|
|
|
| Vorige week donderdag was alweer het vierde en laatste jubileum webinar dat we organiseerden om ons 10-jarig bestaan te vieren. Dit keer ging het over datagedreven werken. Reinier (adviseur bij Native) was de moderator, Mariëlle en Jelle (beide adviseur bij Native) vertelden over de routekaart datagedreven werken en Bas (freelance data consultant, verbonden aan Native) presenteerde een praktijkcase van de gemeente Amsterdam. Het webinar begon met wat datagedreven werken is en met waarom datagedreven werken belangrijk en juist nu relevant is. Het grootste deel van het webinar ging over hoe je datagedreven werken kunt implementeren in je organisatie. Het was dan ook niet vreemd dat de routekaart datagedreven werken die we bij Native hebben ontwikkeld als leidraad werd gebruikt, aangevuld met verhelderende voorbeelden uit de praktijk. |
|
|
|
Om in de goede stemming te komen, startte Mariëlle met een poll onder de deelnemers over hoe over het algemeen besluiten worden genomen bij lokale overheden. Op basis van onderbuikgevoel of op basis van inzichten uit data. De deelnemers gaven aan dat het bij hen vaak op onderbuikgevoel gaat. Mariëlle herkende dat wel en ziet vaak dat het een combinatie van de twee is. Het webinar vervolgde met de vijf stappen die in de routekaart datagedreven werken beschreven zijn.
|
|
|
|
| 1. Waarom datagedreven werken
De eerste stap gaat over ‘waarom’. Waarom zou je willen dat de organisatie datagedreven werkt? Wat levert het concreet op? Hoewel de voorbeelden van succesvol datagedreven werken voor het oprapen liggen, blijkt het in de praktijk nog steeds niet eenvoudig te zijn om directie en management mee te krijgen.
|
|
|
|
|
|
|
|
|
| Jelle geeft aan dat onverwachte verrassende resultaten heel goed werken om dat wel voor elkaar te krijgen. Hij noemt het voorbeeld uit het sociaal domein bij de gemeente Terneuzen. Hier was het vermoeden dat huisartsen te vaak jeugdigen met mentale problemen doorverwezen naar de duurdere jeugdzorg. Met als gevolg enorm hoge kosten voor de gemeente. Een integrale analyse waarbij diverse databronnen gecombineerd werden, toonde echter aan dat onder aan de streep deze ogenschijnlijk (te) dure doorverwijzing juist kostenbesparend werkte. De analyse gaf inzichten die niet eerder bekend waren. Namelijk dat hoe eerder dit soort problemen door professionals worden aangepakt, ze eerder konden worden opgelost en dat is uiteindelijk goedkoper. Mensen konden eenvoudig overtuigd worden door de data te laten spreken. Op basis van feiten en niet het onderbuikgevoel! Bas gaf nog een ander voorbeeld op het gebied van proces automatisering. In Amsterdam moest er tot voor kort met de hand gecontroleerd worden of huizen onder de zogenaamde opkoopbescherming vielen. Hierbij moesten een aantal zaken gecheckt worden zoals de WOZ-waarde van het huis, wie er in het huis woont, de bestemming die op het huis van toepassing is, etc. De controle was nogal tijdrovend omdat gegevens uit verschillende bronsystemen opgehaald, naast elkaar gezet en handmatig vergeleken moest worden om tot een oordeel te komen. De gemeente is daarom bezig om de gegevens – waaronder de BRP – automatisch en periodiek uit de bronsystemen te halen. Vervolgens wordt de data gecombineerd en als input gebruikt voor een taakapplicatie bij handhaving om uiteindelijk de huizen waarbij de opkoopbescherming van toepassing is overzichtelijk weer te geven. Dit levert niet alleen een kostenbesparing op omdat er veel minder handwerk (fte’s) nodig is, het proces wordt ook nauwkeuriger.
|
|
|
|
| 2. Visie op datagedreven werken
De tweede stap in de routekaart datagedreven werken is de ‘visie’. De visie geeft richting en houvast voor de organisatie. De visie maakt scherp welke koers je op het gebied van datagedreven werken als organisatie wilt varen. Ook dit onderdeel wordt begonnen met een poll onder de deelnemers. |
|
|
|
| Er worden drie verschillende datagedreven werken visies getoond met daarbij de vraag welke het meeste aanspreekt. De uitkomst verraadde een beetje dat onder de deelnemers vooral medewerkers van kleine en middelgrote gemeentes zijn. De niet gekozen visie is namelijk nogal ambitieus en past beter bij een grote gemeente. Bij de discussie hierover geeft Jelle aan dat het bij het vaststellen van de visie belangrijk is om goed te kijken naar de realisatiekracht (beschikbare tijd, resources en financiën) die er binnen de organisatie is. Ambitie is goed, maar het moet wel realistisch zijn, anders werkt de visie demotiverend.
|
|
|
|
| 3. Nulmeting
De derde stap is de nulmeting. In deze stap wordt bepaald waar de organisatie nu staat wat betreft datagedreven werken (DGW). Native heeft een volwassenheidsmodel ontwikkeld. Het model bestaat uit vier stadia en vijf sporen. De stadia laten zien hoever de organisatie is met het implementeren van datagedreven werken. Het zijn de verschillende fasen die in dit groeiproces doorlopen worden.
- De eerste fase is ‘Pop-up’. Op één (of meerdere) plekken in de organisaties wordt er min of meer spontaan begonnen met een datagedreven werken toepassing. Mariëlle geeft aan dat dat lang niet altijd bij I&A is, maar soms ook op onverwachte plekken in de organisatie, bijvoorbeeld bij Financiën.
- Dan komt de tweede fase: ‘Experimenteren’. Hierbij wordt op meerdere plekken in de organisatie aan datagedreven werken gedaan. Er wordt gekeken hoe dat slim aangepakt kan worden. Er is een ‘kwartiermaker’ of programmanager aangesteld die coördineert.
- De derde fase is ‘Verbreden’. In deze fase wordt ervoor gezorgd dat iedereen in de organisatie meegenomen wordt. Dat het structureel onderdeel is van de manier van werken in de hele organisatie.
- De vierde fase is ‘Verankeren’. Datagedreven werken wordt geconsolideerd, is de norm. Dataproducten worden onderhouden en geoptimaliseerd. Er wordt continue gekeken of er nieuwe databronnen ontsloten kunnen worden en nieuwe bruikbare data toepassingen gemaakt kunnen worden.
De verschillende aspecten van datagedreven werken worden in het model beschreven aan de hand van vijf sporen (zie hieronder in het spinnenwebdiagram).
Native heeft het datagedreven werken model geoperationaliseerd en een methodiek gemaakt waarmee gemeten kan worden waar een organisatie precies staat, hoe datavolwassen een organisatie is. Er worden breed in de organisatie vragenlijsten afgenomen. Met de verzamelde data wordt vervolgens een spinnenwebdiagram gemaakt. Hierin staan de scores op dit moment en het ambitieniveau (over 4 jaar). Op deze manier zie je precies hoe de organisatie groeit en op welke aspecten er wat achter gelopen wordt. Mariëlle geeft aan dat de spinnenwebdiagram rapportage niet het enige bruikbare resultaat van de nulmeting is. De meting is namelijk een interactief proces waarbij tussenresultaten onderling besproken en bediscussieerd worden. Hierdoor vindt de eerste kennisdeling plaats en ontstaat een gedeeld datagedreven werken vocabulaire. Dat is erg belangrijk om iedereen mee te kunnen nemen in het proces en allerlei mythes en verkeerde aannames die er soms zijn, weg te nemen. |
|
|
|
|
|
|
|
| Datavolwassenheid
De volgende poll die aan de deelnemers wordt voorgelegd gaat over het stadium van datavolwassenheid. De meest organisaties blijken net na de fase Experimenteren te zitten. Mariëlle ziet dit beeld ook in haar praktijk. Een jaar geleden zaten veel gemeentes nog in de eerste fase, nu zie je bij veel organisaties een kwartiermaker of programmamanager voor datagedreven werken. Er wordt duidelijk meer werk gemaakt van datagedreven werken! Toch ziet Mariëlle nog maar weinig overheidsinstanties in de Verbredingsfase. Er is dus nog werk aan de winkel! |
|
|
|
|
| Een van de deelnemers vraagt: ‘Hoe dan? Hoe implementeer je datagedreven werken, hoe pak je het aan, waar begin je?’ Jelle geeft aan dat Native een zogenaamde hybride werkwijze adviseert. Dit betekent dat je het beste kunt beginnen met kleine experimenten waarmee je kan laten zien dat je met data slimme dingen kunt doen. Begin vooral met ‘use cases’ die relatief makkelijk opgezet en uitgevoerd kunnen worden zonder dat er direct ingewikkelde datapreparatie en technische hoogstandjes nodig zijn.
|
|
|
|
|
| Tegelijkertijd is het belangrijk om ook te werken aan de meer fundamentele randvoorwaarden die nodig zijn om datagedreven werken breed uit te kunnen rollen in de organisatie. Er is bijvoorbeeld uiteindelijk wel een dataplatform nodig en tools om mee te werken. Datatoepassingen zullen in productie genomen moeten kunnen worden en onderhouden. Dit soort zaken vergt een lange adem, is niet van de ene op de andere dag te realiseren. Maar je hoeft niet eerst deze infrastructuur helemaal gerealiseerd te hebben om te kunnen beginnen. Data experimenten die ad hoc beginnen, laten zien wat werkt en wat niet (is ook belangrijk om achter te komen!) en zijn de beste motivatie om de meer structurele zaken ook goed voor elkaar te krijgen.
|
|
|
|
| Framing datagedreven werken implementatie
De vraag is hoe je datagedreven werken gaat ‘framen’. Is het handig om het als zelfstandig thema te positioneren of is het handiger om het terug te laten komen als onderdeel van een ander onderwerp? De eerste aanpak is duidelijk, maakt het zichtbaar en daarmee soms juist ook lastig. Bij de tweede aanpak is er soms het gevaar dat het ondersneeuwt en niet de juiste aandacht krijgt waardoor het lastig is om meters te maken. Het voordeel is dat het meer als een andere manier van je eigen werk doen, ervaren wordt. Daarnaast is de finaciering van datagedreven werken een belangrijk vraagstuk. Doe je dit centraal of decentraal in vakafdelingen? Een mix van de twee aanpakken is natuurlijk ook mogelijk. Dat je bijvoorbeeld de experimenten waarmee begonnen wordt decentraal financiert en dat je de meer structurele randvoorwaardelijke zaken zoals bijvoorbeeld het data platform, trainingen, data governance, etc., centraal en als zelfstandig programma financiert. In beide gevallen is het belangrijk om een kartrekker te hebben die coördineert en vooral ook de interne communicatie over datagedreven werken verzorgd.
5. Implementeren datagedreven werken
De laatste stap in de Native datagedreven werken routekaart is de implementatie. Native heeft per spoor acties en stappen benoemd, die uitgevoerd kunnen worden om van de ene naar de andere datavolwassenheidsfase te komen. Jelle en Mariëlle lichten een aantal van deze stappen toe door concrete voorbeelden te geven. Hoe je bijvoorbeeld van Pop up naar Experimenteren komt op het spoor van Leiderschap & Cultuur. Dit kan bijvoorbeeld door het verzorgen van inspiratieworkshops aan verschillende stakeholders in de organisatie. Ze vertellen daarnaast hoe je sponsors en ambassadeurs in de organisatie vindt. Met de nulmeting en de visie bepaal je welke stappen en acties op elk spoor nodig zijn. En hoe daarbij prioriteiten gesteld moeten worden. De routekaart geeft de volgorde van de stappen aan. Op deze manier ga je integraal te werk op de meest relevante gebieden. |
|
|
|
|
|
|
|
|
| Praktijkvoorbeeld gemeente Amsterdam
Bas laat vervolgens een concreet praktijkvoorbeeld zien van de gemeente Amsterdam. Hoe daar data governance is opgezet en uitgerold. Een goed voorbeeld van een lastig onderwerp.
Na een korte inleiding over wat data governance is en waarom het belangrijk is, vertelt Bas dat er twee belangrijke pijlers zijn bij de gemeente Amsterdam. De datastrategie en de digitaliseringsstrategie.
Er is vervolgens een keuze gemaakt om te starten met de basis- en kernregistraties, om daar als eerste de sturing op orde te krijgen. Ook uitgangspunten en principes zijn eerst benoemd: de menselijke maat is en blijft leidend (zo worden uitkomsten van algoritmes niet altijd klakkeloos overgenomen), compliance (in hoeverre wet- en regelgeving geborgd is) en betrouwbaarheid (er mag geen discussie ontstaan over of de data wel juist is). Amsterdam heeft een aanzet gemaakt tot een besturingsmodel op data governance. De verschillende rollen met bijbehorende taken, verantwoordelijkheden en bevoegdheden met betrekking tot het beheren en gebruiken van data. |
|
|
| Bas laat achtereenvolgens zien hoe het data governance landschap is opgebouwd. Waar data ‘geproduceerd’ wordt, en gegevens en attributen als het ware ontstaan in de organisatie (of daar buiten bij externe bronhouders c.q. leveranciers). De bronhouders die verantwoordelijk zijn voor het bewaren van de data voor primaire en secundaire afgeleide processen. Het datafundament waar dataproducten gemaakt worden en er afspraken gemaakt moeten worden met bronhouders en producteigenaren die voor de operationalisering en het in productie zetten van de dataproducten nodig zijn. De datamarktplaats omgeving: hier worden de dataproducten (toepassingen met data) en inzichten (rapportages, analyses, voorspelmodellen) verstrekt aan de organisatie. Hierbij moeten autorisatie (rechten per gebruiker) en beveiliging goed doordacht en geregeld worden. De afnemers en hoe deze ondersteund worden met gebruiksvriendelijke tools en onderlinge kennisdeling. Al met al is het een indrukwekkend en omvangrijk geheel geworden. Het had dan ook aardig wat voeten in aarde om het geïmplementeerd te krijgen. Ook hier is een hybride aanpak succesvol geweest.
|
|
|
|
| Het webinar wordt gevolgd door meer voorbeelden van acties per spoor per fase. Het belang van datageletterdheidstrainingen komt aan de orde. Deze kan je in allerlei verschillende vormen doen. Van klassiek tot individueel online. Native verzorgt zelf een training dataplatform met escaperoom, maar heeft ook partnerships met andere bedrijven voor het verzorgen van verschillende trainingen op maat. Interne roadshows passeren de revue, data-lunchmeetings en tweewekelijkse standup-meetings en workshops voor beleidsmakers. Hierin worden niet alleen KPI’s benoemd en gedefinieerd, maar wordt vooral ook gekeken naar hoe deze kunnen (zouden moeten) werken in de praktijk. Op welke manier ze helpen bij besluitvorming en hoe leiden ze tot actie – aan welke knoppen moet je draaien als KPI’s in het rood gaan?
Tot slot
Het was weer een enerverend webinar. Er was veel interactie en er werden veel vragen gesteld. Het onderwerp datagedreven werken leeft enorm. Naast de diverse handvatten en methoden die gepresenteerd werden, kwamen er ook veel concrete voorbeelden uit de praktijk voorbij. Dat leverde inspiratie en inzichten op maar vooral ook veel pragmatische aanknopingspunten hoorden we van één van de deelnemers achteraf. Een mooi compliment! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
