Bij veel publieke organisaties bestaat het geloof dat slim omgaan met data leidt tot betere resultaten voor burgers, zoals schonere straten, veiliger buurten, betere voorzieningen, etc. Maar hoe kom je van dit geloof tot daadwerkelijk betere resultaten op basis van data? Dit vraagt meer dan een data-analist aannemen en die een paar opdrachten laten uitvoeren. Waar begin je? Wat zijn essentiële onderdelen van je aanpak? Hoe begeleid je deze verandering? Wat moet je organiseren? Wat zijn belangrijke valkuilen en succesfactoren?
Deze week deelde Tom Pots zijn interview met de VNG over de werkwijze die Pots en zijn collega’s hebben ontwikkeld in de Gemeente Zaanstad om concrete resultaten te boeken op het gebied van datagestuurd werken.
Een overzicht van de 15 lessen uit Zaanstad:
| Les | Beschrijving | Hoe te beginnen |
|---|---|---|
| 1 | Creëer een gemeenschappelijke taal rond datagestuurd werken. | Begin met het definiëren van kernbegrippen en zorg voor een uniform begrip binnen de organisatie. |
| 2 | Start met de juiste analyse. | Focus eerst op beschrijvende en diagnosticerende analyses voordat je overgaat op voorspellende analyses. |
| 3 | Machine learning vraagt om afgebakende context en data. | Zorg voor duidelijk afgebakende vraagstukken en geschikte data voor machine learning projecten. |
| 4 | Stop met het voorspellen van menselijk gedrag. | Focus op toepassingen waar AI betrouwbaar en ethisch verantwoord is. |
| 5 | Creëer een paar successen en bouw daar een krachtig verhaal omheen. | Zoek naar projecten met een duidelijke meerwaarde en deel deze successen breed. |
| 6 | Creëer ruimte door de macht van de organisatie te laten kiezen voor data. | Betrek leidinggevenden vroeg in het proces en zorg voor organisatiebrede steun. |
| 7 | Doelen zijn altijd het startpunt. | Begin met het helder krijgen van wat je wilt bereiken alvorens te duiken in wat je wilt weten. |
| 8 | Ga op zoek naar kansrijke dataprojecten. | Gebruik instrumenten zoals het Datagedreven Innovatiecanvas om de slagingskans van projecten te beoordelen. |
| 9 | Werken met data betekent je onderdompelen in de data. | Zorg voor een actieve betrokkenheid bij en grondig begrip van de data. |
| 10 | Ontwikkel een middel om complexe vraagstukken samen met partners aan te pakken op basis van data. | Start samenwerkingsinitiatieven zoals een Data Lab om samen met partners data-gedreven vraagstukken aan te pakken. |
| 11 | Organiseer capaciteit om data te ontsluiten en analyseren. | Zorg voor een duidelijke rolverdeling tussen data-ontsluiting en data-analyse binnen de organisatie. |
| 12 | Ontsluit in samenhang alle beschikbare data en visualiseer die in dashboards. | Investeer in een Datapakhuis om data toegankelijk en bruikbaar te maken. |
| 13 | Creëer de ruimte om informatieketens te mogen verbeteren. | Focus op het verbeteren van de hele informatieketen voor effectievere data-analyse. |
| 14 | Doe het leren & inspireren niet alleen maar altijd over grenzen heen. | Werk samen met regionale partners en andere gemeenten om kennis en inspiratie te delen. |
| 15 | Stapel lokale verbeteringen. | Focus op het stapsgewijs verbeteren van datagebruik binnen verschillende thema’s en teams. |
In de komende jaren gaat Zaanstad verder om alle inhoudelijke teams die een gemeente rijk is, van jeugdzorg tot woningbouw, te leren werken met beschrijvende, diagnosticerende en voorspellende analyses. We blijven het met belangstelling volgen!
Bron: Datagestuurd werken: 15 lessen uit Zaanstad (pdf)
