Moventem.nl maakt gebruik van cookies (en andere technieken) om er zeker van te zijn dat u onze website zo goed mogelijk beleeft. Als u deze website blijft gebruiken gaan we ervan uit dat u dat goed vindt.

/ Lees meer

Big data (sturing) bij gemeenten?

Juni 2018

Er is overal informatie te vinden, maar wat kunnen gemeenten hiermee in hun dienstverlening, de uitvoering van taken en het realiseren van bestuurlijke ambities? Wij zien dat veel gemeenten het als een grote stap ervaren om (Big) data-analyse toe te passen. We krijgen hierover steeds vaker vragen. Daarom delen wij graag kort onze kijk op Big data, Small data en de toepassing voor gemeenten op lokaal niveau.

 

Informatie gestuurde (lokale) overheid

Simpelweg gaat het bij Big data om het combineren van (real-time) grote hoeveelheden gestructureerde en ongestructureerde data uit verschillende bronnen, en het analyseren van die data om zo tot waardevolle inzichten te komen en te vertalen naar concrete acties. De potentie ervan wordt door vrijwel iedereen onderkend, maar tegelijkertijd wordt het ook gezien als een hype en buzz-woord. Dat geldt ook voor het nu opkomende ‘Small data’.

Het gebruik van gegevens is natuurlijk niet nieuw voor gemeenten. Voordat de term Big data was uitgevonden noemden we Small data simpelweg Data. Al jaren verzamelen gemeenten gegevens om zo informatie te krijgen voor beleidsontwikkeling en -uitvoering (o.a. in basisregistraties als BRP en WOZ). Nieuw is de fors toegenomen snelheid waarmee grote hoeveelheden gegevens beschikbaar komen en de diversiteit in bronnen. Ook nemen de mogelijkheden om gegevens op te slaan, te gebruiken en te ontsluiten steeds verder toe. Daardoor wordt het “gevoel” aangewakkerd dat er meer uit Big data te halen valt. In het verlengde daarvan hoor je steeds vaker dat de overheid moet doorontwikkelen naar een informatie gestuurde overheid.

 

Hoe groter de bak data, hoe ingewikkelder…

In onze optiek wordt Big data vaak te makkelijk geassocieerd met nieuwe inzichten en kennis. Met de hoeveelheid data neemt namelijk ook de hoeveelheid non-informatie toe en vind je ook eenvoudig willekeurige verbanden. Even een beetje onderzoekstechnisch om dit te illustreren; Verbanden worden meestal aangeduid met de termen correlatie en causaliteit. Statistische correlatie wordt echter vaak verkeerd gebruikt en geïnterpreteerd door niet-specialisten (regelmatig in krantenartikelen helaas). De fout zit in de interpretatie dat ondanks dat variabelen een bepaalde samenhang lijken te vertonen, dit geen rechtstreeks bewijs is van een onderliggende oorzaak-gevolg relatie.

 

Tekstboek voorbeeld correlatie en causaliteit

Een bekend voorbeeld uit de statistiek / onderzoeksmethodologie waarbij wel een correlatie aanwezig is, maar geen sprake is van een causaal verband: Als er meer ijsjes worden verkocht (variabele X), dan stijgt het aantal verdrinkingen (variabele Y). Het eerste probleem hierbij is dat correlaties ook andersom kunnen gelden, in dit geval: het aantal verdrinkingen stijgt naarmate er meer ijsjes worden verkocht. Het is echter veel aannemelijker dat een derde variabele is gemist. Een zogenaamde confounding variable buiten het bestaande model, die (positief of negatief) correleert met zowel de afhankelijke als de onafhankelijke variabele. In dit voorbeeld is dat de buiten temperatuur (variabele Z). Als het lekker warm is buiten, dan wordt meer ijs verkocht en gaan meer mensen zwemmen, wat verhoudingsgewijs tot een hoger aantal verdrinkingen kan leiden. Kortom; het aantal verkochte ijsjes en het aantal verdrinkingen zijn indicaties van een hogere buitentemperatuur en het is tevens mogelijk dat er geen directe samenhang tussen de variabelen X en Y bestaat.

 

Mensen leggen vanuit hun eigen denk- en referentiekader verbanden. Zeker als het gaat om Big data (veel en vaak ongestructureerd) proberen we patronen te zien en zijn we geneigd om hieraan direct een ‘logische’ conclusie te verbinden. Bij Big data zien wij het dan ook als één van de uitdagingen om objectief te analyseren en interpreteren. Je moet weten waar je mee bezig bent, want anders zie je (onbewust) causale verbanden die er niet zijn en trek je verkeerde conclusies. Daar komt bij dat voor sommige vraagstukken uitgebreide data-analyse vaak helemaal niet nodig is. Soms is de achterkant van een bierviltje en logisch nadenken voldoende. We moeten onszelf dus ook niet verliezen in het over-analyseren en perse willen toepassen van Big data-analyse. De tegenhanger voldoet vaak prima: Small data. Gegevens in omvang “klein” genoeg om door mensen geïnterpreteerd te worden. Dit maakt het mogelijk om van deze data informatie te maken en op te acteren.

 

Ga op zoektocht naar datameerwaarde

Het is onze overtuiging dat het slim benutten van Big data extra actueel en voorspellend inzicht biedt in lokale opgaven, voortgang en risico’s. Waardoor een sterkere motivering, verantwoording en afweging van belangen mogelijk wordt. Informatie als grondslag voor handelen.

Wij vinden Big data geen hype, maar een realiteit die vele kansen en mogelijkheden kan bieden. Ons advies? Ga gericht experimenteren. Opzoek naar de meerwaarde. Maak het niet te groot of te moeilijk. Begin klein en lean. Van Small naar Big. Dan ben je wendbaar, kun je meters maken en dus ervaring opdoen en leren. Het is natuurlijk afhankelijk van de lokale context en mogelijkheden, dus maatwerk, maar in algemene zin kunnen gemeenten de volgende stappen doorlopen:

Big data proces 

De eerste stap kan soms een drempel opwerpen. Maak dit niet te zwaar. Het vraagstuk kan een nieuw onderwerp zijn (waar ligt u wakker van?), maar het kan ook een actueel vraagstuk zijn waar collega’s al mee bezig zijn. Dit biedt de kans om een schaduwproject te draaien, waardoor de huidige werkwijze en opbrengst vergeleken kan worden met de uitkomsten van een Big data benadering. Afhankelijk van het vraagstuk leiden bovenstaande stappen tot zinvolle inzichten, effectieve acties of besluitvorming.

 

Uiteraard is het niet zo simpel als we hier stellen en vergt dit de nodigde creativiteit en kennis. Graag helpen wij gemeenten met nadenken over wat je wilt weten en hoe je die informatie kunt verkrijgen. Wij ondersteunen graag om de stappen te doorlopen, om ervaring op te doen met Big data en om vraagstukken op te lossen. Eens vrijblijvend verder praten? Neem dan contact op met Rik Swieringa (Senior adviseur / Strateeg) of Robin Koster (Senior adviseur / Directeur). De contactgegevens staan hieronder.  

Meer weten? Neem contact op met:

Uw mening over onze website?