Hoe je geen data-monster van Frankenstein creëert

door: Johan Huttinga

We benaderen het onderwerp datagedreven werken nog steeds als een discipline die nieuw is. Maar we werken al veertig jaar met elektronische data. Wat is er aan de hand? En waar komt die angst voor data vandaan?

Gemiddelde leesduur: 4 minuten

Ontwikkeling Even terug naar het begin, want het automatiseren van data is al bijna een eeuw oud. In de tweede helft van de vorige eeuw werkten we met ponskaarten, dat veranderde met de ontwikkeling van de elektrochip. Grote logge computers deden hun intrede. Dat waren nog niet echt handzame apparaten. Dat versnelde met de komst van de personal computer. Van platte optellingen konden we nu ineens kruistabellen maken met ingewikkelde selecties en filters. De technologie werd laagdrempelig en bereikbaar voor een brede groep in de samenleving. Het verzamelen van data gebeurt sindsdien constant en is overal aanwezig. Zeker bij de overheid werd deze stap naar de toekomst al snel omarmd. Bij de bevolkingsregisters van gemeentehuizen waren begin jaren tachtig computers al een vast onderdeel voor het baliepersoneel. Eerst een stand-alone, waarbij de data alleen dáár leesbaar waren door diegene die toegang heeft. Al snel stonden deze computers met elkaar in contact. Met als groot voordeel: een computer in het netwerk geeft data die gedeeld kan worden, en gekoppeld kan worden met data uit andere computerterminals. Door dit netwerk werden data overal en door iedereen oproepbaar. De technische ontwikkeling ging snel, sneller dan de mens zelf. Niet de functionaris, maar het systeem werd leidend. Met de slagzin "Computer says no" bracht de Britse komedieserie Little Britain het op treffende en hilarische wijze onder woorden. De computer had, kortom, een eigen leven en is bepalend. De mens moest zich daar maar naar schikken en werd afhankelijk, zo leek het.

"Het risico dat we de verkeerde vraag stellen en verdrinken in de veelheid van informatie is groot"

Leidende principes Dat na zoveel decennia dataverzameling nog steeds veel weerstand oproept, is opvallend. We zien onvoldoende de meerwaarde. Regelmatig waarschuwen de media ons voor ‘enge’ thema’s als kunstmatige intelligentie, met als horrorscenario: computerprogramma’s die straks slimmer zijn dan mensen en een eigen leven gaan leiden. In het slechtste geval wordt het een soort Frankenstein, een slechte genius, die zich tegen de mensheid keert. De eerste generaties benaderden computers alsof het toverdozen waren. Je stopt er wat in, en er komt iets onverwachts uit, zonder een logische menselijke verklaring. Na al die jaren wordt data-analyse nu nog steeds zo benaderd. Het nieuwe toverwoord: algoritmes! Want ook dit wordt beschouwd als de sleutel naar een wereld die het menselijk brein overstijgt én bedreigt. Data-collecties Bijzonder is dat gemeenten het beeld hebben dat anderen, buiten de gemeente, informatie bezitten die zij nodig hebben. Dat terwijl ze er zelf op zitten en er zoveel belang bij hebben. De veelheid aan data bij gemeenten is overweldigend. Maar zonder de juiste vraag, krijgen data geen waarde en is het plat en levenloos. Gemeenten hebben veel gegevens, maar zijn het niet gewend om zelf actief die vraag te stellen en informatie te genereren. Sinds 2015 hebben gemeenten steeds meer de rol om, met beperkte budgetten, specifieke (kwetsbare) doelgroepen te helpen. Daarvoor is kennis nodig van doelgroepen. Voor een belangrijk deel is deze aanwezig in het sociaal domein, door organisaties van zorg en welzijn. Dit is kennis in de vorm van theorie, ervaring en inzicht. Maar de feitelijke kennis zit bij gemeenten, alleen dan in platte informatie. Focus Het risico dat we de verkeerde vraag stellen en verdrinken in de veelheid van informatie is groot. Om de kennis en data te interpreteren, is samenwerking met medewerkers en betrokkenen in het sociaal domein nodig. Bij data-analyse wordt hetzelfde gedaan als in de praktijk. Ga uit van bestaande intenties. Bijvoorbeeld: een kleine groep van inwoners (20 procent) heeft een hoog zorgverbruik (80 procent). Met weinig inzicht zou hier al veel resultaat behaald kunnen worden. Omdat het om een relatief kleine groep gaat met veel voorzieningen. Data-analyse als onderdeel van het centrale proces geeft de mogelijkheid om tot nieuwe inzichten te komen en meer maatwerk te leveren. Daarbij zit de grote meerwaarde in de informatie die het beleidsdomein overstijgt. Jeugd en Volwassen zijn gescheiden werelden, evenzo die van huisvesting en onderwijs, veiligheid en cultuur & Sport. Data-analyse kan deze domeinen ontsluiten en biedt daarvoor kansen. Een eerste reactie is snel gericht op het verbruik in budgetten, doelgroepen en middelen. Maar dan creëren we juist een monster van Frankenstein, een monster dat een eigen leven gaat leiden, los van de realiteit. Data-analyse geeft de mogelijkheid om kennis te krijgen van de kwetsbare mensen. Het geeft inzicht in hun copinggedrag en strategieën, hun keuzes, levensstandaard etc. Zodoende gaan data niet onze levens leiden, maar leren ze ons te focussen op zij die onze aandacht nodig hebben. Het geeft ons kennis en mogelijkheden om specifieke doelgroepen te benaderen en beter te ondersteunen. Alles hebben we daarvoor al in huis! Begrenzing Hoe kunnen we data gebruiken, zonder dat we een monster creëren? Door steeds als uitgangspunt te houden dat ook data-analyse mensenwerk is. De computer ondersteunt ons daarin, maar neemt het niet over. Het gaat ons geen ander inzicht geven op dingen die we hoogstwaarschijnlijk al op een of andere wijze weten. Maar het kan ons wel ondersteunen in onze analyse van de zorg die we hebben naar inwoners of juist hardnekkige aannames ontkrachten. Data-analyses door deskundigen, die betrokken zijn in het sociaal domein, hebben een meerwaarde om de financiële middelen daar in te zetten waar het nodig is. Hoewel we al 40 jaar de mogelijkheid hebben, zijn we nog steeds huiverig om data-analyses volwaardig toe te passen en te gebruiken als een instrument voor beleid en sturing. Niet de beperking van de computer is daarvan de oorzaak, maar de mens die bang is om een monster tegen te komen.

Johan Huttinga is operationeel manager en leidinggevende bij Factum Advies.