De slimme stad, driven by data; niet omdat het kan, maar omdat het waarde toevoegt voor haar burgers. In veiligheid, in leefbaarheid, in geluk… Nog mooier is het als die stad haar kennis wil delen met zoveel mogelijk andere gemeenten. Zoals Den Bosch, dat een voorspellingsmodel heeft ontwikkeld voor Wmo-gebruik.
Door: Quita Hendrison
Karin Akkers is hoofd Onderzoek & Statistiek en programmamanager Slim 's-Hertogenbosch, driven by data. "In die twee hoedanigheden houd ik me bezig met dataprojecten. Intern om een datagedreven organisatie te worden, en extern om een datagedreven stad te worden. We doen projecten oude stijl, bijvoorbeeld enquêtes, en nieuwe stijl zoals data science projecten. De ontwikkeling van het samen-worden-small-data-big-data is een voorbeeld van dat laatste. Dat is niet willekeurig gekozen; we ontwikkelen projecten waar vanuit de beleidsafdelingen vraag naar is. Zodat er betrokkenheid is en we de resultaten daadwerkelijk kunnen toepassen in de primaire processen. Want een pilot opzetten is één, een proces borgen is twee.
De Wet maatschappelijke ondersteuning is voor elke gemeente relevant. Hoe ziet het Wmo-gebruik er in de – nabije – toekomst uit, hoeveel moeten we begroten? Onze gemeente heeft experts in huis die de richting aangeven. Waar zij behoefte aan hebben is een instrument om te toetsen of die richting de juiste is. Dat kan met een datamodel. Zo'n model voorspelt niet dé waarheid, maar geeft extra duiding. Het is een van de pijlers voor beleid."
Context en duiding
Zonder al te technisch te worden geeft Akkers een korte omschrijving van het voorspellingmodel. In het model zitten data die eerder al verzameld zijn voor andere doelen, administratieve doeleinden bijvoorbeeld. Die historische data worden samengevoegd en gekoppeld aan bijvoorbeeld de bevolkingsprognoses en met behulp van het algoritme (rekenformule) gebruikt om voorspellingen te doen. In dit geval van het Wmo-gebruik. In feite gaat het dus om een nieuwe manier om oude informatie in te zetten voor beleidsmatige interventies. Waarbij de context (hoever gaan de data terug, wat is de kwaliteit daarvan) belangrijk is voor de duiding. De uitkomsten, samen met de bevindingen van de experts vormen de input voor beleid. Akkers: "Bij die context horen ook de beleidskeuzes die onvermijdelijk in een dataverzameling zitten. Stel dat de vergoeding voor huishoudelijke hulp is verlaagd, dan heeft dat invloed op de totstandkoming van de databron. Niet erg, maar je moet het wel weten en meenemen in je duiding."
Small data
Akkers is trots op het brede ecosysteem in Den Bosch van kennisinstellingen, bedrijven en maatschappelijke partners waarin nu veel datagedreven projecten uitgevoerd worden. "We doen dit bijvoorbeeld samen met de Jheronimus Academy of Data Science (JADS), de enige data-universiteit van Nederland, en de Data Science Hub van VNG Realisatie. Het samen-worden-small-data-big-data is ook zo ontwikkeld. En de kennis en ervaringen willen we via de Data Science Hub zoveel mogelijk delen en daarin samenwerken met andere gemeenten. Omdat we met gemeenschapsgeld werken en omdat we samen veel verder komen. Als enkele gemeente heb je helemaal niet zoveel Wmo-data; alle Wmo-gebruikers in Den Bosch passen op één excel-sheet. Dat zijn small data als je dat vergelijkt met bijvoorbeeld de big data die sensors opleveren. Maar small betekent niet minder relevant en samen word je vanzelf big. Des te belangrijker om je met andere gemeenten te kunnen vergelijken om de eigen trends te valideren en een rijkere duiding te krijgen. Daarom zijn we met de Data Science Hub gaan kijken hoe we andere gemeenten konden aansluiten."
Basis is deelbaar
"In eerste instantie dacht ik dat dat eenvoudig zou zijn," vervolgt Akkers. "We delen gewoon het script – geschreven in de programmeertaal R – daar stop je als gemeente dan je eigen data in en klaar. Dat bleek zo niet te werken. Dat heeft te maken met de verschillen in context en databronnen in de verschillende gemeenten. Daarom heeft onze data scientist een stapsgewijze handleiding gemaakt. Die kun je samen met de code en een dummy-databestand (nepdata) gebruiken om te oefenen, zie het als een onlinecursus. Ben je 'geslaagd' dan kun je met je eigen data aan de slag. Daar moet je wel een aantal zaken voor geregeld hebben: kun je R op jouw netwerk installeren, heb je mensen in huis die daarmee kunnen werken, kun je bij je databronnen? We hebben dit met hulp van de Data Science Hub bij vijfentwintig gemeenten gedaan. En het werkt, de basis is deelbaar, dat was het eerste doel. Wat we uiteindelijk willen is dat straks elke gemeente het kan customizen aan de eigen lokale context en beleidskeuzes. Én dat ze die inzichten teruggeven aan de community. Want dat vind ik zo geweldig; dat er een community ontstaat waarin we het echt samen doen. Elke gemeente werkt anders en dat levert nieuwe inzichten op, feedback om door te ontwikkelen. Dat gaat wat mij betreft verder dan dit specifieke Wmo-project. Ik ben ook ontzettend nieuwsgierig wat andere gemeenten op de plank hebben liggen op het gebied van datamodellen."
Nieuw speelveld
Ondertussen werkt Den Bosch door aan de ontwikkeling van het eigen model. Akkers: "We gaan een jaar extra data toevoegen en er zijn plannen voor nieuwe variabelen; naast de bevolkingsprognoses kijken of we bijvoorbeeld ook met wijkvariabelen kunnen werken. Daarnaast blijven we andere gemeenten stimuleren om aan te sluiten. Zodat we samen patronen gaan zien, en de variabelen kunnen verdelen om te kijken wat dat voor effect heeft. Voor ons scheelt dat in werkdruk, maar vooral - ik kan het niet genoeg herhalen – zoeken we sparringpartners en een netwerk. Dit is een nieuw speelveld, met nieuwe vragen en uitdagingen, ook daar willen we met andere gemeenten over in gesprek. Den Bosch wil het Wmo-voorspellingmodel bijvoorbeeld niet inzetten als beslismodel. Maar hoe zien andere gemeenten dat en waar ligt dan de grens om zo'n model wel of niet bepalend te laten zijn in je keuzes? Het is eigen aan disruptieve ontwikkelingen dat we discussiëren, delen, leren, mythes ontkrachten. Dat we samen die leercurve doorgaan. Niet alleen gemeenten, maar ook met andere organisaties en bedrijven. Juist die cross-overs maken het extra waardevol en geven een fantastische energie. Dat voél je in dit bijzondere klooster waarin JADS is gevestigd: technologie van de toekomst op een plek met honderden jaren historie."
Data Science Hub
Auke Mollema vervult namens VNG Realisatie de rol van Adviseur Sturingsinformatie bij de Data Science Hub. "In het Wmo-project zijn wij de 'kennisbank' tussen de deelnemende gemeenten en Den Bosch. Daarnaast hebben we een echte hub-functie. We faciliteren gemeenten bij data science trajecten. Daarbij zorgen we voor afgeronde trajecten, betrekken we zoveel mogelijk gemeenten en werken we toe naar concrete resultaten. In 2018 lag de focus op het sociaal domein, met naast de Wmo-prognose ook een financiële forecast en een SES-indicatie. Dit jaar breiden we dat uit naar een regionale aanpak van maatschappelijke vraagstukken zoals de energietransitie en veiligheid.
Als hub faciliteren we in het delen van kennis en ervaring met data science door alle projecten die (willen) bijdragen aan een maatschappelijke opgave te verzamelen. We leggen vast voor welke opgave een project een oplossing is, welke datasets je nodig hebt en welk algoritme is gebruikt. Daarbij leveren we heldere instructies en zo mogelijk een dummy dataset zodat gemeenten zelf aan de slag kunnen. Wil je de ervaring (handleiding, algoritme en dummy data set) uit Den Bosch inzien en zelf ook gebruiken? Neem dan contact op via auke.mollema@vng.nl.
