Datagedreven sturing: zoeken naar een speld in de databerg?

Uw organisatie verzamelt heel veel data. In deze blog leest u in welke drie stappen u waardevolle informatie uit die databerg haalt. En we behandelen enkele valkuilen die u moet vermijden als u met datagedreven sturing aan de slag gaat.

Datagedreven sturing in uw eigen leven

Door de toenemende informatisering genereert iedereen grote hoeveelheden data. Denk bijvoorbeeld aan de sportprestaties die u bijhoudt in uw smartwatch of telefoon. Die data kunt u gebruiken om uw vorderingen te volgen. U kunt de data ook analyseren met als doel voor uzelf een trainingsschema op maat op te stellen. In dat laatste geval doet u aan datagedreven sturing. U stuurt uw gedrag op basis van verzamelde en geanalyseerde data.

Databergen bij gemeenten

Kijkt u op uw werk om u heen, dan ziet u dat uw organisatie heel veel data verzamelt. Denk alleen al aan de honderden applicaties die u en uw collega’s gebruiken. Of aan alle sensoren in bijvoorbeeld het riool, de dijken en wegen. Deze data wordt in eerste instantie vooral gebruikt voor de dagelijkse taken. Daarmee blijft echter een groot potentieel onbenut. Door deze data te verzamelen en via slimme algoritmes te analyseren kunt u er namelijk waardevolle beleidsinformatie uithalen.

3 stappen om de speld in de databerg te zoeken

In de blogserie 7 bouwstenen voor een datagedreven organisatie leest u welke facetten belangrijk zijn om uw organisatie datagedreven te maken. In deze blog zoemen we in op de databerg voor u. Wat wilt u ermee doen? Hoe krijgt u er zinvolle informatie uit? De volgende drie stappen zijn een prima start om met datagedreven sturing aan de slag te gaan.

Stap 1: Dataverkenning

Neem een probleem dat u wilt oplossen. Zoek naar data die ermee te maken zou kunnen hebben en voeg deze samen in een database. Beperk u daarbij niet tot een bepaalde vakapplicatie, maar kijk juist over grenzen van afdelingen heen. Stel vooraf wel duidelijke randvoorwaarden op voor bijvoorbeeld privacy. Anonimiseer data als dat nodig is. Een voorbeeld: verzamel de gezondheidsgegevens van mensen in verschillende wijken en vergelijk die data met de plaats van gezondheidscentra, industriële activiteiten, het winkelaanbod, verkeersaders en zo door.

Stap 2: Verdieping en visualisatie

Analyseer de data die u heeft verzameld. Welke verbanden ziet u? Met welke extra gegevens zou u uw analyses kunnen verbeteren? Van belang daarbij is dat u zich ook wilt laten verrassen door verbanden die u of uw collega’s niet snel zouden leggen. Hiervoor heeft u slimme software nodig en de expertise van Data Scientists. Dit zijn vaak creatieve mensen die in uw databerg verbanden weten te ontdekken die via de traditionele analyses en grafiekjes verborgen blijven.

Stap 3: Datagedreven sturing

Na de analyse van de gegevens heeft u data om beleid te maken. Binnen ons voorbeeld zou u afhankelijk van de resultaten misschien gerichter gezondheidsvoorlichting willen geven in bepaalde wijken, vervuilende industrie willen verplaatsen of proberen het winkelaanbod te beïnvloeden in de hoop dat mensen gezondere producten gaan eten.

Blijf kritisch

Datagedreven sturing vraagt dat u kritisch blijft kijken naar de conclusies uit uw analyses. Een belangrijke valkuil is namelijk dat u een correlatie onterecht aanziet voor een causaal verband. Een vaak aangehaald voorbeeld is dat als de ijsverkoop in Italië stijgt ook het aantal moorden stijgt. Geen van beide hoeft echter de oorzaak van het andere te zijn. In dit geval is het waarschijnlijker dat beide het gevolg zijn van langere, warmere dagen in de zomer. Correlaties kunnen ook puur toevallig zijn en zelfs geen duidelijke gemeenschappelijke oorzaak hebben.

Voorzichtig met profilering

Past u datagedreven sturing toe in het sociale domein? Dan moet u zeker ook nadenken in hoeverre u wilt profileren. Allereerst geldt ook nu dat een correlatie niet per se op een oorzaak-gevolgrelatie hoeft te duiden. Ten tweede kan het voor individuele mensen zeer onprettig zijn als ze anders benaderd worden omdat ze volgens uw definitie bij een bepaalde groep horen. En ten derde loopt u het risico door profilering uw eigen database te beïnvloeden. Dit laatste kan bijvoorbeeld gebeuren als u groep X vaker controleert dan groep Y of soortgelijke incidenten anders registreert voor verschillende groepen.

Kennissessie datagedreven sturing

Wilt u uzelf en uw collega’s laten inspireren met een kennissessie over datagedreven sturing bij gemeenten? Of heeft u vragen over deze blog? Neem dan contact met ons op.

Wij delen. kennis, tips en adviezen. Blijf op de hoogte.
Meld u aan voor de nieuwsbrief.

Of volg ons op LinkedIn.