Maak het bord op

Het laten zien van de inzichten vraagt om een bewust gekozen heldere visualisatie die aansluit bij de doelgroep.

"Ik kan de inzichten alleen maar delen met anderen als het op een duidelijke wijze kan worden getoond."

Vertaal resultaten voor de doelgroep

Uit een datatraject rolt een inzicht of oplossing die vaak een weg moet terugvinden naar de oorspronkelijke context van beleid of uitvoering. Bedenk goed wie u hier benadert. Wie is uw doelgroep/eindgebruiker en hoe kunt u de resultaten het beste presenteren? Bedenk goed wat het kennisniveau is en wat er met de informatie moet gebeuren. Moet het inzicht geven, een verschijnsel verklaren, iets voorspellen? Of moet er op basis van de resultaten een besluit worden genomen. Schat in hoe de resultaten in dat geval het beste tot hun recht komen. Vaak helpt het visualiseren van resultaten daarbij. Denk aan een grafiek, een kaart of het combineren van verschillende resultaten in een dashboard. Een icoon die statistiek en data tot leven bracht, is de pas overleden Hans Rosling. Ook in de New York Times maakt ze op bijzondere wijze gebruik van visualisatie.

Breng oplossingen in praktijk

Het is belangrijk dat er voldoende verbinding is tussen de data-analisten of het datateam en de collega's van Beleid en Uitvoering. Zorg dat de eindgebruiker aangehaakt is en dus niet volledig verrast wordt door de "nieuwe" wereld. De nieuwe beweging moet wel blijven aansluiten bij de oude belevingswereld. Een willekeurig voorbeeld: De motor van een elektrische auto maakt niet of nauwelijks geluid. Om toch de beleving van autorijden te ervaren, is speciaal motorgeluid toegevoegd. Zo is het ook met de resultaten van "big data-onderzoek". De wijze van informatie vinden mag dan anders zijn, de zichtbare resultaten moeten wel aansluiten bij de bestaande belevingswereld. Al heeft u tijdens een vakantie 3D door een kathedraal gelopen, de meeste mensen willen toch nog steeds de 2D-foto aan de wand als "output" hebben.

Cartoon

Serveer uit

Zorg ervoor dat de Data Science-resultaten worden benut. Heeft u zich de nieuwe onderzoeksmanier met Data Science eigen gemaakt en heeft u nieuwe inzichten in maatschappelijke vraagstukken verkregen? Dan is de volgende stap om deze ook daadwerkelijk van nut te laten zijn in de gemeentelijke praktijk.

"Het beleid wordt beter door het op feiten te baseren."

Definieer de oplossing

Maak concreet wat de resultaten vertellen. Klopt hierdoor de aanname waarop beleid is gestoeld niet? Is informatie gegenereerd die van nut is bij het vormgeven van beleid? Helpt het resultaat de uitvoerende gemeentetaken te vergemakkelijken? Of is een nieuwe methode ontwikkeld waarmee een oude manier informatievergaring (zoals enquêtes) kan worden vervangen? De interpretaties en doorvertaling naar de organisatie zijn uiterst belangrijk.

Optimalisatie

De grootste belofte van Data Science is dat het het beleid en de uitvoering van gemeenten beter worden. Dat geldt allereerst voor de maatschappelijke vraagstukken waarop het onderzoek zich richt, maar zeker op eventuele bijvangst die uit de analyse komt. Big data-analyse en Data Science kunnen tot kennis leiden die niet door traditioneel onderzoek zijn te verkrijgen. Als deze kennis door experts van het betreffende vakgebied worden geïnterpreteerd en benut, kan beleid of de uitvoering daadwerkelijk efficiënter worden of op betere informatie worden gebaseerd. Daarnaast biedt deze nieuwe manier van werken een kans om verschillende kokers in de organisatie te doorbreken en samenwerking te realiseren tussen mensen van de inhoud en techniek.

Monitor beleid en actualiseer resultaten

Wanneer de resultaten hun weg naar de gemeentelijke praktijk hebben gevonden, is het belangrijk om te monitoren wat deze nieuwe inzichten voor het beleid of de uitvoering opleveren. Ook is het van belang om een proces in te richten voor de actualisatie van de data, zodat er, als dat nodig is, kan worden bijgestuurd. Als er nieuwe data(sets) beschikbaar zijn, kan er gecontroleerd worden of dit tot dezelfde conclusies leidt, of dat er nieuwe resultaten zijn waarop het beleid moet worden aangepast. Ook dit is onderdeel van datagedreven sturen.

Nodig uit om te komen eten

"Data laten leven: wat vertelt dit verhaal nou?"

Deel binnen eigen organisatie en daarbuiten

Het is belangrijk output te tonen om te enthousiasmeren en te stimuleren. Naast het belang van kennis die terugvloeit naar beleid en uitvoering, is het ook heel belangrijk om over de output te communiceren. Zo wordt het mogelijk om bewustzijn binnen de organisatie te genereren en collega's te betrekken. Maak vooral duidelijk wat de meerwaarde is voor het dagelijks werk van de beleidsmedewerkers en uitvoerende medewerkers. Op deze manier creëert u meer zichtbaarheid en betrokkenheid bij deze nieuwe onderzoeksmanier van maatschappelijke vraagstukken. Daarnaast is het verstandig om hier niet alleen binnen de eigen organisatie over te communiceren, maar het verhaal ook aan collega-gemeenten en stakeholders te vertellen. Op deze manier ontstaat kennisdeling en kruisbestuiving.

Manage verwachtingen

Het is belangrijk dat de betrokken collega's en bestuur realistische verwachtingen hebben. Big data en Data Science zijn geen heilige gralen, maar kunnen zeker bijdragen om op een nieuwe manier naar vraagstukken te kijken. Ook kunnen ze nieuwe inzichten opleveren. Maar het managen van verwachtingen is essentieel.

Evalueer met elkaar

Een Data Science-project levert altijd wat op. Bijvoorbeeld door een geslaagde exercitie of omdat het ook iets toevoegt als het antwoord niet wordt gevonden. Daarnaast levert elk traject nieuwe kennis voor nieuwe trajecten. We oefenen met wat morgen deel wordt van het primaire proces. Evalueer de opbrengsten met elkaar.