Datagedreven werken in de publieke sector: Lessen uit Zaanstad

door Marco Derksen op 18 november 2024

In de 29e aflevering van de podcast Datawijsheid in de Publieke Sector spraken Robin Hoogervorst en Aad Francissen met Tom Pots over zijn ervaringen met datagedreven werken (kortweg DGW) bij de gemeente Zaanstad. Tom deelt zijn inzichten en ervaringen over hoe DGW bij de gemeente is opgezet en geëvolueerd.

Image created by Midjourney (Prompt by Marco Derksen)

Het begin: Leren door te falen
Meer dan tien jaar geleden begon gemeente Zaanstad met een ambitieus datascience-project in het maatschappelijk domein. Het doel was om via voorspellende analyses beleid en besluitvorming te verbeteren. Dit project mislukte, wat pijnlijk duidelijk maakte dat de organisatie nog niet klaar was voor geavanceerde datamodellen. Er ontbraken essentiële basisvoorwaarden, zoals een gestructureerde aanpak en focus op de behoeften van teams.

Het falen bracht waardevolle inzichten. Tom en zijn collega’s ontdekten het Gartner-model, dat vier soorten analyses onderscheidt:

  1. Beschrijvende analyses: Het presenteren van wat er gebeurt via dashboards en monitors.
  2. Diagnostiserende analyses: Het verklaren waarom iets gebeurt.
  3. Voorspellende analyses: Het voorspellen van trends en gebeurtenissen.
  4. Voorschrijvende analyses: Het optimaliseren van processen door aanbevelingen te doen.

Waar de gemeente Zaanstad zich aanvankelijk richtte op voorspellende analyses, realiseerde het team zich dat beschrijvende en diagnostiserende analyses een noodzakelijke basis vormen. Dit werd een kantelpunt in hun aanpak.

Het zeslagenmodel: fundament van DGW
Na deze leerervaring ontwikkelde Zaanstad een zeslagenmodel, dat dient als een blauwdruk voor DGW. Dit model structureert de hele informatieketen, van dataregistratie tot strategische besluitvorming:

  1. Administratieprotocol laag: Deze laag vormt de basis voor datakwaliteit en richt zich op het vastleggen van duidelijke regels en standaarden voor dataregistratie.
  2. Applicatielaag: Hier vindt de daadwerkelijke dataverzameling plaats binnen operationele systemen en applicaties.
  3. Datalaag: In deze laag worden data uit verschillende systemen samengebracht in een centrale omgeving, zoals een datapakhuis. Zaanstad onderscheidt hierbij twee onderdelen: Analyse Datastore (ADS) en Operational Datastore (ODS).
  4. Visualisatielaag: Deze laag omvat tools en dashboards die data inzichtelijk maken voor eindgebruikers.
  5. Gebruikslaag: Hier vindt het daadwerkelijke gebruik van data in operationele en tactische processen plaats. Het draait om het interpreteren van de inzichten en toepassen in beleids- en besluitvorming.
  6. Besturingslaag: De bovenste laag richt zich op het koppelen van strategische doelen aan data-inzichten.

Deze structuur maakt het mogelijk om keten voor keten verbeteringen door te voeren, wat de implementatie overzichtelijk en beheersbaar houdt.

Het datapakhuis: de ruggengraat van DGW
Tom Pots definieert een datapakhuis als een centrale infrastructuur voor het opslaan en beheren van data, die bedoeld is om data breed toegankelijk en bruikbaar te maken binnen een organisatie. Hij onderscheidt het concept duidelijk van termen zoals “datawarehouse” of “datalake,” die vaak in commerciële contexten worden gebruikt. Het datapakhuis van de gemeente Zaanstad is ontworpen om de specifieke behoeften van een publieke organisatie te ondersteunen, met een sterke nadruk op privacy, gebruiksvriendelijkheid en efficiëntie.

Strategische keuzes: eigenaarschap en prioritering
Zaanstad wist DGW organisatiebreed te verankeren door leidinggevenden actief te betrekken bij strategische keuzes. Via een consultatieproces werden twaalf technologische thema’s geïdentificeerd, waarvan DGW met stip werd verkozen als prioriteit. Dit democratiseerde het proces: DGW werd niet langer een thema van één team, maar een gedeelde verantwoordelijkheid.

Het eigenaarschap op afdelingsniveau werd ook versterkt. Afdelingshoofden kregen verantwoordelijkheid over de processen, applicaties en dashboards binnen hun domein. Door deze structuur groeide het vertrouwen in en het gebruik van data.

Belangrijkste lessen
De ervaringen van Zaanstad leverden waardevolle inzichten op:

  1. Begin klein en praktisch: Zet in op beschrijvende analyses die aansluiten bij concrete vragen.
  2. Bouw stapsgewijs op: Werk keten voor keten aan datakwaliteit, visualisaties en gebruik.
  3. Focus op gebruik: Een analyse is pas waardevol als deze daadwerkelijk wordt toegepast.
  4. Werk kortcyclisch: Regelmatige evaluatie (elke twee weken) houdt projecten behapbaar.
  5. Durf nee te zeggen: Stel kritische vragen over doelstellingen en gebruik; zonder duidelijke antwoorden is het beter niet te starten.

Tot slot
Het verhaal van Zaanstad laat zien dat succesvol datagedreven werken draait om samenwerking, structuur en een focus op praktische toepasbaarheid.

Of zoals Tom Pots treffend samenvat: “Als je niet weet wat je wilt bereiken, weet je zeker niet wat je wilt weten.”

De persoonlijke verhalen, concrete voorbeelden en kritische reflecties maken deze podcast tot een absolute aanrader. Of je nu werkzaam bent in een gemeente, bij een andere publieke organisatie, of geïnteresseerd bent in hoe data effectief ingezet kan worden om maatschappelijke vraagstukken aan te pakken, deze aflevering biedt wat mij betreft waardevolle lessen. Luisteren dus!

Zie verder:

Geef een reactie

Je e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

Laatste blogs

Bekijk alle blogs (1033)
Contact