Welke rol kan data spelen in de versterking van de sociale basis?
Netwerken en activiteiten van inwoners zijn de kern van de sociale basis. Steeds vaker lukt het inwoners, organisaties en gemeenten om naar een nieuwe rolverdeling te groeien. Klassiek sturen op geld en prestaties maakt op veel plaatsen in partnerschap en faciliteren. Het versterken van de sociale basis staat nadrukkelijk op de bestuurlijke agenda’s, onder meer vanuit de overtuiging dat dit helpt om het sociaal domein betaalbaar(der) en effectief te maken. Wat opvalt is dat het systematisch inzetten van data-inzichten nog geen vanzelfsprekendheid is. Data-inzichten kunnen helpen om de sociale basis te versterken en de impact van die sociale basis verder te vergroten.
Gemiddelde leesduur: 5 minuten
Sociale basis vraagt andere sturing
De sociale basis wordt gemaakt door inwoners en hun netwerken en door de sociale en fysieke infrastructuur. Gemeenten hebben hierin van oudsher een belangrijke rol, maar zijn niet de ‘eigenaar’ van alle activiteiten. De oude kreet ‘wie betaalt die bepaalt’ gaat hier niet of nauwelijks op. De sociale basis is immers een samenspel van (informele) initiatieven, verbanden en organisaties. Deze laten zich niet allemaal eenduidig aansturen. De rol van de gemeente in de sociale basis is veel meer die van partner en mede-speler in het netwerk. Bij het versterken van de sociale basis staat idealiter de opgave voor een wijk of een buurt centraal, en niet de gemeentelijke organisatie of andere institutionele belangen. Een veelheid aan organisaties, initiatieven en vrijwillige verbanden draagt bij aan het realiseren van de gezamenlijke doelstellingen. Het vraagt van gemeenten creativiteit om resultaten te bereiken op de geformuleerde opgaven zonder daarin de rol van opdrachtgever in te nemen. Klassiek sturen op geld en prestaties past daarom niet bij het versterken van de sociale basis. Dit inzicht wordt de afgelopen jaren steeds breder gedeeld en op veel plaatsen ook verder vormgegeven in de praktijk.
Hulp van data-inzichten bij andere rol gemeente
Gemeenten zijn op zoek naar het juiste instrumentarium voor nieuwe verhouding met inwoners. Daarbij past partnerschap en dialoog; ruimte maken voor inzichten en kennis van inwoners. Waar het gaat om het benutten van kennis uit data, zien we echter nog veel traditioneel gedrag. Gemeenten monitoren activiteiten en verzamelen gegevens primair als verantwoordingsinformatie. Deze informatie wordt veelal aangevuld met informatie uit inwonerpanels, gezondheidsmonitors, bijeenkomsten, en klantervaringsonderzoeken. De stem van de inwoner wordt daarmee wel gehoord, maar toch vooral gebruikt om tot een evaluatie of verantwoording van gevoerd beleid te komen.
Databronnen en data-inzichten
Om zicht te krijgen op de maatschappelijke opgaven op het niveau van de gemeente of de wijk, kan gebruik gemaakt worden maken van verschillende bronnen. Naast de klassieke informatie (beleidsnotities, monitors op wijk- en stedelijk niveau, klantpanels, inspraak en bewonersparticipatie) gaat het om om bronnen met data die kennis toevoegen over bijvoorbeeld het gedrag van inwoners. Denk daarbij bijvoorbeeld aan de manier waarop mensen van voorzieningen gebruik maken, hoe ze contacten onderhouden en hoe ze hun dagelijkse problemen oplossen. Door data goed te ontsluiten ontstaan inzichten en kennis. Data kan voor verschillende doeleinden ingezet worden, bijvoorbeeld om situaties te beschrijven beschrijvende inzichten, om te duiden en te analyseren of door voorspellingen op toekomstig gedrag te doen. In het kader geven we een toelichting op verschillende typen data-inzichten.
Beschrijvende inzichten Voorbeelden van beschrijvende inzichten zijn monitors gericht op zorg, welzijn, gezondheid en/ of leefbaarheid. Informatie uit deze monitors bestaat vaak uit gegevens over dienstverlening door de gemeente of maatschappelijke organisaties en klantervaringen of klanttevredenheid. Dit levert inzichten op waarbij gegevens gesorteerd en overzichtelijk gepresenteerd worden zonder verdere analyse. Voorbeelden hiervan zijn bijvoorbeeld hoeveel inwoners gebruik hebben gemaakt van een voorziening of wat de kosten zijn. Deze gemeentelijke informatie brengt maar een beperkt deel van de sociale basis in beeld: dat deel waarvan de gemeente opdrachtgever is. Duiden van inzichten Bij het duiden gaat het om verbanden tussen de verzamelde data. Het vraagt het slim combineren van verschillende sets van verschillende soorten data, met of zonder duidelijke structuur, om daar met analyses informatie uit te halen. Een voorbeeld van het inzichtelijk maken van onderlinge verbanden zijn inwonerprofielen. Deze zijn gebaseerd op het registreren, opslaan en analyseren van bepaalde karakteristieken van inwoners, zoals socio-demografische kenmerken of gedragskenmerken. Veel gegevens zijn terug te vinden in openbare bronnen en aan te vullen met specifieke gegevens uit een buurt, wijk of stad. Denk bijvoorbeeld aan het gebruik van de voedselbank, de sociale cohesie in een buurt of het aantal mensen dat actief is in een kerk. In deze enorme hoeveelheid gegevens, kunnen gerichte analyses zorgen voor clusteringen die zo bijvoorbeeld meer inzicht geven in welk type inwoner tot bepaald gedrag of beslissingen komt. Voorspellende data-analyse Op basis van het combineren en analyseren van historische en actuele data, kan met een algoritme een voorspelling gemaakt worden. Dit kan bijvoorbeeld een voorspelling van gedrag zijn van inwoners. De voorspelling maakt een kansberekening in welke mate een bepaald verschijnsel zich zal voordoen. Met deze inzichten kan geanticipeerd worden op veranderend gedrag. Zo kan bijvoorbeeld armoederisico iets vertellen over het gebruik van de voedselbank of van hulp om kinderen te kunnen laten sporten.
Nieuwe aanpakken in gemeenten
De traditionele manier om tot data-inzichten te komen binnen gemeenten gaat via de levering van monitorinformatie. Om de opgave op gemeentelijk of wijkniveau in kaart te brengen, werken gemeenten met de gegevens die zij zelf in bezit hebben. Deze gegevens worden nog wel aangevuld met data vanuit gemeenschappelijke regelingen, partners of opdrachtnemers van de gemeente. Denk aan de gezondheidsmonitor van de GGD of gegevens vanuit gesubsidieerde welzijns- en sportorganisaties. Er zijn veel voorbeelden van gemeenten die op deze wijze een ‘startfoto’ maken van een wijk. Dit zijn voorbeelden van beschrijvende inzichten. Zo ontstaan beschrijvingen van maatschappelijke problemen vanuit het perspectief van gemeentelijke data. De startfoto wordt vervolgens besproken met de andere organisaties in de wijk, om het beeld gezamenlijk te duiden. Het zijn in zekere zin dus onvolledige beschrijvingen van de sociale basis. We hebben nog geen sprekende voorbeelden gevonden waarin de partners vanuit de wijk op hun beurt ook weer nieuwe data toevoegen om het beeld vanuit een ander perspectief te verrijken. We zien pilots waarin gemeenten samen met ketenpartners uit andere domeinen (Zorgverzekeringswet of de langdurige zorg) data samenbrengen. Een goed voorbeeld betreft een samenwerking tussen een gemeente, een zorg- en welzijnsorganisatie, het lokale ziekenhuis, de GGD en de lokale koepel van huisartsen. In dit voorbeeld worden gegevens geanonimiseerd bijeen gebracht. Er worden ‘dossiers op elkaar gelegd’, met strenge regels voor waarborgen van privacy, om beter zicht te krijgen op kansen en bedreigingen voor groepen inwoners. Bijvoorbeeld: eenzaamheid onder thuiswonende ouderen wordt gemeten door de GGD. Deze gegevens worden op postcode-niveau gecombineerd met gegevens van bezoek aan huisartsen, en de registratie van valincidenten die leiden tot een bezoek aan de eerste hulp van het ziekenhuis. Zo kan het verband worden onderzocht en eventuele risico’s eerder in beeld gebracht. Ook in dit voorbeeld worden de data-inzichten retrospectief opgebouwd door het combineren van gegevens over wat er niet goed gaat. Deze inzichten bieden handelingsperspectief voor nieuw beleid of ander gezamenlijk aanbod van de professionele partijen. Een ander voorbeeld van datagedreven werken is het initiatief SmartStart. Negen gemeenten in de regio Hart van Brabant werken samen met CentERdata van TilburgUniversity, de GGD en zorgaanbieder Sterk Huis. Zij combineren in dit programma data en kennis om eerder problemen bij gezinnen te ontdekken en zo vroegtijdig passend ondersteuningsaanbod te ontwikkelen. In een van de pilots is data op het niveau van gezinnen verzameld en de risicofactoren van leerachterstanden. Door profielen van gezinnen te maken en nieuwe inzichten te verzamelen over risicofactoren, wordt het mogelijk gezinnen gericht te helpen. Problemen voorkomen dus, op basis van data-inzichten, inhoudelijke kennis en een innovatieve aanpak. In alle bovenstaande voorbeelden wordt gebruik gemaakt van data die inzichtelijk maken wat er niet goed gaat in een gezin, huishouden, wijk of gemeente. De data is voornamelijk afkomstig uit monitorings- en verantwoordingsinformatie, van organisaties die staan opgesteld voor maatschappelijke problemen. We zien nog geen sprekende voorbeelden waarin deze data wordt verrijkt met andere bronnen die in beeld brengen wat er wel goed gaat. Waar ligt nu de kracht in een gemeenschap; waar zit het onbenutte potentieel voor het versterken van de sociale basis? Hoe brengen we dat nu met slim gebruik van data in beeld? En welke databronnen zouden we daarvoor moeten toevoegen aan bronnen die we nu inzetten om vooral de problemen in kaart te brengen? We zijn in onze inventarisatie onder gemeenten geen voorbeelden tegengekomen waarbij private databronnen over houding en gedrag van mensen worden gebruikt in combinatie met publieke data, om zo tot nieuwe inzichten over de sociale basis te komen. Bijvoorbeeld door inwonerprofielen of buurtprofielen op te stellen waarbij niet het gebruik van (gemeentelijke) voorzieningen centraal staat maar het gedrag in het gewone leven (werken, reizen, ontmoeten, verhuizen, sporten).
Data-toepassing is schaars, maar biedt nieuwe perspectieven
Data-toepassingen die helpen om het gedrag van inwoners te duiden, zijn binnen het sociaal domein nog schaars. Bij een meer faciliterende rol ter versterking van de sociale basis, moeten gemeenten op zoek naar nieuwe data(bronnen) en toepassingen. De oplossing ligt niet in het maken van een ‘super monitor’ met extra gegevens om de sociale basis te volgen. Het gaat juist om het toevoegen van nieuwe perspectieven zoals inzichten vanuit het inwonerperspectief. Denk bijvoorbeeld aan data die helpen bij nieuwe inzichten over kansen of onbenut potentieel in een wijk of bij bepaalde inwoners. Dit type inzichten voegt relevante informatie toe aan bestaande inzichten over de sociale basis en deze kunnen juist door partners in de uitvoering opgepakt worden. Een passende rol van de gemeente hierin is om deze beweging aan te jagen en actief te ondersteunen, bijvoorbeeld door het aanreiken van analysetools en kennis.
Heleen Rijnkels is senior adviseur bij BMC. In die functie helpt ze gemeenten bij het ontwikkelen van nieuwe vormen van sturing en bekostiging, de doorontwikkeling van sociale teams en integrale toegang, en de transformatie in het sociaal domein (onder andere door onderzoek naar de draagkracht van inwoners). Kees-Jan van de Werfhorst is senior onderzoeker en adviseur bij BMC. In zijn opdrachten begeeft hij zich rond vraagstukken in het sociaal domein op het grensvlak tussen analyse en advies. Als onderzoeker helpt hij met het monitoren van resultaten, analyseert hij knelpunten in de samenwerking, of toetst hij de voortgang van uitvoeringsprogramma’s. Waar mogelijk maakt Kees-Jan gebruik van data om ervaringen en ontwikkelingen te objectiveren.