitor wordt in de praktijk succesvol ingezet om ontwikkelingen in het sociaal domein beter te duiden en te doorgronden. Hierdoor kan meer focus op 'kernvraagstukken' worden ontwikkeld en worden schaarse tijd en middelen van gemeenten, CJG's, lokale teams en aanbieders gerichter ingezet. Wij zien meer (positief) rendement ontstaan als analyses en bijsturing van processen geschiedt op inhoud onderbouwd vanuit data en wetenschap. Beslissingen en implementatie-trajecten, waarin nauwkeurige informatie wordt betrokken, zien wij vaker succesvol verlopen dan verbeterprojecten, die alleen op visie en kwalitatieve uitgangspunten zijn gebaseerd.
Wij moedigen gemeenten en aanbieders dan ook aan om data in te zetten om de ketens in het sociaal domein transparanter te maken, verbeterinitiatieven vanuit (eigen) data te onderbouwen en data te gebruiken bij het duiden van het rendement van de verbeterinitiatieven. Het resultaat daarvan is meer grip op het sociaal domein, een hogere tevredenheid van inwoners en hogere efficiency.