Meer doen met data bij gemeenten

NPRZ: hardnekkige problemen van burgers oplossen

Hoe los je in een grote gemeente ‘on-Nederlandse’ problemen op? Dat dilemma staat sinds 2011 centraal in het Nationaal Programma Rotterdam Zuid. Binnen het NPRZ werken het Rijk, de gemeente Rotterdam, corporaties, zorginstellingen, schoolbesturen, bedrijfsleven, politie en Openbaar Ministerie intensief samen om hardnekkige problemen van meestal kwetsbare burgers op te lossen. Diamond Decisions-adviseur Mark de Kort hielp bij het introduceren van datagedreven werken binnen de gemeente en bij het bouwen van een BI-architectuur. Maar het openlijk bespreken van gekoppelde data en het verbinden van mensen brengt het vliegwiel pas echt in beweging.

De onconventionele aanpak leverde een substantiële bijdrage aan de eerste instroom van bijstandsgerechtigden op de arbeidsmarkt. ‘De credits komen de consulenten op de werkvloer toe’, zegt De Kort. ‘En het gaat er niet om mensen aan het werk te helpen, maar om mensen aan het werk te houden. Terugval is voor alle betrokkenen bijzonder demotiverend.’

Vijf triggers die burgers in beweging zetten

Mede dankzij de hoogconjunctuur daalde het aantal personen met een bijstandsuitkering in 2018 landelijk met 24.000, maar eind dat jaar telde Nederland nog steeds 433.000 bijstandsgerechtigden tot de AOW-leeftijd. Voor veel inwoners van Rotterdam Zuid domineren gezondheids- en psychische kwesties, zorgen over pubers, schulden en gebrek aan taalvaardigheid en zelfvertrouwen het leven. De meeste gemeenten proberen zulke problemen geïsoleerd op te lossen. Het NPRZ is een samenhangend programma dat een generatie lang meegaat en rust op vijf pijlers die aansluiten op de beleving van burgers:

• een fijn huis
• lekker in je vel
• toekomst voor je kind
• grip op je geld
• werken aan je toekomst

Privacy, wetgeving en vroegsignalering

‘Als je met de beste intenties data van burgers gaat koppelen, loop je al snel tegen de privacywetgeving aan. Dat is meestal een zwak excuus om helemaal niets te doen’, zegt De Kort. Een wijziging van de Wet gemeentelijke schuldhulpverlening werd voorbereid om gemeenten meer armslag te geven voor datagedreven sturing bij schulden, bijvoorbeeld door vroegtijdig informatie over huurachterstanden van woningcorporaties te ontvangen. Gemeenten moeten bij de start van een schuldhulpverleningstraject een beschikking met een plan van aanpak afgeven, zodat mensen weten waar ze aan toe zijn en welke gegevens worden gebruikt.

De ervaring leert dat langdurige bijstand nooit op zichzelf staat: het betreft vrijwel altijd een huishouden met meerdere problemen, en schulden zijn vaak de ‘root cause’ van veel andere ellende. Kleine achterstanden groeien snel. Voorkomen is beter dan genezen, zeker omdat de caseload van consulenten al loodzwaar is. Er is wel meer nodig dan wetgeving: een andere werkhouding. Minder rapporteren, onderzoeken en verantwoorden; meer doen.

Kleur buiten de lijntjes

In datamoderatiesessies werden ambtenaren en werk-, jeugd- en schuldconsulenten gestimuleerd om anders te denken: echte klantgerichtheid en out-of-the-box denken. Dat zijn niet de competenties waarop ambtenaren in het verleden zijn geselecteerd, dus ze hebben training en begeleiding nodig. Een andere succesfactor is de mensgerichte aanpak: niet de regels maar de klant en het gezin staan centraal. Achter elk dossier schuilt een mens met een gezicht.

De vijf R’s van de Rotterdamse methode

Met informatiegestuurd werken en een metamodel is de route die bevolkingsgroepen door het complexe sociale domein afleggen in één oogopslag in kaart gebracht. Daardoor wordt het integrale proces transparant en komt de effectiviteit van interventies aan het licht. De methode rust op fundamenten die allemaal met de R van Rotterdam beginnen.

Route: bewegingen in kaart

Allereerst is in kaart gebracht welke route elke burger langs de gemeentelijke loketten aflegt. Tot 2018 verliep de dienstverlening via vele schakels: afdelingen en consulenten. De procesmethode laat per individu zien hoe het dienstverleningstraject eruitziet. Opgeteld tonen die trajecten de bewegingen van alle inwoners die diensten van de gemeente afnemen, vanaf de ‘vindplaatsen’ waar de problematiek start. De routes laten zien waar burgers uitvallen, verdwalen, blijven hangen of terugkeren. Als historische data zegt dat een bepaald opleidingstraject doodloopt en voorsorteert op de bijstand, kun je jongeren die route sterk ontraden.

Rugzak: individuele profielen

Alle individuele informatie over een burger gaat in de ‘rugzak’, die het profiel van een persoon weergeeft. Voeg individuen samen en je ziet het profiel van een groep. Schulden moeten eerst geregeld worden voordat een gezonde uitstroom naar werk mogelijk is; anders schieten mensen snel terug in de ‘veilige’ bijstand. Rond schulden bestaat vaak veel schaamte, dus het is cruciaal dat elk loket de multiproblematiek kent en handelt.

Resultaten: datamoderatie

Het delen en bespreken van de data helpt om betere keuzes te maken en schaarse middelen in te zetten waar ze de individuele burger het meest helpen. In Rotterdam is hiervoor het begrip ‘datamoderatie’ ontstaan: op verschillende niveaus wordt de data gepresenteerd en worden constructieve gesprekken gevoerd over wat die laat zien. Storytelling gebeurt ketenoverstijgend, maar ook op de werkvloer waar de consulent direct contact heeft met de burger.

Registratie: de gaten dichten

Registreren om het registreren is zinloos; het gaat erom te begrijpen waar de gaten zitten. Hoe geautomatiseerder de registratie verloopt, hoe efficiënter en betrouwbaarder de informatie. Zo bleek dat van slechts 15% van de jongeren de werkcompetenties waren geregistreerd. Als je weet dat iemand een rijbewijs heeft, kun je veel betere matches maken tussen een werkzoekende en een baan.

Regressie: wat analytics toevoegt

Mensen kunnen gemiddeld twee tot vier variabelen tegelijk laten meewegen in een besluit; een algoritme analyseert er gemakkelijk tientallen of honderden. Voorzichtigheid is echter geboden, zeker in het sociale domein. De data is daar vaak vrij zacht: ze lijkt soms hard, maar is vaak alleen een weergave van wat de burger wil prijsgeven.

Geïsoleerde versus integrale, datagedreven aanpak

Wat er verandert als een gemeente naar de hele route van een burger kijkt.

Acht praktische tips

1. Verbeteren begint met een diepgewortelde passie: een sterke wil om mensen duurzaam aan het werk te helpen.
2. Gebruik KPI’s om de signalen die er echt toe doen snel waar te nemen.
3. Data zorgt voor betere beslissingen doordat je integraal kijkt en sneller beslist op recente data die direct voorhanden is.
4. Zet je een target op basis van een oppervlakkige analyse of mening, dan krijg je ook een oppervlakkig resultaat.
5. Dashboards laten je inzoomen op jouw wijk en jouw doelgroepen, zodat je ziet wat er werkelijk speelt en er grip op krijgt.
6. Maak een degelijke root cause analysis en stel vast welke problematiek je doelstelling in de weg zit.
7. Ga zelf na welke interventies bij welke subdoelgroep wel en niet werken, zodat je de regie houdt over je eigen verbeteracties.
8. Zet bij het aanpassen van plannen of maatregelen geen generalistische bril op, maar kijk integraal en op meerdere niveaus.

Conclusie

In Rotterdam Zuid hebben getallen weer een gezicht gekregen en zijn de echt schrijnende gevallen zichtbaar geworden. Informatiegestuurd werken is, mits goed ingekaderd, een hands-on initiatief dat navolging door andere gemeenten verdient: kortcyclisch, effectief en gericht op de wortel van het probleem.

Verder lezen

• Informatiegestuurd werken
• Datagedreven werken
• Blog: Rotterdam op weg naar informatiegestuurd werken
• Blog: De belangrijkste KPI’s voor gemeenten

Over de auteur

Mark de Kort is sinds 1994 actief in de datawereld, van het ontwikkelen van software voor business intelligence en scorecarding tot het opzetten en verbeteren van BI-architecturen. Hij zit nog altijd zelf achter de knoppen, van datapreparatie en modellering tot het maken van dashboards.

Over Diamond Decisions

Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.