Inzet datatoepassingen verbetert dienstverlening Sociaal Domein
In de blog Datagedreven sturen: hoe maak je een vliegende start? las u ons advies te zorgen voor een multidisciplinair team en de juiste partners als u met datagedreven sturen wilt starten. In deze blog geeft Anand Jagdewsing, strategisch I-adviseur, manager I&A bij WerkSaam Westfriesland, twee voorbeelden uit het sociaal domein waar datagedreven sturen een publieke meerwaarde heeft.
Bewustworden als start
Om meer te profiteren van ontwikkelingen rond informatisering is het MT van WerkSaam Westfriesland een Business Inteligence (BI) team voor datavraagstukken gestart. Anand: “Dit team is er om na te denken over welke informatie we hebben, hoe we die uit onze systemen krijgen en wat we ermee kunnen doen. Een van de eerste taken van dit team was mensen in de organisatie bewustmaken van wat je met data allemaal kan. Voorheen werd data vooral gebruikt voor verantwoording en een beetje voor beleidsevaluatie. Maar als je het gebruikt voor verklarende analyses kun je er veel meer mee.”
Betere KPI’s en sneeuwbaleffect
Met een verklarende analyse kun je bijvoorbeeld betere KPI’s formuleren. Anand: “Je kunt op basis van je professionele inschatting als doel stellen om vierhonderd mensen aan werk te helpen. Maar weet je welke mensen in het verleden waar geplaatst zijn en welke hulp ze daarbij hebben gehad? Dan kun je met die informatie zowel je acties als je doelstellingen veel concreter maken. We merkten dat de mensen bij de vakafdelingen door dit soort voorbeelden geïnspireerd raakten. Er ontstond al snel een sneeuwbaleffect. Vanuit de vakafdelingen kwamen ideeën die we met onze eigen technische kennis zo snel niet konden waarmaken. Het is mooi te zien dat techniek en praktijk elkaar zo inspireren.”
Voorbeeld 1: aanvraag levensonderhoud
Een van de processen waar WerkSaam Westfriesland datagedreven sturen inzet, is bij de aanvraag van een uitkering. Anand: “Een beslissing of iemand een uitkering krijgt, neem je op basis van het geldende beleid en de data die je hebt van onder andere iemands inkomen, vermogen en leefsituatie. De regels zijn dus duidelijk en veel van de data kun je uit formele bronnen halen, bijvoorbeeld via de Belastingdienst, UWV en dergelijke. Dat biedt goede mogelijkheden om automatisch een beslissing te kunnen nemen.”
Risicoanalyses als hulp voor inkomenscoaches
Als eerste heeft WerkSaam Westfriesland geregeld dat data die beschikbaar is niet meer aan cliënten wordt gevraagd. Anand: “De volgende stap is om via een risicoanalyse te kijken of je over een aanvraag een automatische beslissing kunt nemen of dat je iemand wilt uitnodigen voor een gesprek. Na een gesprek kun je dan weer handmatig beschikken of toch nog meer onderzoek doen. Ook bij die beslissing kan de risicoanalyse helpen. En je kunt vervolgens de handmatige beschikkingen zelf ook analyseren. Onder welke condities, worden welke beslissingen genomen? Als dat de juiste beslissingen zijn, kun je dat ook weer automatiseren.”
Meer tijd om cliënten te helpen
Belangrijk is dat voor WerkSaam Westfriesland de risicoanalyse op basis van data vooral bedoeld is om de dienstverlening te optimaliseren. Anand: “Automatisch beschikken betekent kortere doorlooptijden. Bovendien hoeven cliënten waarbij de data duidelijk is niet allerlei extra informatie te leveren of gesprekken te voeren. Inkomenscoaches hebben hierdoor meer tijd om die cliënten te helpen die meer ondersteuning nodig hebben bij hun aanvraag, bijvoorbeeld omdat ze het aanvraagformulier niet begrijpen of verkeerd interpreteren.”
Voorbeeld 2: re-integratietraject
Ook voor het re-integratietraject is WerkSaam Westfriesland momenteel aan het kijken hoe data-analyses ervoor kunnen zorgen dat cliënten beter geholpen worden. Anand: “Dat proces is wel iets ingewikkelder dan bij de aanvraag voor levensonderhoud. Jobcoaches moeten op basis van iemands kenmerken en situatie inschatten welk type werk het beste past en welke voorziening (sollicitatietraining, scholing etc) hen het beste helpt. De data die hierbij een rol speelt, is niet tot een paar formele bronnen beperkt en de regels zijn ook niet zodanig dat je eenvoudige beslisbomen kunt opstellen. Het is dus allemaal wat minder gestructureerd.”
Meer passende aanbevelingen en tips
WerkSaam Westfriesland wil graag dat een cliënt de juiste voorziening en meer passende aanbevelingen en tips krijgt, inclusief aanbevelingen en tips waar de cliënt en jobcoach misschien niet direct aan denken. Dit is vergelijkbaar met de aanbevelingen die mensen krijgen bij bijvoorbeeld Monsterboard, Bol.com of Coolblue. Enkele voorbeelden:
- Iemand als u solliciteerde succesvol naar de volgende functie.
- Als u deze functie interessant vindt, dan zijn de volgende functies wellicht ook passend.
- Met de aanvullende cursus X komt u in aanmerking voor deze functie.
- Deze functie kunt u ook op 32 minuten reisafstand vervullen.
Technische uitdaging
Om dit te regelen is het nodig inzicht te krijgen in iemands competenties, talenten en ontwikkelpotentie. Anand: “En je moet weten welk werk mensen met gelijke kenmerken in een vergelijkbare situatie hebben gevonden. En welke voorzieningen daar eventueel bij hebben geholpen. En ook nog of dat toevallige correlaties of werkelijke causale verbanden zijn. De data hiervoor moet komen uit gesprekken met cliënten, cv’s, het LinkedIn-profiel, eerdere trajecten en zo door. Dat is technisch een behoorlijke uitdaging en veel te kostbaar voor één gemeente. Daarom werken we hieraan met partners als het UWV.”
De juiste partners voor datatoepassingen
Het zoeken naar de juiste partners is sowieso een tip van Anand voor gemeenten die met datagedreven sturen aan de slag willen. “Waarschijnlijk hebben de meeste gemeenten geen datascientist rondlopen of ICT-ers die volledig op de hoogte zijn van de nieuwste oplossingen voor dataplatformen. Wij ook niet. Dus hebben we externe expertise ingehuurd, onder andere een datascientist van een Microsoft-partner. We werken nu aan een dataplatform binnen een standaardomgeving van Microsoft (PaaS-functionaliteit van het Azure-platform). Daar beschikken we straks over de juiste tools voor analyses, inclusief machine learning. Daarmee hopen we in toekomst sneller van ideeën naar uitvoering te gaan.”
Meer weten over data in het sociaal domein?
Stel je vraag aan Wim. Of laat een bericht achter in de chat.
